生命科学领域存在一条隐秘却代价高昂的断层线。在云端的计算集群里，AI 模型可以昼夜不息地迭代蛋白质结构预测、药物分子筛选和基因组序列比对，用海量算力逼近科学发现的边界。但一旦实验流程落地到真实的实验室台面，所有的智能都撞上了一堵无形的墙：设备本身不产生结构化数据，不记录操作上下文，更不具备感知与决策能力。移液器、离心机、PCR 仪、酶标仪——这些构成现代生命科学研究基座的仪器，绝大多数仍然以 20 世纪的逻辑运转：以人为中心设计交互方式，依赖实体按键和封闭的图形用户界面，每台机器独立存储结果且格式互不兼容，设备与设备之间保持沉默。
当英伟达创始人黄仁勋在 2026 年初的 CES 上宣告“Physical AI 的 ChatGPT 时刻已经到来”时，这个宏大的技术叙事与实验室里沉默的设备形成了令人窒息的对比。Physical AI 所描绘的图景——能够理解现实世界并与之交互的 AI 模型，使自主机器在真实物理世界中感知、理解和执行复杂操作——恰是生命科学实验场景中最为稀缺的能力。Gartner 已将 Physical AI 列为 2026 年十大战略技术趋势之一。据市场研究机构预测，全球物理 AI 市场预计将从 2026 年的 15 亿美元增长至 2032 年的 152.4 亿美元。
术也科技正试图从硬件底座层打破这一僵局。这家 2018 年成立于杭州的公司近日完成数千万元 Pre-A 轮融资，由太朴生命科学投资领投，万原点基金跟投。与其说它是一家实验室设备公司，不如说它试图用 Physical AI 的逻辑，把每一台实验设备重新定义为具身智能的载体——让设备不再是被人手操控的“哑终端”，而是能感知环境、记录动作、与同伴协商分工的“智能体”。
| 字段 | 内容 |
|---|---|
| 公司 | 术也科技（杭州术也科技有限公司） |
| 轮次 | Pre-A轮 |
| 金额 | 数千万元人民币 |
| 投资方 | 太朴生命科学投资（领投）、万原点基金（跟投） |
| 总部 | 杭州（德国魏玛设有产品工作室） |
| 创始人 | 李谡（创始人）、王艺娴（联合创始人）、谢楚天（联合创始人） |
| 官网 | https://vecverse.com/index.html |
用VLA多智能体集群替代中央控制器，是技术架构上最根本的一步棋
术也科技的核心技术部署名为 VLA 物理多智能体集群（VLA Operon），其底层逻辑是将视觉-语言-动作（VLA）模型引入实验室场景。这套架构的野心不在于让单台设备变得更智能——市面上已有不少厂商在移液工作站上加装视觉定位模块或液体感应系统——而在于让设备与设备之间能够自主组网、协商分工，形成一个去中心化的协作网络。
在传统的实验室自动化方案中，无论是大型液体处理工作站还是集成式自动化流水线，都遵循一个共同范式：所有设备通过物理轨道或通信总线连接到中央控制单元，由上位机软件统一编排指令序列。这种架构的弊端在于，中央控制器成为单点瓶颈——任何一台设备的更换、维护或异常都需要在控制逻辑层面重新适配，系统扩展性受限于控制软件的预设场景，且整个流水线对非标实验流程的适应能力极其有限。
术也的做法是去中心化。在 VLA Operon 架构下，每一台接入集群的设备被赋予特定角色：有的设备负责视觉识别板架位置与样本管条码，有的负责加样操作，有的负责纯化或热循环步骤，有的则承担全局调度与任务分配。这些智能体通过本地内网进行通信，采用“发布-安排-承诺”的共识协议来协同完成任务，而非依赖一个大脑发号施令。
从单点智能工具切入，而非推销整套自驱动实验室
术也目前的产品矩阵分为三层，构成一个从硬件执行端到集群调度层的完整堆栈。
