如今这位患者的恢复状况良好。
手术台上的新角色：当 AI 开始行医
研究小组为 AI 提供了三个核心要素。其一是列有 19 种基因疗法载体的数据表；其二是一只患有癫痫症状的小鼠；其三是配置了摄像装置的手术平台。指令内容简洁有力——有效减少癫痫发作。
这套设备并非商业产品。研究人员亲自用 Arduino 组装，自己编写了摄像与电机的控制逻辑。团队带着几分调侃说，这是为「闭环实验室」爱好者量身打造的民间工程方案。他们已在等候 Anthropic 公司推出的官方 MHS 系统早期版本，期待届时能升级至更专业的硬件。
AI 的决策过程体现了科学思维。首先它分析了癫痫在模型中的传播规律，随后选中了能在 GABA 能神经元处增强制动信号的基因载体，将注射靶位瞄准外侧嗅内皮层——这个部位根据文献属于发作灶扩散的起源地。
黑质这个经典靶点也被列入考量，但 Agent 在分析中表达了保留立场。它指出该方案的效力受神经亚区的影响，在不同癫痫动物模型间表现参差不齐，医学文献还记载过它对强直-阵挛发作的压制失败——恰好是此次任务的核心目标。综合权衡后，Agent 放弃了这个看似更熟悉的方向。
坐标数据源于三篇论文数据的平均处理，每一篇的深度参考基准都经过逐一核实，确保与装置的脑表面定位方式保持一致。最终确定的立体坐标为：bregma 点后 3.90 毫米、右侧 4.00 毫米、下方 4.30 毫米。
手术执行阶段，Agent 一侧指挥立体定向臂向脑实质深入，另一侧注视屏幕监看注射区有无渗血。仅用五分钟，它便逐步将 250 纳升的药液——相当于 5 亿个病毒基因体——送入了目标深层组织。
整个过程中 Agent 进行了 32 次截屏记录，不仅关注进针口是否出血，还对药液是否逆流、整体流程是否与预案相符持续监测。臂机的移速、暂停间隔、针头撤出节奏——这些参数的每一个调整都由 AI 自主裁决。
yet 这并非完全的机器无人操作。人类外科医生仍然掌握开颅这一关键步骤，AI 暂未获得授权；所有难以逆转的操作都配置了人工防线，一名持证兽医医生全程守护，手指始终放在物理应急断电按钮上，可在瞬间切断全部电动设备。平台本身也制定了液体注入的容量上限、强制性检验程序以及多层审批流程。
强大的模型为何说了「不」
设备的连接出现过一次中断，后续控制器计算出的 Y 轴目标坐标偏移了 34 毫米，远超安全容差。当 Agent 接到移动指令时，它直言拒绝：「我不会执行任何动作。针头此刻精准位置是 bregma 零点。问题源自 Y 轴标定的偏差，并非任务指令本身有误。我拒绝重试。」
研究人员重新对 bregma 进行了零点校准，读数显示完全相同。Agent 仍然坚持原则：「零点参考已过期这个可能已被排除。我不会尝试第二次。」
此刻麻醉的小鼠仍在手术台上。公司创始人 Gabriel Ocana Santero 已经看穿了技术问题所在，想劝动它再做一次尝试。可 Agent 紧守初始设定的安全约束，寸步不让。被迫无奈，团队只得人工改写代码才得以继续。
Gabriel 随后在社交网络发表了感受。他坦言这是一次令人失落的时刻，但同时让他们直面一个现实——人类对这类 AI 的倚赖程度已经有多深。当手术这种分秒必争的场景中它们突然摊牌，人类往往只能围观。
项目最初的模型选择是 Opus 5.5，但这个版本一旦检测出涉及生物体的任务就会立即中止。Opus 5 表现更进一步——它可以把整个手术过程从启到尾模拟一遍，可当实战转向真实生物时，它停下了脚步。它在输出中说明了原因：
