合碳智能完成5000万融资，机器人正在有效走进实验室

「

从阿里、腾讯、药明康德走出来的老兵创始人。

」

文｜陈之琰

经过一个具身智能元素过载的春节，这个赛道上的新融资、新产品信息又开始以一种奔袭的速度出现。而当人形机器人“叠衣服”、“拧螺丝”、“搬快递”或“后空翻”的视频刷屏时，在百济神州的实验室里，一个新物种实验已经悄然转动了50天。

一款移动式机器人外观的“物理AI科学家”Talos正在百济神州的实验室里进行药物研发过程中的分子纯化流程——这项“枯燥且耗时”的基础工作此前占据了人类药化学家50%以上的工作时间，且对经验和手感要求很高。在为期50天的试运行中，Talos已展现出接近资深药化学家的操作水准，这在业内尚属首次。在目前已完成的15个分子纯化实验中，每个分子涉及200多个连续操作步骤——累计超过3000次物理操作，Talos在执行层面保持了零失误。

「暗涌Waves」独家获悉，其背后研发公司「合碳智能（C12.ai）」刚完成5000万人民币的新一轮融资，由涌铧投资领投，韦豪创芯和个人投资者跟投。合碳智能首轮融资完成于2022年8月，由云启创投领投，靖亚资本、百图生科和个人投资者跟投。

机器人形态并非Talos最值得关注的部分，其硬件本身是市面上直接可以租赁的标准双臂移动机器人，关键在于，合碳智能实现了为其注入的大脑——通过自主研发的传感器，合碳智能在通用机器人上培训出了机器人在专业实验上的操作技能和药物研发预测能力。

据其介绍，Talos不仅能像熟练工一样自主执行端到端、跨仪器的实验流程，更能通过专有的视觉-语言-行动（VLA）架构，在实验过程中实现实时推理、规划与错误恢复。其专业能力在特定场景下，已达到拥有10年经验的人类专家水平，能够承担实验室中大量重复性的基础工作，从而释放科学家的时间去专注于更具创造性的研究决策。

然而，对于合碳智能创始人兼CEO陈志刚来说，完成药物分子纯化只是这款机器人落地的第一个场景。

在他的设想中，随着Talos掌握更复杂的ADME（药物代谢动力学）实验技能和工艺放大能力，在具备“物理执行是规模化瓶颈”特点的各类场景——包括干细胞治疗的质量控制、设计生物化学品的小批量多批次柔性生产等——都将有机器人参与的空间。

陈志刚是互联网医疗、制药领域的老兵，曾任阿里健康首席架构师/算法和模型团队负责人、腾讯医疗大数据实验室创始人，以及药明康德第一任首席数字官（CDO）。他的创业逻辑，源于对传统“自动化”局限性的深刻反思。

在药明康德担任CDO期间，他曾带领团队用算法将生产设备的使用效率从40%提升到了60%。然而，他发现传统的自动化设备——即那些专机专用的工作站——有着致命的弱点：刚性、高成本、且无法跨场景复用。

“传统自动化解决了标准化的问题，但灵活性始终是它的短板。”陈志刚告诉「暗涌Waves」，“而我们要做的，是一个通用的、由软件定义的机器人科学家。”

这种逻辑在某种程度上是对传统CRO（医药研发外包）模式的演进。传统药企和CRO的能力基础，长期建立在高密度专业人才、流程体系和大规模协作效率之上。陈志刚认为，当AI与机器人深度结合，有可能为整个行业开辟一条全新的增长路径——不是替代现有的CRO巨头，而是与之互补，创造一种新的协作范式。

截至目前，Talos的能力已经在尝试向医药以外的领域延伸。

合碳智能正在与国际化妆品品牌沟通，试图实现“个性化护肤品的柔性生产”。用户只需拍一张照片，AI识别后定制配方，机器人便能连夜完成小批量生产，进而通过物流送到消费者手中。这种从分子层面的混合到柔性产线的跨越，试图在研发与消费端之间建立极短的反馈回路。

春节前，「暗涌Waves」见到了陈志刚。围绕Talos及其最关键的大脑、实验室机器人走向不同场景的可能性，以及人类与机器人之间长远共生的未来等话题，我们和他聊了聊。

以下为对话——

「暗涌」：Talos在百济神州的试运行情况如何？

陈志刚：到现在跑了15个真实药物分子的中间体纯化，成功了14个，93%的成功率。纯化这个活对经验和手感要求很高，能由机器人自主做到这个精度，在行业内还是第一次。目标是，未来80%的分子由机器人替药化学家做，人类科学家可以节省出时间去做更有价值的事。