最底层是作为物理执行端的 @Pette 系列智能移液器和 @Robot 系列实验机器人。@Pette 号称全球首款支持 AI 语音交互的移液器，重量 99 克，在设计层面已拿下德国红点奖 Best of the Best、日本优良设计奖和伦敦设计金奖三大国际工业设计奖项。将一支移液器的重量控制在百克以内本身并非易事——传统手持式多通道移液器的重量通常在 120 至 150 克之间，而集成 AI 语音交互模块、视觉传感器和无线通信单元后仍能实现更轻的重量，意味着在微型化与散热设计上有较深的工程积累。语音交互在此场景下的实际价值也不仅限于“解放双手”：在生物安全柜或手套箱内操作时，物理按键可能被手套遮挡或污染，语音指令提供了一条非接触式的人机交互通道。
@Robot 系列实验机器人采用“机器人叠加机器人”的模块化方案，支持 X/Y/Z 轴三维变形，覆盖 PCR、ELISA、测序前处理等十余种常见实验场景。所谓“机器人叠加”，意味着用户可以从基础的三轴移液模块出发，按需叠加上板架转运模块、温控孵育模块或离心适配接口，以搭积木的方式构建恰好匹配当前实验流程的自动化工作站。这种柔性组合策略在机械结构设计和电气接口标准化方面提出了较高要求——不同模块之间的物理对准精度和通信协议一致性，将决定系统在实际部署中的故障率和维护成本。
中间层是自研的“术芯一号”通用 AI 引擎，搭载边缘计算 AI 芯片，设计目标是为传统仪器提供插拔式智能化升级。这是一个极具策略性的产品定位。中国生命科学仪器市场已突破千亿元，但其中大部分装机量为传统非智能设备——那些可能花费数万至数十万元购置的进口 PCR 仪、离心机、酶标仪，如果因为缺乏数据接口和智能能力而被整体替换，将产生巨大的沉没成本。术芯一号的逻辑是通过外接或嵌入的方式，为这些存量设备赋予局部感知与结构化数据输出能力，从而打通“存量设备改造”这条商业化路径。一台旧款 PCR 仪在加装术芯一号后，理论上可以输出每一次热循环的实时温度曲线、升降温速率偏差和运行日志，这些数据既是实验可重复性的保障，也是后续 AI 算法优化的原料。
最顶层则是 VLA Operon 系统，将上述单点设备或改装后的存量仪器接入多智能体集群，形成可编排的自主实验流程。
RaaS模式在实验室场景里到底能跑多快，取决于谁买单
术也科技在商业模式上押注 RaaS（机器人即服务），这意味着设备以按需订阅而非一次性销售的方式进入实验室。对于资金紧张的中小科研机构和创新药企，RaaS 在纸面上降低了首次部署门槛——不需要一次性投入数十万购置设备，而是按月付费获取实验能力。
公司在 14 条业务线代理分销渠道上的布局，某种程度也是为了覆盖不同预算结构的客户群体：有的客户可能选择直接采购设备计入固定资产，有的则更适合按使用量付费的 RaaS 模式将成本计入试剂耗材或项目经费。在科研院所场景中，设备采购经费和试剂耗材经费往往来自不同预算科目，RaaS 提供的财务灵活性可能成为一个被低估的竞争优势。
公司披露的客户名单中，中科院、西湖大学、浙江大学、复旦大学、北医三院等近百家高校与科研院所已建立合作，与迪安诊断、快奥森多、博圣、康润等企业开发生态化应用。这些机构的共同特征是：对实验可重复性和数据可追溯性有强需求。迪安诊断所在的第三方医学检验领域，样本量大、流程标准化程度高，对自动化移液和全流程追溯的需求相对刚性——每一份临床样本的操作记录都可能在合规审查或医疗纠纷中成为关键证据。快奥森多和博圣分别在体外诊断和妇幼健康领域有深厚积累，这些领域的试剂盒开发和质控流程往往涉及极其繁琐的多步骤移液操作，术也与这些企业的生态化应用合作如果能在具体检测流程中形成标准化的软硬件整合方案，RaaS 的单位经济模型就有机会在反复使用中跑通。
政策窗口打开，但科研智能体的落地仍隔着真实世界的摩擦力
