AI做湿实验还差得远

最近看到一个叫 BioBasicsBench 的新基准，专门测 AI 智能体处理原始实验数据和日常湿实验的能力，100 个任务覆盖的都是实验室里最基础的活儿。说实话，这个方向比那些刷高分的高阶推理榜单更戳中痛点，因为真实实验室里最耗人的恰恰是这些不起眼的操作。

我自己的判断是，现在大部分 AI 智能体在「读数据」和「做实验」之间有一条巨大的鸿沟。模型能写漂亮的实验方案，但给它一张杂乱的酶标仪原始读数，让它判断哪个孔污染了、下一步该稀释还是重做，表现就直线下滑。BioBasicsBench 把「日常湿实验科学」单独拎出来测，等于把这块遮羞布掀开了。从跨境角度看，欧美不少实验室自动化初创都在押注「AI 智能体接管湿实验流程」，但落地时客户第一个问题就是：它真能处理我们那些格式各异的原始数据吗？这个基准的出现，对采购方是个很好的照妖镜，对做实验室 SaaS 的团队也是个提醒——别光卷界面，底层的数据理解能力才是护城河。当然，100 个任务不算大，覆盖的学科宽度也有限，我不认为它能给出终极答案。但它至少提供了一个可比较的起点，让「AI 能不能做湿实验」从玄学变成可以打分的事。接下来值得观察的是，会不会有团队拿它当训练目标去刷榜，以及刷上去之后在真实实验室里还剩几成功力。对出海做生命科学工具的同行来说，这类基准值得放进产品验证清单。客户不一定懂 benchmark，但他们一定懂「你的 AI 能不能帮我少重复三次实验」。把基准成绩翻译成省下的时间和试剂成本，才是跨境销售时最有说服力的话术。