问题——“人工智能赋能科学研究”正成为新一轮科技竞争的关键方向，但科研场景数字化、标准化、自动化上的底层基础仍较薄弱；近年来，大模型与具身智能备受关注，但面向科学发现与实验研发的智能化体系建设，由于门槛高、周期长、落地复杂，常被外界低估。放眼全球，多国已将“人工智能赋能科学研究”纳入国家层面规划，围绕科研效率提升、关键技术突破与产业竞争力展开布局。该背景下，实验室安全、数据可用性、实验可复现、设备协同等长期难题，亟需更系统的解决方案。 原因——科研实验的高不确定性与高风险，决定了传统“人机共存”模式存在天然不足。一上，实验涉及多仪器、多试剂、多步骤，人工参与不可避免带来差错与人为干预，使实验一致性与可追溯性受限；另一方面，安全风险叠加复杂环境，推高了实验室的运行成本。戴纳科技有关负责人表示，要实质性降低风险并提升效率，需要向“高度规范化、可复制、可组合”的自动化体系演进，最终实现全无人运行。国际上也探索以小型机器人驱动实验流程的路径，行业对“黑灯实验室”的可行性正在形成更多共识。 影响——地方产业资本的进入，为科研基础设施“补短板、强底座”提供了资金和产业协同支持。此次戴纳科技获得近亿元B+轮融资，投资方包括北京市新材料产业基金及北京市丰台区丰泽志远产业培育基金，显示出地方国资对战略性新兴产业与未来产业的布局意图。资金注入有望推动企业在关键模块研发、场景化交付、工程化能力与服务网络各上提速，并带动上下游实验设备、数据规范、软件平台、应用模型等环节加强协作。对区域而言，围绕新材料、生物医药、新能源等重点产业，科研平台的智能化升级将提升研发效率与成果转化能力，增强创新链与产业链的衔接。 对策——从“单点自动化”走向“系统工程”，是科研智能化落地的关键。戴纳科技的做法是将复杂实验流程拆解为可执行单元，并以模块化方式形成可复制的“积木式”组合：通用场景以标准模块为主，特定需求则进行定制化配置，以适配不同学科和实验任务。其核心在于通过软硬件协同与流程规范，把实验室从“依赖经验的手工操作”逐步升级为“可连续运行的工程系统”。同时，面向多行业多场景布局，也有助于沉淀跨领域的操作规范、数据标准与调度能力，提升平台的通用性与扩展性。 前景——“人工智能赋能科学研究”正从概念热度转向基础设施竞争，未来比拼将集中在三上：其一，标准体系与数据治理能力，决定实验可复现与模型可用性；其二，工程化交付与规模化运维能力，决定能否从示范项目走向批量应用；其三，与产业需求的耦合深度，决定科研效率提升能否转化为现实生产力。从资本动向看，除市场化机构外，地方国资正更积极参与关键平台与基础能力建设，体现出更偏长期的投入取向。业内预计，随着科研机构与企业研发部门对安全、效率与成本的综合要求提高，全无人实验室及相关自动化平台将进入加速应用期，并推动新材料、医药研发等领域的研发范式迭代。
当全球科技竞争进入“硬实力”比拼阶段，对基础能力的投入成为重要变量；从丰台国资此次注资可以看到，地方政府正更主动地寻找并押注战略性机会。如何把政策支持转化为可持续的创新能力，不仅考验企业的执行与产品化能力，也关系到我国科研生态体系的完善与升级。