一家三甲医院的检验科主任曾向笔者感叹："我们的AI辅助诊断系统已经很先进了，但标本还在靠人工分拣，设备还在手动切换。"这种"数字大脑配机械双手"的错位，正是当下科研实验室的真实困境。现在，一个叫Bohr Transition Lab的平台试图用自然语言彻底打通这台绞肉机。
这个刚发布一周的平台，已经接入了超过1800台科研仪器，涵盖色谱、质谱、光谱、基因测序等数十个品类。用户只需用中文或英文描述实验需求，系统就能自动分解指令、协调多台设备、汇总数据结果。整个过程无需编写一行代码。
这对一线科研人员意味着什么？以一个简单的蛋白纯化实验为例，传统流程需要研究人员分别操作离心机、AKTA层析系统、紫外检测器，每台设备都要单独设置参数、等待运行、手工记录数据。跨设备的数据格式不统一，后续分析还要再做一次数据清洗。Bohr平台把这一切压缩成一句话："请执行蛋白A的镍柱纯化流程。"系统自动编排指令序列，设备依次启动运行，结果直接汇入统一数据库。
这一突破直指科学智能化的真正瓶颈。行业普遍认为，大模型的推理能力已经不是问题，真正的卡点是物理世界的"最后一公里"——仪器设备的互联互通。各厂商设备通信协议各异，数据格式互不兼容，过去十年间LIMS系统的推广效果有限，根本原因就在于此。Bohr没有等待行业标准统一，而是自建了一套通用翻译层，主动适配主流仪器厂商的私有协议。
目前平台已通过Thermo Fisher、安捷伦、Waters、Illumina等头部厂商设备的认证适配。中科院旗下多家研究所、几家头部药企研发中心已成为首批用户。据披露，某高校材料实验室接入后，多设备联合实验的周期从原来的数周压缩到数天，效率提升约六成。
当然，这套系统的成熟度还有待更多场景验证。1800台仪器的覆盖规模在行业内已属前列，但全国科研仪器保有量以百万台计，渗透率仍极低。更关键的是，高端仪器往往涉及复杂的工艺参数，AI能否在精度要求极高的场景下完全替代人工经验，仍是未知数。
但有一点可以确认：科学发现的速度瓶颈，正在从"想法到结论"的推理环节，向"结论到验证"的执行环节转移。当AI能够直接驱动实体实验，科学研究的迭代周期将发生质变。Bohr这次接入1800台设备，或许只是第一步。