Lila 的核心赌注不是实验室自动化本身，而是把实体实验变成基础模型持续获得新数据和奖励信号的训练基础设施。
自主实验室 · 美国
Lila Sciences
把多领域自动实验室变成科学基础模型的训练环境，用真实实验产生持续、可验证的“科学 token”。
资本、团队与真实实验平台已存在；核心模型和跨领域自主发现仍缺独立验证。
吞吐、成功率、单位数据成本、故障恢复与跨设备迁移等关键指标尚未公开。
实现当前目标，需要验证哪些关键判断？
真实实验可以成为科学模型的持续数据源和强化学习验证器，形成跨领域的实验数据 scaling law。
研究闭环如何运行？
运行顺序
- 研究目标与模型状态
- Iris 提出候选与实验
- 自动化实验执行
- 仪器结果成为 verifier
- 更新模型并选择下一轮
系统结构
推理与编排层
Iris、假设生成、实验规划与调度
执行层
仪器、机器人、平面电机，以及 API 下方的人类执行者
证据层
原始测量、来源记录、失败状态与 verifier 信号
学习闭环
奖励信号、模型更新与下一轮实验选择
谁做了什么？
设定目标人类
提出候选或实验AI（按公开系统设计）
执行实验自动化 + 人类
解释结果与处理例外AI + 人类
把多领域自动实验室变成科学基础模型的训练环境，用真实实验产生持续、可验证的“科学 token”。
多领域实体实验平台与模型控制架构已经公开；跨领域自主发现的性能数据仍主要来自公司披露。
公司自述它能在没见过的地方工作吗？
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
我们能相信这些证据吗？
资本、团队与真实实验平台已存在；核心模型和跨领域自主发现仍缺独立验证。
它能在有用的规模上运行吗？
公开资料仍不足以判断持续吞吐量、失败率与单位经济性。首批同行评审发现、Iris benchmark、无人运行数据与合作方披露的可重复收益。
整套系统能一起工作吗？
假设 → 实体实验 → 反馈的架构；跨设备、跨领域自主性与单位数据经济性尚未公开。
目前公开展示了什么？
多领域实体实验平台与模型控制架构已经公开；跨领域自主发现的性能数据仍主要来自公司披露。
当前公开闭环停在哪里？
假设 → 实体实验 → 反馈的架构；跨设备、跨领域自主性与单位数据经济性尚未公开。
还有哪些问题待验证？
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
吞吐、成功率、单位数据成本、故障恢复与跨设备迁移等关键指标尚未公开。
这条路径可能为什么有效？
把实体实验视为基础模型的数据工厂，而不是模型输出的验证终点。
有哪些公开证据，来源是什么？
○ 未找到公开证据 · ◐ 部分或公司自述 · ● 可检查的公开证据 · ◆ 第三方、客户或监管验证
资本、团队与真实实验平台已存在；核心模型和跨领域自主发现仍缺独立验证。
资本、团队与真实实验平台已存在；核心模型和跨领域自主发现仍缺独立验证。
多领域实体实验平台与模型控制架构已经公开；跨领域自主发现的性能数据仍主要来自公司披露。
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
资本、团队与真实实验平台已存在；核心模型和跨领域自主发现仍缺独立验证。
什么结果会实质加强或削弱当前判断？
↑ 加强当前判断
- 首批同行评审发现、Iris benchmark、无人运行数据与合作方披露的可重复收益。
↓ 削弱当前判断
- 吞吐、成功率、单位数据成本、故障恢复与跨设备迁移等关键指标尚未公开。
科学进展如何变成经济价值？
研究合作、实验平台、IP 与内部发现资产
提出假设、执行实验、读取结果与反馈学习
Lila 的核心赌注不是实验室自动化本身，而是把实体实验变成基础模型持续获得新数据和奖励信号的训练基础设施。
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
新证据如何改变现有理解？
实体实验室作为强化学习验证器
新证据
公开访谈进一步明确：实验的成功与失败直接成为奖励信号和下一轮数据，并补充仪器接入、人类执行步骤、具体项目与 reward hacking 等现实边界。
它支持什么
Lila 的优化目标更接近高价值 scientific token generation，而不是把所有实验步骤自动化。
它没有证明什么
项目性能、十万亿 token、跨领域优势与商业经济性主要是公司自述，尚缺独立验证。
Iris 与 AI Science Factory 架构公开
新证据
“实验即训练环境”的产品边界更清晰，但性能仍主要是公司叙事。
它支持什么
Lila 的核心赌注不是实验室自动化本身，而是把实体实验变成基础模型持续获得新数据和奖励信号的训练基础设施。
它没有证明什么
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？
正式亮相并完成大规模融资
新证据
建立多领域实验设施的资本条件形成。
它支持什么
Lila 的核心赌注不是实验室自动化本身，而是把实体实验变成基础模型持续获得新数据和奖励信号的训练基础设施。
它没有证明什么
高度异构的实验能否变成统一、经济且可跨领域复用的学习环境？