就在本轮融资交割前一周，北京市发布了《北京市加快推进人工智能赋能科学研究实施方案（2026-2028 年）》。这是国内首份覆盖自主实验室、科研智能体、科学大模型完整体系的 AI for Science 中长期政策文件。方案明确提出打造具备自主感知、自主决策、自主执行能力的自主实验室，构建“计算与实验双向反馈的干湿闭环科研新模式”，并围绕自主实验室体系、高价值场景应用、科学模型体系、科学数据基础、创新生态五大方向部署了 18 项具体任务。
北京市科委相关负责人将愿景表述得相当清晰：科研智能体能够像科研人员一样，通过调用不同科学工具与实验仪器，自主跑完从假设提出到创新发现的科研全流程。这一政策叙事与术也科技的技术叙事几乎完全对齐。方案特别强调研制科学研究智能体及工具集，攻关科研多智能体协同核心技术，这与术也 VLA Operon 的多智能体集群架构形成直接呼应。北京已发布的 Uni-Lab-OS 操作系统旨在支撑传统实验室向智能化、自主化演进，作为实验室级的操作系统层，其设计目标是向下兼容各类实验仪器、向上为 AI 模型提供统一的数据接口和任务调度框架。术也的“术芯一号”通用 AI 引擎在功能逻辑上与这一操作系统存在潜在的协同空间——如果术也的设备能通过术芯一号接入 Uni-Lab-OS 生态，将为术也进入北京地区高校和科研院所的实验室提供政策层面的润滑。
但从政策文件到实验室台面的距离，可能比从实验室台面到云端服务器的距离更远。底层设备之间缺乏统一的通信标准和操作语义定义，是当前制约 AI for Science 落地的最核心瓶颈之一。一个典型的分子克隆实验可能涉及离心机、PCR仪、电泳仪、凝胶成像系统等多个品牌设备，每个品牌有自己的控制语言和数据格式，即便这些设备都能输出数据，让它们在一个统一的语义空间中被 AI 理解和调度仍是一个开放性的技术难题。Uni-Lab-OS的推进有望在一定程度上缓解这个协议碎片化的问题，但操作系统生态的建设通常需要三至五年的产业协同周期，其间标准的博弈、厂商的利益格局以及存量设备的兼容适配工作量，都可能让实际进展慢于政策设定的时间表。
此外，全球 AI in life science 市场预计将从 2026 年的 215.8 亿美元增长至 2031 年的 693.4 亿美元，AI4S（AI for Science）被英伟达列为与大语言模型、具身智能并列的三大 AI 关键方向之一，远期市场规模有望达千亿美元。
领投方与跟投方均具备生命科学及医疗健康专业背景
本轮领投方太朴生命科学投资是一家专注生命科学领域的投资机构，跟投方万原点基金具有深厚医疗健康产业背景。这一投资组合的配置意味着本轮融资并非纯粹的财务投资，而是带有较强的产业协同意图。专注生命科学的投资机构通常对其所投赛道的技术门槛、采购逻辑和监管环境有较深的理解，选择领投术也的 Pre-A 轮，可能反映了对术也在 Physical AI 方向的技术判断和商业化路径的认可。
更具战略价值的是，术也的智能体架构中内嵌了一个关键的正反馈循环——数据飞轮。在传统实验设备的使用场景中，每一次实验产生的操作数据都被局限在设备本地或纸质记录中，无法结构化输出。而在术也的架构下，每一次移液动作、每一个实验步骤、每一次偏差修正，都会被自动记录并结构化输出，直接反哺 AI 迭代算法。设备集群在执行实验的过程中不断积累真实场景数据——包括正常操作数据和偶发的异常事件数据——让系统越用越聪明。
一家杭州公司把产品工作室开在魏玛，设计与工程实现各有分工
术也科技的团队配置呈现出一个值得注意的地理与文化跨度。创始人李谡有德国慕尼黑工业大学工程实现与工程机器人方向的博士研究背景，曾任包豪斯大学人机交互全席讲师；联合创始人谢楚天持有波士顿大学双硕士学位；公司在德国魏玛设有产品工作室。这个组合解释了一个不寻常的事实：一个成立仅数年的杭州团队，为何能在工业设计层面连续斩获红点奖 Best of the Best、优良设计奖和伦敦设计奖——这三项国际奖项分别代表了德国、日本和英国在工业设计领域的最高标准，在同一年度包揽这三个奖项在实验室设备领域较为罕见。
