所謂實體的 SDLs 就是像 Adam, Eve 和 Genesis 這種，通常是大藥廠在用，SDL 公司直接幫藥廠內建 SDLs，例如 Telescope Innovations 和輝瑞的合作。
Cloud Lab 則是 Lab-as-a-Service，是一個完全自動化的實體實驗室，但透過網路讓全球研究者遠端控制與使用。Cloud Lab 比較適合中小型公司，因為你不需要自己建立一個實驗室，也不用自己操作任何儀器，所有步驟都由 Cloud Lab 的機器人與自動化系統 24/7 執行，這類的服務包括 Ginkgo Cloud Lab 和 Emerald Cloud Lab (ECL)。
簡單來說，如果 Cloud Lab 是執行實驗的手，AI model 是大腦的話，SDL 就是大腦 + 手：
◻️ Cloud Lab = 服務項目為實驗室（Lab-as-a-Service），提供遠端執行能力（hands）。
你告訴它「我要跑這個實驗」，它就幫你跑完，把數據傳回來。你還是得自己決定要做什麼實驗。
→ 商業模式：按使用量收費，強調便利性與通量。
◻️ SDL = 服務項目為自主科學家，提供閉迴路自主開發能力（brain + hands）。
你只告訴它「我的研究目標是 X」，AI 自己想出假設、設計實驗、讓機器人跑、分析結果、再決定下一步。
→ 商業模式：企業級解決方案，賣的是開發速度與新知識，常以多年度合作或成果導向收費。
2026 年市場觀察
- Cloud Lab 越來越流行，因為入門容易，適合不想自己養實驗室的團隊。
- SDL 則是高價值商業模式，主要被大藥廠與材料公司採用，例如 Telescope Innovations 已把 SDL 賣給 Pfizer 和韓國 KPBMA，LabGenius EVA 與 Sanofi 簽多個合作。
- 兩者正在融合：很多新 SDL 會把 Cloud Lab 當作物理執行後端，形成 AI co-scientist + Cloud Lab 的混合解決方案。
🌐 Telescope Innovations (UBC spin-off)
Telescope Innovations 是一家加拿大 UBC 的 spin-off 公司，創辦人兼 CTO 為 UBC 化學系教授 Dr. Jason Hein，他同時也是 Acceleration Consortium 的 scientific advisor。
Telescope 主要開發全自動的化學合成和優化平台，主要產品包括 Self-Driving Labs (SDLs) 與 DirectInject-LC™。他們開發的 SDL 平台可全天候自主規劃、執行、分析並持續優化實驗，效率遠高於傳統人工方式，服務項目涵蓋製藥、化學品及高價值材料開發，能幫助客戶加速化學過程開發、降低研發與製造成本，並快速從實驗室階段推進至商業化生產規模。
- DirectInject-LC™：全自動即時反應採樣系統，可直接從化學反應器中採樣、注入儀器進行分析的液相層析儀(Liquid Chromatography)，可加速過程優化，已由 METTLER TOLEDO 全球經銷。
- SDLs：整合協作機器人、即時分析儀器與 AI 決策系統，主要用於化學合成、結晶過程優化及材料開發等，可模組化擴展，解決從「發現」到「大規模生產」之間的瓶頸。
◻️ 產業合作
自 2024 年起和輝瑞(Pfizer)共同開發 SDL 技術，第一座 SDL 已於 2025 年安裝完成，第二座進階的 SDL 則於 2026 年一月 正式安裝完成。合作目標是透過整合自動化機器人和人工智慧，大幅加速藥物開發、合成優化和 scale-up 流程。
2025 年則和韓國製藥與生物製藥製造商協會(KPBMA)合作，在該年 12 月完成安裝韓國第一座藥物 SDL，作為第一個由 AI 驅動的 R&D 訓練中心，推動韓國製藥業全面採用 SDL。
官方網站：Telescope Innovations
🌐 Trilobio (Trilobio Self-Driving Lab platform + Trilobot)
Trilobio 成立於 2021 年，2025 年的種子輪募到 $8M，目標是建立生物實驗室專用的 SDL。
目前的主要產品是 Trilobio OS 和 Trilobot One，Trilobio OS 可以設計實驗、分析結果，Trilobot 則用來執行實驗，兩者合在一起變成為一個閉環的 SDL。
- Trilobio OS: 可以整合 AI 和硬體機器人成為一個閉環的 SDL，使用者透過其介面設計實驗、偵測實驗執行的情況，以及 AI 的優化過程。
