近年来，围绕着「AI+化学」的应用研究层出不穷，AI在新药研发领域也备受期待。
世界顶级科研期刊《Nature》和《Science》，刊登了不少与之相关的最新研究。如利物浦大学自主研发的 AI 化学家（mobile robotic chemist），8 天完成 688 次实验，一周时间研究 1000 种催化配方，并发现了一种新的催化剂，登上《Nature》封面。来自美国麻省理工学院（MIT）研究人员开发了一种结合AI设计合成路线和机器人执行的自动化合成平台，登上《Science》发表。
在国内，据公开信息显示，华为、腾讯、阿里、百度等企业凭借它们在算法、机器学习等方面积累的技术优势，纷纷进军 AI 制药。华为发布华为云盘古药物分子大模型，用于辅助新药研发；阿里与全球健康药物研发中心合作，开发人工智能药物研发和大数据平台；腾讯发布AI驱动的药物研发平台云深智药（iDrug），并向所有技术人员开放；百度成立“百图生科”，致力于用高性能生物计算和多组学数据技术，加速创新药物和早筛早诊产品的研发。
我们可以看到，在「AI+化学」的应用上，学术机构注重计算机技术与自动化的结合，而国内大厂聚焦于云端平台和算法。然而，以化学为基础的材料、制药都是实验学科，几乎所有的成果都是建立在大量的实验基础上，现阶段 AI 技术无法改变这一点。此外，机器学习，分子模型建构需要大量数据，而这些数据源于化学分析实验。因此，分析化学实验室的建设依然是重要环节。
那么，迎接「AI+化学」，化学分析实验室如何革新？
浪潮来袭，选择实验室自动化
在过去的 200 多年，研发化学新材料的方式并没有真正改变。大量的实验依靠人力完成。同时，一种新材料或新药的研发从设计到上市需要 10 年以上的时间，花费上千万的费用。AI 的发展，让大家看到希望——将 AI应用到化学领域，加速化合物和新材料的发现。
IBM 欧洲研究中心建立的以 AI 驱动的 RoboRXN 化学实验室是一个成功的案例。这一实验室融合了云技术、人工智能和自动化高通量实验工作站，改变了化学家的工作方式，极大的加速了研发效率。
科学家可以登录网络实验平台，绘制他们想要制造的分子化合物框架结构，平台使用机器学习技术预测所需的成分以及混合顺序和最优合成路径，随后将指令发送给远程自动化高通量实验工作站执行实验操作，实验完成后平台就会将结果发送给科学家。
IBM RoboRXN 化学实验室非常重视实验室自动化。他们与 Chemspeed technologies 进行合作，定制了自动化高通量实验工作站。在 IBM 研究人员看来，数据是机器学习模型的核心，自动化高通量实验工作站能够提供新的高质量数据，以便构建更好的模型。与此同时，化合物合成操作由实验平台自动化完成，将化学家从繁琐重复的实验操作中解脱出来，为他们设计和创新留出更多的时间和空间。
由此可见，AI需要实验室自动化的协同。AI的机器学习过程依赖于数据，针对实验速度，自动化的连续操作保证了为后续分析输入大量稳定可靠的数据，这是数据分析和机器学习的基础。如果实验速度慢，就不足以积累足够的数据用于分析，如果数据不可靠，那就是垃圾数据，无法用于机器学习和分析。
当 AI 的种子已经撒入化学这块土地，它是否能开出鲜艳的花，结出人类可食用的果实？在一定程度上取决于实验室自动化技术。
实验全流程自动化解决方案
IBM RoboRXN 化学实验室所使用的自动化高通量实验工作站，是否适用于分析化学实验室的建设和革新，答案是肯定的。
Chemspeed是实验室自动化领域的先行者，已经积累了二十多年的技术与经验。从粉末分配 – 样品制备 – 合成 – 工艺开发 – 配方 – 应用 – 测试，为产品开发周期的每一步提供全自动解决方案，适用于化学、材料科学、可再生能源和能源、制药、农用化学品、特种化学品、家庭护理、化妆品和营养行业以及学术界的整个产品开发流程的集成产品开发工作。
与其他单一功能自动化仪器相比，Chemspeed采用模块化设计，可根据研发需求定制自动化解决方案。
以高通量高产出为目标，Chempseed可选配顶置式称重分配工具、精密反应器和其他 60 多种自动化工具，并可接入第三方设备，可集成流变仪、离心机、微波设备、GC、HPLC、GPC、NIR、PSD、恒温器、真空泵等仪器，根据研发需求，集成为特定任务自动化研发系统，或全研发周期自动化系统，组成“研发工厂”，实现实验全流程的自动化。而这些应用都已得到艾伯维、毕克化学、赛诺菲、默克、欧莱雅等企业的成功验证。
此外，配套的完整软件解决方案，可用于实验设计-执行-分析-报告，还可对整个实验室进行集中管理，包括实验台工作状态，库存管理、数据信息等。数字管理，智能运行，使工作流程编辑直观、实验过程可视，实验数据精确完整记录可追溯，实验分析报告自动生成，为 AI 学习积累高质量完整的数据。
