一个机器人跑完 135 道科研题，我却想起 A-Lab 翻车那年
一台自动化平台"无人干预跑完 135 道科研题"这种新闻，我看到的第一反应不是激动，是想起 2023 年 A-Lab 翻车那年。
那年 11 月，伯克利那套自动化材料合成平台号称 17 天做出 41 种新的无机化合物，上了《Nature》封面。到了 12 月，Princeton 的 Robert Palgrave 和一群固态化学家在 arXiv 上把结果一条条拆：论文里所谓的"新材料"，很多其实是错标的已知物质，或者是几个已知相的混合物。AI 在读 XRD 谱图时，把杂相当成了主相，然后信心满满地写进论文。
机器本身没错。它只是能稳定地、可重复地、以自动化实验室的速度，把错答案跑非常多遍。
跑完，从来不等于跑对。
回到那个问题：“未来的科研还需不需要研究生？”
这个问法把研究生的工作当成了一整块。真要判断，得先拆开看。以湿实验方向的博士生为例，日常工作大概能分成六层：
一是手工执行，移液、跑柱、洗玻璃器皿；二是数据粗清洗，归档谱图，画基础图；三是结果解释，这条峰是真信号还是杂相；四是课题设计，下一步该验证哪个假设，什么时候止损；五是写作和答辩，能不能说清楚 novelty；六是学术判断，这个方向未来五年值不值得跟。
过去两三年，AI 加自动化稳定拿下的是一、二两层，加上第三层的粗筛。CMU 的 Coscientist 系统，GPT-4 拼机械臂，把 Suzuki、Sonogashira 两个偶联反应跑得挺漂亮，但那都是教科书反应，选题是人给的。云实验室 Emerald Cloud Lab 在美国大药企内部跑了五年多，也没听说哪个 PI 因此把博士生辞掉。
真正没动到的，是第三层的判断部分、第四层的选题、第五层的写作，和第六层的学术判断。
有意思的是，这些恰好是过去二十年里被"跑实验"这件事挤占最厉害的部分。
我更愿意反过来问：机器接走 1、2 和 3 的粗筛以后，研究生的工作里，有哪些本来就该是主业、只是因为跑实验太占时间被压缩掉的部分？现在正好被逼着还回来。
如果你正在读博，试试下面这个自检。
打开这周的实验记录本，用彩笔圈出：“如果有一台可靠的机器人加一个能读文献的 GPT，我今天做的事里哪些能被它替我做掉”。老实圈，不要护短。
假设一周省下 12 个小时。这 12 个小时不能再用来跑更多实验，得强制投到判断层：读一篇五年前的老论文，写下自己的判断；每周和导师约 30 分钟，专门讨论"下一个实验为什么值得做";给组里最新那批数据写一份短备忘，标注"我认为这里哪一条是真信号"。
每半年再问自己一次：如果毕业答辩那天，只把"我这半年提出的问题清单"交上去，别人跑的实验数据全部隐去，我拿得出手吗？
这一条我自己也在做，答案不总是让人舒服。
原因很简单，博士学位从来不是发给"跑实验最勤快的人"的，是发给"提出并解决了一个像样问题的人"。过去二十年跑实验太耗时间，很多人博士毕业其实是靠最后半年硬憋出来的判断章节撑起来的，前三年只是砖块。Nature 2022 那份全球博士生调查里，博士生的头号压力从来不是"实验做不完"，而是导师关系、经费、心理健康、职业前景——这本身已经说明"跑实验"只是次要矛盾。
顺手给导师们留一条：招生面试如果还停在"手上活好、能跑通设备"，未来五年会招进来一批被机器替代得最彻底的人。可以换成一道题：给候选人一堆彼此矛盾的异常数据，让他现场提出下一步实验设计，讲清楚为什么先验证这个假设、如果它错了打算靠什么信号识别出来。组会也一样，把"我这周跑了什么"改成"我这周判断了什么、判断依据是什么"。几个月下来，组里跑实验最快的人不一定是最厉害的，这件事你会看得清楚很多。
回到最初的问题：未来科研需不需要研究生？需要，但不会是同一批研究生。过去二十年被"跑实验"筛出来的博士画像正在过期。接下来能拿到学位、拿到教职、拿到工业界研发岗的，是能提出问题、能判断结果对不对的那批。
“135 道题跑完了"这条新闻，如果非要说它有意义，大概就是把这件事往前推了一段，让所有还把博士当高级实验员用的实验室，被迫重新想一遍自己到底在做什么。
至于机器人跑出来的那些结果本身对不对，别急着信标题。等三个月，看同行拆完再说。