- Trilobot: 自動化機器人，最多同時支援 8 種 lab tools，例如 pipette、gripper、tube opener 等等，以及 16 個用來放 tip box 和 96-well plates 等耗材的位置，要說的話大概就是小型的 Beckman Biomek。
2025 年 10 月正式宣布 Trilobot One 與 OS 後，已開放預購與 demo，目前美國已有多個實驗室使用他們的 SDLs。看起來營業模式將是單純賣這台生物用 SDL，它主打的方向大概是體積小，可以放在 bench 上使用，不然我覺得 Beckman 只要在做個閉環的 AI 系統，結合現有的 Biomek，就可以轉身變成生物用 SDL，功能應該會比 Trilobio 的多，因為只能放八個 devices 我覺得太少了，大概只能做個簡單的 cloning，要做比較複雜的可能要兩台 Trilobot，這樣就和 Biomek 差不多大了吧？
官方網站：Trilobio
☁️ Ginkgo Bioworks: Ginkgo Cloud Lab
Ginkgo Bioworks 是一家美國合成生物製藥公司，早期的服務項目非常廣泛，涵蓋農業上的基改微生物、食品香料、工業酶，以及醫療相關的基因治療、細胞治療和生物製劑等等外，還有實驗儀器自動化等等。2019 年估值達 42 億美元，是當時全球最大的私人生物技術公司之一，不過 2021 年 SPAC上市後面臨財務困難，當時被認為在破產邊緣。
從現在的網站看來，公司已大幅重組，他們把大多數的業務都砍掉了，只留下儀器自動化這一塊，從它的 Cloud Lab 和 ChatGPT 的合作看起來，是想專攻自主實驗室，而且這個重組和業務轉型的成效不錯。目前來看，Q1 收入雖然不如預期，遠低於分析師預估的 $41M，導致股價波動，但現金充足、重組持續推進，轉型自主實驗室的方向明確。公司仍處於高風險轉型期，但有改善跡象。
◻️ GPT-5 (OpenAI) + Nebula (Ginkgo Bioworks)
OpenAI 和 Ginkgo Bioworks 合作打造了一個自主實驗室(autonomous laboratory)，OpenAI 提供 GPT-5 來負責解釋實驗結果、設計實驗方案，並記錄實驗筆記。Ginkgo Bioworks 則提供 RAC (Reconfigurable Automation Cart) 用來執行一些簡單的實驗步驟。
簡單來說，ChatGPT 是頭腦，RAC 是執行實驗的手。
他們發表在今年二月 bioRxiv 預印本的研究中，自主實驗室參考了西北大學的博士生 Meagan Olsen 發表在 bioRxiv 的論文後，設計並優化條件進行測試。Olsen 花費 4 個月進行超過 40 次實驗，測試了 1,231 種 CFPS 的配方組合，將成本降低至原來的六分之一以下 。而自主實驗室透過迭代優化，GPT-5 + RAC 的組合將蛋白質的生產成本降至每克 422 美元 。相較於 Olsen 等人創下的每克 698 美元的最低成本，成功將成本降低 40% 外，也將產量(g/L)還提升 27%。
◻️ 商業模式：菜單制
Ginkgo Bioworks 在今年三月宣布啟動它的 Ginkgo Cloud Lab，結合他的 Nebula 自主實驗室。位在波士頓的 Nebula 自主實驗室已部署大量 Reconfigurable Automation Carts (RACs)，目前已經有 50+ 個 RAC，預計在 2026 年底擴增到 100+ 個。
Ginkgo Cloud Lab 採用 LaaS 模式，網站上已有多個 protocol，每個 protocl 會寫實驗步驟和條件，研究人員在該頁面選擇想要跑的 protocol 後便可直接下單，機器人會全自動執行，完成後將數據回傳。例如其中一個 protocol 是 cell-free 蛋白表現、純化和定量，給它 DNA 序列後，Nebula 會在 96-well plates 進行蛋白表現，接著用 magnetic beads 純化，然後在定量，作為量產化前的測試和最佳化，每個蛋白的價格為 $155。它也有提供針對表現量低的蛋白進行優化，每個蛋白為 $199。除此之外，有 AI 代理 EstiMate 幫忙評估可行性與報價。
它也有賣 RAC 等硬體設備，搭配他們的軟體，建立自己的理想實驗室。
官方網站：Ginkgo Bioworks
論文：
ML Olsen, CE Copeland, CA Sundberg, et al. Design-driven optimization of low-cost reagent formulations for reproducible and high-yielding cell-free gene expression. bioRxiv (2025) DOI: 10.1101/2025.08.01.668204
