AI 与实验室
AI 与自动化（机器人）的区别：实验室别再混为一谈
“智能实验室”的名词里，AI 和自动化（机器人、流水线）经常被混在一起。把它们分清楚，规划才不会把钱花错地方。
一、本质区别
| 维度 | 自动化 | AI |
|---|---|---|
| 逻辑 | 按预设规则/程序执行 | 从数据中学习模式、给出判断/生成 |
| 确定性 | 确定（同样输入同样输出） | 概率性（输出有不确定性） |
| 代表 | 机械臂、流水线、自动进样 | 识别、预测、问答、生成 |
| 适合 | 重复、规则明确的动作 | 识别、判断、归纳类任务 |
自动化的价值是“省人力、更稳定”；AI 的价值是“在不能写死规则的地方给出帮助”。 两者常组合（AI 识别 + 自动化执行），但买的时候要分清买的是哪一种。
二、实验室各自适用
- 自动化优先：样品前处理、批量称量、标签打印、数据自动采集（规则明确、高频重复）；
- AI 优先：谱图识别、异常提示、报告辅助、知识问答（依赖判断与语义）。
三、规划时的选择逻辑
- 先问：这个环节规则是否可穷举？可穷举 → 自动化；不可穷举 → 考虑 AI；
- 再问：错了代价多大？风险高的环节，AI 只做提示、保留人确认；
- 预算分配：多数实验室先上自动化（回报确定），AI 按痛点渐进引入。
四、避免的三个误区
- 把“自动化”包装成“AI”（二者采购与验收标准完全不同）；
- 以为 AI 能自动完成规则明确的批量动作（那是自动化的活）；
- 一上来就“全流程机器人”，忽略数据与流程基础（见数字化三步走）。
AI 与自动化是实验室智能化的两条腿：自动化走出来的是效率，AI 走出来的是判断辅助。分清角色、按痛点分配投入，比追逐“智能实验室”的名词更重要。