「暗涌」：为什么选择“药物分子纯化”这个场景切入？

陈志刚：这个场景的刚需非常明确。药物研发中大约50%的时间花在纯化上。过去科学家投完反应，可能要到第三天才能收到产物。而现在用我们的机器人，当天晚上就能做完，第二天直接进入下一步，研发周期可以缩短一半。

「暗涌」：除了采用了机器人外观外，Talos和已有的自动化设备有什么不同呢？

陈志刚：传统的自动化是“非标定制”，专机专用，改一个流程就要推倒重来，边际成本极高。我们的逻辑是——硬件标准化、软件定义能力。机器人是租来的标准品，但我们给它注入了“技能库”和“肌肉记忆”。

你可以这样来理解：传统自动化是固定式单元，需要改造实验室，且属于数据孤岛，日志非常有限。Talos是移动式的通用机器人，它直接在现有实验室里操作已有仪器。它不需要重新设计实验室，而是像人类科学家一样在不同工站间移动。更重要的是，它是目标驱动的，具备实时适应和错误恢复能力，而传统方案只能按预定义的固定流程执行。

「暗涌」：具体说说，你们是如何为机器人注入这些能力的？

陈志刚：分两个层面。一是操作技能，比如通过视觉和力感知去控制机械臂完成精细动作；二是专业判断力，比如预测分子的极性，这需要专业的模型支撑。这两者结合，才形成了一个能够自我迭代的闭环。

我们把如何精准地换枪、移液、拧瓶盖这些物理动作定义为底层的“肌肉记忆”。实验室里看似流程复杂，本质上可以拆解成积木式的标准化技能模块。为了让机器人具备这种触觉，我们给标准的机械臂配上了自主研发的、类似“人戴手表”一样的感知传感器。通过视觉感和力感知的结合，在Talos的神经层面上实现了对机械臂的精准控制，让它能完成高难度的精细动作。

「暗涌」：更难的是大脑，对吧？

陈志刚：没错。我们为其注入的是一套VLA架构。这让机器人不再只是执行一段预设的固定程序，而是具备了实时推理和规划的能力。当你给出一个实验意图时，它会先识别意图、进行权限管理，然后自主生成一份详细的实验计划。在执行端，它能实时感知环境并做出适应，如果实验中出现偏差，它具备自我错误恢复的能力。

「暗涌」：相比家庭场景，实验室场景的容错率是更高还是更低？Talos的成功率如何？

陈志刚：这取决于你在哪个层面上讨论容错。在安全层面，实验室的容错率极低，甚至比家庭场景更严苛。家庭机器人可能只是撞到沙发，但在充斥着化学试剂和精密仪器的实验室，任何物理碰撞都可能带来不可估量的损失。所以，Talos已经具备极高的环境感知能力，当人类科学家靠近时，它会自动停下，确保绝对的人机协同安全。

「暗涌」：那在执行层面呢？这是你要跑通to B业务的基础。

陈志刚：在业务执行层面，我们需要理性地看待“成功率”。

目前，Talos在真实制药实验室而非仿真环境中，已完成15个分子的纯化实验，每个分子的纯化涉及200多个连续操作步骤——累计超过3000次物理操作，机器人在执行层面保持了零失误。实验结果层面，15个分子成功了14个，唯一的一例是因为分子本身的溶解性超出了当前方法的适用范围，而非机器人的操作问题。

这种执行效果已经能对标拥有10多年行业经验的人类药化学家。在长时间、高重复度任务的数据一致性和标准化执行上，机器人具备天然优势，因为它可以稳定复现同一套动作和参数。

我们目前主打的是处理80%的常规分子纯化。对于那20%极其复杂、需要人类专家介入的特殊情况，系统会实时识别并提示，而不是强行试错。

「暗涌」：除了分子纯化，Talos还能用于别的场景吗？

陈志刚：纯化只是我们进入实验室的一个“针尖”，凡是涉及物理世界原子、分子层面的场景，理论上都是Talos的舞台。其实在医药研发内部，我们接下来的动作非常明确，就是ADME（药物代谢动力学）。这需要大量的精准移液，对移液量程的跨度和精度要求极高，而Talos可以通过自主换枪和视觉闭环来胜任这件事。

再放大一点看，比如在干细胞治疗领域，人类进入实验室会带来污染风险，而机器人可以保持极高的一致性，且在全封闭或无菌环境下操作。我们正在尝试用机器人做过程监控。以前工艺改变需要监管机构漫长的审批周期，如果能通过机器人实时生成完备的数据轨迹，就有可能压缩放行时间。那机器人的研发就不只是在提高效率，而是能够与生命赛跑。

