Phyraxis Runtime
科学意图、Workflow DSL、设备适配、安全门、QC 与 Evidence Ledger。
为什么现在
AI4S 的瓶颈，正在从“想出实验”转向“执行实验”。
通用模型正在提供越来越强的感知与动作能力，但生命科学仍需要协议、设备适配、安全边界、QC 和执行证据。Phyraxis 正在建设连接基础模型与真实实验室的领域执行层，让每一次动作、参数、异常和结果都能够被验证和积累。
Phyraxis 闭环
一个持续改进的科学闭环
AI 预测与设计，Runtime 编译并校验，机器人执行，数据与证据回流，模型离线评估与优化。
- AI 预测 / 设计 模型、文献与科学工具
- Runtime 编译 结构化工作流与安全校验
- 机器人执行 感知、动作与设备协同
- 数据与证据 参数、图像、QC 与回放
- 模型优化 离线训练、评估与版本化
平台架构
一套执行系统，连接两层智能。
通用 Physical AI 提供动作能力；Scientific AI 提供科学推理；Phyraxis Runtime 负责把二者落到生命科学协议、设备、安全、QC 与证据链。
Physical AI｜当前核心产品化方向
感知与动作能力：具身机器人执行实验；具体设备需适配、校准与受控验证
Scientific AI｜上层路线
当前主要连接外部科学模型与知识工具，逐步建设实验推理能力
Phyraxis Runtime｜开发中
科学意图、协议编译、设备适配、校验、编排、执行与证据链
确定性安全底座
状态机、运动控制、权限、互锁、人工确认与版本管理
产品组合
Runtime 统一三层执行系统。
LabGrid™ 负责站内固定、可标定、可重复执行；LabMate™ 负责跨站点和长尾动作；Runtime 负责统一任务、状态、证据、恢复和人工安全门。
LabGrid™
参考行业模块化自动化架构的自主设计：模块化货架、轨道/执行机构、视觉、载具和站内设备编排。
LabMate™
Runtime + 具身智能机器人执行层：跨工位物流、上下料、扫码、补料和低风险无 API 交互。
广州中国数字肺项目正在评估两套同规格 LabGrid + LabMate 核心系统，约540万元+预算/方案机会；不含车体和第三方设备，不是订单或收入。
真实硬件配置
LabGrid™ + LabMate™：以真实结构为基线的工程配置。
以下为工程效果图与真实硬件参考的组合展示，不等同于整机交付、现场联调或客户验收。
保留真实开放式货架、顶部水平导轨与左侧竖向执行机构；在定义工作包络内覆盖模块位置。
移动双臂机器人配置胸部 D435if、左右腕部 D405C 与双 Linker Hand O6，承担跨站物流和非标准交互。
Phyraxis 原生液体处理工作站作为首个生命科学执行链的关键模块；接口、标定和湿运行仍需现场验证。
边界说明：效果图用于表达目标配置；O6、相机、原生液体处理工作站及货架执行机构的整系统联调、重复性、碰撞安全和客户验收均不在本页宣称为已完成。
混合智能架构
学习智能之上，必须有确定性安全底座。
模仿学习用于获得基础操作能力，VLA 与强化学习属于逐步验证的路线图；生产执行由状态机、安全门、人工确认和版本化管理约束。
遥操作示教
采集人类专家示教轨迹、双臂协作状态、末端工具、设备交互和视觉上下文。
多模态日志
同步记录双臂关节、相机画面、流程步骤、设备状态、异常和质量标签。
仿真到真机
先在仿真中检查布局、碰撞和动作状态，再进入真实硬件执行。
动作库
沉淀移液、抓取、开盖、按键、视觉校验等可复用动作原语。
可验证执行
让实验流程进入真实动作，而不是停留在文字。
实验流程被拆解为开盖、抓取、放置、移液、视觉检测、日志记录等动作状态，在仿真和真实硬件之间逐步验证。
当前生命科学执行工作流仿真已通过；LabGrid/LabMate仍为工程方案/预算级定义，实机、湿运行、重复性及客户验收待推进。
当前进展
从仿真证据走向受控实机。
生命科学执行 SOP 与 Edge Workflow 仿真已通过；实机、湿运行、重复性和客户验收正在推进。这不是完整自主实验室。
已完成组建
已完成最小采集
已完成最小验证
推进中
首个验证楔子
寻找首批联合验证伙伴
当前尚未形成系统化成功率与重复次数评测，后续将以明确任务、验收标准和受控条件推进合作验证。
应用场景
首个验证楔子：生命科学实验流程的执行与证据编排。
样本与耗材处理
选择可量化验收的关键操作，形成稳定子流程。
文库构建
液体处理、孵育、耗材和仪器协同，以及全过程证据记录。
上机测序与数据关联
设备交互、运行状态回传以及样本—动作—结果关联。
基因编辑与 RNA
规划方向：在首个 Workflow 验证后逐步迁移。
抗体、细胞与蛋白
规划方向：按场景重新定义安全边界和验收标准。
药物与微生物表征
长期路线：基于可迁移执行能力逐步扩展。
差异化
长期壁垒来自 Runtime、设备适配、科学协议与执行证据。
从科学意图开始不是先写脚本，而是先理解实验目标。
流程可执行化把流程转化为机器人可以执行的动作原语。
执行可验证每一步都有状态、日志、视觉反馈和质量评价。
流程可进化基于执行结果持续改版流程和动作库。
战略定位
基础模型负责“怎么动”，Phyraxis Runtime 负责“为什么动、如何证明动对了”。
科学协议将 Scientific Intent 编译为可审阅、可回滚的 Workflow。
硬件适配机器人、液体工作站、相机和仪器通过能力接口接入，逐一校准验证。
安全与 QC状态机、权限、互锁、人工确认与质量评价共同约束真实执行。
执行证据动作—设备—异常—QC—结果形成可追溯数据资产。
Phyraxis AI
寻找首批 Design Partner 与落地伙伴。
共同选择一个可验收的生命科学子流程，启动联合验证；同时寻求研发场地、GPU 算力和产业生态支持。