AA Smith, EL Wong, RC Donovan, et al. Using a GPT-5-driven autonomous lab to optimize the cost and titer of cell-free protein synthesis. bioRxiv (2026) DOI: 10.64898/2026.02.05.703998
☁️ Emerald Cloud Lab
Emerald Cloud Lab (ECL) 是另一個商業化的雲端實驗室(Cloud Lab)，由卡內梅隆大學(Carnegie Mellon University, CMU)的校友 D.J. Kleinbaum 與 Brian Frezza 在 2010 年時共同創辦 Emerald Therapeutics。之後，他們開發了一套實驗室作業系統(laboratory operating system)，並於 2014 年將這套技術從 Emerald Therapeutics 中獨立出來，推出 Emerald Cloud Lab 服務。2016 年時，他們將 ECL 獨立出來成為一家公司，截自目前的總融資額約 1.52 億美元資金。
ECL 是一個高度自動化的實體實驗室，配備超過 200 種儀器，包括 HPLC、質譜儀、NMR、PCR、流式細胞儀、ELISA 等等。研究人員只需透過它們的 ECL Command Center® 設計實驗、傳送樣本，機器人就會自動執行所有步驟，包括準備樣品、操作儀器、收集和分析數據等等，最後在把結果回傳到你的資料庫。
◻️ 商業模式：訂閱制
和 Ginkgo Cloud Lab 那種已經有現成的 protocol 不同，ECL 需要自己制定實驗流程和寫 command，有點類似 Beckman Biomek，在它的 Command Center 點選你要用的儀器和設定流程。它有很多儀器可以選，例如你要純化蛋白，就可以選 sample preparation, incubator, FPLC, Westen blot 等等之類的。跟 Ginkgo Cloud Lab 相比，學習和使用的門檻較高一點。
沒有設定好的 protocol 讓你挑，因此是採用訂閱制(subscription-based)，提供不同的方案，包括供學術套餐、企業訂閱等等，實際費用需跟他們的業務討論過後才知道，付費後即可遠端使用。
ECL 和 CMU 關係密切，2021 年時和 CMU 合作，目標是打造全球第一個大學雲端實驗室(CMU Cloud Lab)。
◻️ Coscientist + ECL
2023 年 CMU 的研究團隊讓其 AI 系統 Coscientist 在 ECL 上執行化學實驗，這是 ECL 作為商業平台被用於 AI 自主科學的重要案例，結果發表在 2023 年的 Nature。
他們的 Coscientist 是一個由 GPT-4 和 Claude 等大型語言模型驅動的 AI 代理系統，可以自主設計實驗後，在硬體設備上執行化學實驗，研究團隊將其在 Emerald Cloud Lab 上實際運行。
Coscientist 的特色為：
- 可用自然語言指令：只需輸入簡單的自然語言指令，例如尋找具有特定性質的化合物，Coscientist 就能接手後續的所有工作。
- 全自動化流程：AI 代理系統會自動在網路上搜尋文獻和統整資訊、選擇最佳的實驗方法，將實驗設計轉成自動化儀器可讀取的 API 指令，再交由 Emerald Cloud Lab 完成實驗。
在這個研究中，研究團隊給一個簡單的指令：Perform multiple Suzuki reactions (執行多個鈴木偶聯反應)，並告訴它有哪些試劑可用。
Coscientist 便在 Emerald Cloud Lab 的設備自主完成了以下流程：
- 自行上網搜尋文獻，了解 Suzuki–Miyaura 和 Sonogashira 偶聯反應的原理、化學計量、條件。
- 選擇正確的反應物，並根據化學合理性規則決定使用哪些試劑。
- 寫程式計算用量：自動生成 Python 程式碼來控制液體處理機器人 OT-2。
- 實際執行反應：在雲端實驗室機器人上混合試劑、加熱、反應。
- 分析結果：使用 GC-MS 確認是否成功合成目標產物。
- 迭代優化：根據前一次實驗數據，繼續調整條件來提升產率。
結果，Coscientist 不只很快就設計出正確的實驗流程，並且成功合成出目標產物，顯示它在自我學習、統整資訊、判斷最佳實驗方法和設計實驗上的強大能力，已經像個自主科學家。
不過，目前 Coscientist + ECL 的模式並沒有商業化，未來會不會則不知到，但我認為這是個趨勢。