「暗涌」：除了医药场景之外呢？

陈志刚：以化妆品行业为例，现在大量成本都堆在营销上，研发端很难快速响应个人的细微需求。但其实Talos的柔性产线是可以实现这件事的。

消费者拍一张照片，AI能够识别你的皮肤状况（比如是否敏感、干湿程度），生成一个专属配方。机器人收到任务马上可以开始限时生产，连夜根据配方进行加料、控温、搅拌，完成这种“小批量、多批次”的连续制造，然后直接寄到消费者手中。如果一套系统能够满足药物研发对精度和流程控制的要求，它也有机会迁移到化妆品等对柔性制造有需求的场景。

凡是具备“小批量多批次”、“连续制造”且“对环境适应性有要求”的物理场景，都是我们的目标。

「暗涌」：所以，合碳智能并不只想做一家做实验室机器人的公司？

陈志刚：当然。我相信未来的制造业不应该是一成不变的流水线，而是由软件定义的、能够感知物理世界，并实时调整的智能体。

「暗涌」：这种观点和认知你是如何形成的？

陈志刚：我自己是计算机背景，在硅谷工作过，回国后先后在阿里和腾讯做了很多年互联网医疗。但真正的转折点是在药明康德担任CDO的那几年。

我在药明负责整个集团的AI和数字化转型，几年下来对这个行业的增长模式有了很深的体感。CRO的增长模式在很大程度上依赖专业人才密度、实验资源和流程协同。业务增长通常意味着团队、实验空间和配套能力都要同步扩充，这也使行业在规模化过程中面临组织效率与成本约束。与此同时，我从投资角度也看了大量的自动化项目，发现传统的自动化方案在灵活性上存在根本性的局限。想换一个实验流程，不仅硬件成本极高，甚至要重新改造实验室。

我意识到，要解决“物理执行”这个规模化瓶颈，唯一的路径就是将AI与机器人深度结合，用软件去消化硬件的差异性。

「暗涌」：你作为一个工程师，如何去理解科学家的痛点呢？

陈志刚：为了跨过这个专业门槛，我花了一年时间自学化学和医药相关知识，也多次走进实验室和工厂一线，亲眼看到科学家们在真实研发场景中的反复试错、时间压力和效率瓶颈。正因如此，我才能真正理解他们在实验室里的痛苦。所以，合碳智能的认知闭环，不是空想出来的，而是在顶尖业务压力下，经由对‘效率极限’的持续复盘和跨学科融合打磨出来的。

「暗涌」：目前Talos只是在实验室里开始了第一步。要实现你所说的，在不同的领域通过软件去解决物理执行的规模化瓶颈，合碳智能有时间表吗？

陈志刚：我们目前的路线是沿着药物开发的生命周期往下走。现在已经启动的是早期研发阶段——逆合成AI加小分子纯化，也就是百济神州的实验。下一步进入临床前，做ADME和工艺摸索与小试，这块对精准移液的要求极高，正好是Talos的长项。再往后是临床阶段的GxP合规生产和分析方法自动化——到了这一步，机器人的价值不只是效率，而是数据完整性和合规性，这对药企来说是刚需。

最终的远景是商业化生产阶段的HMLV柔性产线，加上在线QC和持续工艺验证。简单说，我们不是在做一个单点工具，而是让机器人沿着药的一生，一步步往下渗透。归根结底，我们想让好药更快、更便宜地到达患者手中。

「暗涌」：你觉得这个过程中，什么是最难的？说服“旧世界”吗？

陈志刚：说服“旧世界”当然是一部分，但更难的是，在我们刚开始做这件事的时候，外界普遍还没有足够的信心。因为这本来就是一个典型的反共识项目。

这个反共识有两个层面。第一，它不是一个单一学科可以判断清楚的命题。你不能只理解药物研发，也不能只理解AI，或者只理解机器人，而是要把研发流程里的真实瓶颈、AI今天的能力边界，以及机器人在物理世界中的工程约束放在一起看。也正因为这样，很多人第一次听到这个方向时，会觉得它很有吸引力，但也会很自然地问一句：这件事真的能落地吗？

第二，行业过去更熟悉的路径，是固定式自动化工作站。那套体系有它的价值，精度高、稳定性强，但更适合相对固定的流程。我们想做的是另一件事：让双臂移动机器人在现有实验室里，自主完成跨仪器、跨工位的精细操作。这个难度更高，所以外界一开始对精度、环境复杂度和系统稳定性有疑虑，我觉得是正常的。

但反过来看，也正因为它难，一旦这条路径被验证，建立起来的壁垒就不会只是某一个单点技术，而是一整套跨学科、跨系统的能力。

「暗涌」：最后是一个小好奇，为什么名字里有“碳”？你明明在做有关硅基的事。

陈志刚：合是合成，碳是有机生命的基本原理。虽然我们用的是硅基的算法和硬件，但我们最终服务的对象和连接的本质，依然是碳基生命世界的规律。这是我们的初心。