魏玛作为产品工作室的选址同样富有意味。这座城市不仅是包豪斯运动的发源地，至今仍保有活跃的工业设计生态和精密的制造工艺传统。将产品设计和工业设计团队放在魏玛，意味着术也的产品从一开始就面对欧洲实验室用户的使用习惯和审美标准进行设计迭代——这一经验在启动海外销售网络时将直接转化为市场适配能力。而将工程实现、供应链管理和量产制造放在杭州，则可以充分利用长三角地区在精密仪器制造和电子元器件供应方面的产业集群优势。
联合创始人王艺娴曾任大型产业集团董事长助理，这一背景暗示团队在战略规划、资本运作或渠道管理方面有一定的积累。公司 50% 以上为研发人员，累计拥有 85 项以上知识产权。在实验室设备这样一个需要兼具精密机械设计、嵌入式系统开发、AI 算法优化和工业设计能力的交叉领域，团队的复合背景构成和地理分工模式，在当前的中国生命科学仪器创业公司中具有一定独特性。
术也科技选择的差异化路径可以概括为“小型、灵活、智能、高性价比”——不追求一次性交付能覆盖整条实验流程的大型全套自动化设备，而是从单点环节的精准发力开始，逐步构建设备之间的协同网络。这种策略意味着术也需要在“点”的层面建立起足够明显的产品力优势（重量更轻、交互更智能、价格更有竞争力），同时在“面”的层面证明多智能体集群在网络规模增长时能够提供超出单点设备之和的增量价值。
Pre-A轮资金用于四个方向，市场天花板数据已现
公司披露的融资用途同时涵盖了核心技术研发、市场营销拓展、团队建设和补充流动资金四个方向。这一资金分配结构在 Pre-A 轮阶段属于典型配置：一方面需要继续投入 VLA Operon 的核心算法迭代和术芯一号与更多存量设备型号的兼容适配，另一方面需要借助已有的 14 条业务线代理分销渠道放大销售规模并启动海外市场拓展。
三组市场数据勾勒出术也当前所处的赛道景气程度：全球 Physical AI 市场据预测将从 2026 年的 15 亿美元增长至 2032 年的 152.4 亿美元，复合年均增长率约为 47%；全球 AI in life science 市场预计将从 2026 年的 215.8 亿美元增长至 2031 年的 693.4 亿美元；中国生命科学仪器市场已突破千亿元人民币。这三组数字分别是针对 Physical AI 技术、AI 在生命科学领域的应用以及中国本土市场容量三个不同层次的天花板测算，纵向叠加构成了术也的潜在市场叙事。
RecodeX 极客视：Physical AI 的叙事在 2026 年已足够丰满，但实验室里的真实革命从来不是靠概念驱动的。术也科技的赌注在于，一支 99 克的智能移液器可以成为数据飞轮的第一个齿轮——只要它真的被成千上万次地拿起、加样、放下，并且每一次动作都被忠实地记录和学习。从 Pre-A 轮走向真正的规模化，中间隔着的不只是技术迭代，更是对科研采购链条漫长的渗透。当中科院实验室里的一支 @Pette 开始自主记录每一个移液动作，当迪安诊断的样本前处理机器人开始在集群中自主协商任务分配，这场从“手”到“智能体”的跃迁才算真正起步。在那之前，这支 99 克的移液器仍需在每一次精准加样中证明：它不只是一个更聪明的工具，而是干湿实验断层的第一个缝合点。Physical AI 在 2032 年能否抵达 152.4 亿美元的市场规模，答案不会写在投行的预测报告里，而会写在每一个被自动记录并结构化存储的实验动作中。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。