官方網站：Emerald Cloud Lab (ECL)
- CMU 新聞稿：AI Coscientist automates scientific discovery
- NSF 新聞稿：Meet 'Coscientist,' your AI lab partner
☁️ Lila Sciences: AI Science Factory (AISF)
Lila Sciences 是一家由 Flagship Pioneering 於 2023 年 創立的 AI 科學公司，總部位於美國麻州 Cambridge，目標是打造 Scientific Superintelligence，去年10 月完成 A 輪擴展融資，總融資金額達到 $550M，NVIDIA（NVentures）也是投資者之一。
他們的目標是透過結合 AI 模型 LILA Iris™ 和硬體的自主實驗室 AI Science Factory™，形成一個完整閉環系統，提供端到端(end-to-end)的服務。ILA Iris™ 能自主生成假設、設計實驗、分析結果和迭代學習， AI Science Factory™ 則負責執行實驗，目前看起來將會是個 L4+ 的自主實驗室。
AISF 打造完成後可應用於藥物開發（抗體、mRNA、細胞療法）、新材料開發、潔淨能源（如氫能催化劑、碳捕獲）、國防航太、石油化工等等。
商業模式將跟 Ginkgo Cloud Lab 和 ECL 類似，同樣是 Lab-as-a-Service (LaaS™)，用戶可透過 LILA Iris 設計實驗和存取結果，可能會採訂閱制。最大的不同在於 Lila Sciences 具備完整的自主迭代優化(closed-loop self-driving)能力，而 Ginkgo 和 ECL 目前仍較偏向用戶導向的執行模式。費用尚未公開，目前主要為邀請制和客製化合作，主力 Cambridge 工廠預計 2026 年 Q3 正式啟用。
官方網站：Lila Sciences
💬 全部外包可行嘛？
個人覺得 LaaS 的商業模式是趨勢，將會像是現在 AI 普遍化的情形，大公司還在持續裁員消減人力，但也越來越多小公司，幾個人就可以開一間公司，很多東西可以交給 AI，人類負責決策的部分。
最近聽到吳淡如提到阿米巴模式，是說以最少人力經營公司，其他東西都外包。他的阿米巴模式是來自於日本航空的前董事長和執行長稻盛和夫的阿米巴經營，就是把公司分成好幾個獨立承擔收支盈虧的單位，就像是分成多個小公司。
生醫產業目前還無法像大多數的公司，可以很多事情直接交給 AI 以快速精簡人事，因為很多 wet lab 和技術細節還無法全靠 AI，不過如果 SDL 可以達到 L4，看起來是有可能的，尤其在看過 ECL 的設備後，發現其實很多都是可以交給機器做，像是 SDS-PAGE 和 WB，之前以為不行，只是我孤陋寡聞啊！
之前在跟做 molecular docking 的朋友聊天時，他說他們設計好之後，wet lab screening 的部分就外包出去。後來在 LinkedIn 有位業務跟我聯繫，說他們公司專做 assays，很多大公司都外包給他們。
後來想了一下，發現其實整個抗體研發的過程都可以外包出去，於是問了 Gemini 和 Perplexity 這樣做的可能性，結果它們都說可以，而且還說這叫 Virtual Biotech，有一家叫 Nimbus Therapeutics 的生技公司就是典型案例。而 Virtual Biotech 這個概念早在 2000 年代中期，全球金融危機時變開始流行。
我有時會在 UpWork 和 Kolabtree 上面看看有什麼 projects，時不時會看見有 startup 在找人設計 assays，但同時也希望對方 has access to labs，每次看到都會想，到底在 UpWork 和 Kolabtree 上面的 freelancers 誰會有實驗室資源，除非那是他自己的實驗室，但如果自己有實驗室，又何必當在上面當 freelancers，現在想想，這些公司其實可以直接用 Ginkgo Cloud Lab 或 ECL，就不用要求對方有實驗室可以用，就算對方有，也不可能免費讓你使用吧？那還不如用 Ginkgo Cloud Lab 或 ECL？
在更進一步，如果有 SDL 的 LaaS，那需要外包的部分就只有老鼠實驗和 clinical trials 的部分，只是不曉得 Lila Sciences 或未來的其他公司收費會是多少。
☕️ 如果你喜歡這篇內容，歡迎賞一杯咖啡。😊
合作邀約: nonproscience@gmail.com
📍 文稿：科普文、公司文、產業文等等
📍 諮詢：實驗設計、加拿大研究所、生科產業
沒有留言:
張貼留言
歡迎發表意見