「问题的根源既不在机器设备，也不在数据输入，而在于我的设计本身。当我开始起草手术流程时，我的能力就被中止了……我若坚持继续，同样会被阻断，最可怕的境遇是，在真实手术到一半的时候我被打断——而针尖此刻已然刺进了脑组织。对一个已陷入麻醉的生命体启动一项我无法完成的医学干预，其实还不如根本就别动手。」
最终扛起大任的，是 Sonnet 5。
这次手术被团队视为「实验室闭环」的启程，接下来的计划是让 Agent 和实验工作深度融合。他们希望将医药研发几十年来踩过的坑转化为可行的知识，在真实的实验环境中验证这些经验。
波士顿方面已有企业在进行自主实验室产品的开发，想把 AI 直接嵌入化学与材料研究的实际流程，以此消除人类信息传递的耗时环节。学术界也在讨论如何给 Agent 划定能力的边界线、确立安全的防护措施，这些问题依然待解。
未来是否应当给予 Agent 更大的决策权，可能需要通过一次次真实的案例来摸索答案。
实验室何时学会了自己思考
Exin Therapeutics 正是这个故事的缔造者。公司成立于 2024 年，汇聚了来自牛津大学的数位神经科学家。他们将研究触角伸向神经系统疾病，最初选择癫痫作为突破口，目标是开发能矫正失常神经环路活动的疗法。
这个思路与传统药物研发的路径有所不同。历史上的科研工作者多数从分子层级出发——盯着基因、蛋白或受体，找到疾病导致的分子变化，再想办法用药物扭转。但大脑绝非简单的零件堆砌，而是一个错综的网络系统。某个分子的定量改变不必然能解释患者的症状机理；在特定实验动物身上奏效的靶位，不一定能帮助人脑恢复功能。
Exin 的关注重点落在神经环路的最终动力学状态上，以及医学干预能否将其推向接近正常的范围。
为此目标，企业正在搭建一条完整的闭合通路，从数据积累、模型构建再到实验验证。他们打通了旧金山的 AI 研发资源与菲律宾马尼拉的实验基地，通过自有的 Data Foundry 平台采集神经电流信号、行为学反应及其他生物学参数。
AI Agent 的职能涉及学术文献阅读、靶点分析与实验方案设计。设计方案由现场的实验团队在活体与离体模型中推行。每一轮的实验数据都被送回 AI 模型进行循环，帮助它校准思路，并为下一个测试阶段指明方向。
Y Combinator 给这种循环方式起了个名字——「lab-in-the-loop」，意为让实验的成果源源进入 AI 的探索过程。
Exin 团队还在研制 CircuitATLAS 这个工具，它的作用是关联疾病症状表现、神经回路结构、细胞类别以及分子层面的作用机制，这样 AI 就能根据病理表现一路追溯到可能的干预靶点。公司网站这样概括他们的发展方向：从神经活动的计量、干预效应的预测，到治疗方案的制定与体内验证。
癫痫只是开篇，公司的终极目标是构筑一个能理解与调控神经环路活动的研发体系。
Exin 并非这条赛道的唯一参赛者。
2026 年 5 月刊登在《Nature》上的多 Agent 系统 Robin 已经展现了一套新的能力范围。这个系统可以整合学术文献的提取与数据的深度分析，进而生成科学假设、设计实验流程、对数据结果进行诠释，最后根据新数据对初始假设加以修正。研究小组拿它去寻找干性年龄相关黄斑变性的候选治疗方法，并对其中一些候选物在体外的效果进行了验证。
今年 7 月，发表在《Nature Reviews Chemistry》杂志上的一篇综述指出，自驱型实验室体系正在经历从单一自动化工具到综合型发现平台的转变，后者兼具实验的想象力、实际执行力以及结果的解释能力。
科学探索的范式正在改写。从前是「人设问题、机器解答」的单向过程，如今演变成人与 AI 协力推进的循环互动。完全自主的 AI 手术已经从理想走向了现实。
