2023智慧实验室产业报告：临床检验在下沉市场求增量药物研发将成热门场景.docx

目录第一章赛道尚处早期，药物研发展现超强智慧化吸引力11.1 自动化与数智化螺旋式发展，行业亟需高质量数据11.2 赛道整体虽处初期，临床检验检测却已红海213后疫情时代，更"柔性"的智慧化建设更受资本青睐4第二章深度Al融合，坚持自研为内核，并加速数据积累82.1 坚持自研、深度Al融合的开放性检验检测实验室是行业共识82.2 药物研发智慧化的下半场，是数据积累和底层模块102.3 AI潜能挖掘，用"软件"思维建设智慧实验室13第三章检验产品在下沉市场寻求增量，药物研发场景或将崛起173.1 检验检测产品下沉、进军研究研发领域，开拓增量市场173.2 从需求出发+与头部共创，加速开拓药物研发新蓝海183.3 药物研发吸引众多创业者入局，疫情后浮现更大市场20第四章未来趋势-m”“一”一-244.1 完成国产替代甚至超越，更开放的智慧化产品是大势所趋244.2 数据快速积累，打造干湿闭环的自驱动实验室势不可挡254.3 核心技术自研搭配产业协作，平衡产品研发及市场化26第五章企业案例285.1 汉赞迪-强大底层模块+快速集成能力，做全流程智能化引领者285.2 华大智造-创新智造引领生命科技，做生命科技核心工具缔造者295.3 正从科技-用AI视觉机器技术，打破固体分配与称量国际技术专利封锁305.4 创泽生物-全自动细胞智造，推动智慧生物实验室建设325.5 优思泰科-无人化智慧实验室和实验室自动化产品智造商33图表目录图表1智慧实验室构成要素及历程1图表2目前各融资阶段企业数量统计（仅统计企业最新一轮融资）2图表3部分智慧实验室建设企业融资情况（上，仅展示最近一轮融资）3图表4部分智慧实验室建设企业融资情况（下，仅展示最近一轮融资）4图表52014-2023年融资事件数及总金额5图表62014-2023年各级融资规模事件数占比变化情况5图表7国产企业三大重要产品战略方向8图表8两类实验室智慧化建设所需产品差异对比10图表9相同底层逻辑下两类实验室不同的智慧化建设需求11图表10药物研发类实验室自动化建设两大主流模式对比12图表11生物和化学类实验室操作部分维度对比14图表12智慧实验室建设5类主要服务类型20图表13各类实验室对5大类服务的需求程度21图表14汉赞迪智慧实验室建设产品系列图谱28图表15华大智造OtLab实验室构架图31图表16正从科技自研产品矩阵31图表17创泽生物ACeMan产品示意图及介绍32图表18优思泰科智能部分拳头产品展示33赛道尚处早期，药物研发展观超强智慧化吸引力第一章赛道尚处早期，药物研发展现超强智慧化吸引力1.1 自动化与数智化螺旋式发展，行业亟需高质量数据随着越来越多的企业加入实验室智慧化的行列、越来越多的实验室开始进行智慧化建设，行业逐步也对智慧实验室有了更为清晰的认知和共识，从逐步解放到部分环节甚至超越人力的操作和思考，不断提升实验的降本增效价值。从单个模块到黑灯实验室，逐步通过自动化去解放人力。搭载在医疗仪器和设备上的自动化方案是"解放人力”的主要智慧化手段。起初从单个自动化模块开始，承接移液、开盖等单个操作，成为实验室的得力工具；后将各模块连在一起，逐步形成可以执行某特定任务的功能岛，如样品的前处理、纯化等；再后来，功能岛之间通过轨道或柔性机器人串联成流水线，创造出可完成某特定流程的实验室平台，如核酸检测、高通量测序等;最后，配合上智慧化管理系统，可让整个实验室的多线任务有效、高效地进行，彻底解放人力，打造“黑灯实验室“。经过信息化、数字化处理后，数智化实验室逐渐"解放大脑"。与此同时，对数据的存储、处理和应用能力，承担着"解放大脑的重任。M页应互联网、物联网、5G、大数据及人工智能的发展步骤，智慧实验室"解放大脑”的推进也在逐步经历信息化、数字化到数智化的过程。信息化让所有实验、样品和管理流程和状态都从传统纸质版转化为电子版，在存储的分类、准确、长久等方面迈出了一大步；在此基础上，数字化手段得以实现远程、高效地进行实验和运营管理，与此同时继续产生实验及管理相关数据；最终，大量、高质量、多维度的数据被人工智能充分学习，进行智慧化数据应用，从而自动预测实验结果、优化实验流程及管理等。图表1智慧实验室构成要素及历程茎4Ml-. 9r ¾n*÷*5 nrHB* 少出 . mSM9t S UMliBaXMMMMUMMt. u<<<v cuRivaIbtt* *代.资料来源：动脉网干湿闭环,打造智慧化实验室。当“解放人力"和“解放大脚同时走到“极致"，智慧倏验室的i琏也就水到渠成："大脑按需求生成高成功率任务流程，黑灯实验室精准执行任务、实时反馈情况；同时，智慧实验室在需要时及时优化、调整实验进度和流程,最终高效满足需求。智慧实验室需要软硬件三钮发展。目前，懈放人力”的进程整体快于"解放大脑"，但要达到±述的"极致"，均还有一E嫄离。俩条腿”的共同进步需要彼此"赤寺"，自动化所产生的大量的、高质量的数据是数智化发展的重要基础;自动化如何才能产生高质量的数据，则有赖于数智化的“分析“。高质量数据的产生与应用是智慧实验室发展核心。整体而言，我国生命科学领域的医学实验,正处于快速收薪据的阶段。目前，"两条腿都在快速前进并不时获得突破性进展。这有赖于行业整体在自动化领域的大步跨进,提高数据质量的同时也在规模化的增加数据量以达到快速收集数据的目的。基于此，数智化建设可以在原有文献研究和公开数据源类的“成功"»5出上，不断解U真实实验产生的失败数据加持，算法也因而不断迭代以变得更加精准。1.2 赛道整体虽处初期，临床检验检测却已红海智慧实验室整体处于发展早期。据蛋壳研究院不完全统计（数据截至2023年9月25日），布局智慧实验室的企业共62家，其中54家企业成立于2010年后；拥有融资经历的共48家，其中处于A轮阶段的企业最多，占比40%,其次是处于A轮以前的企业，而在B轮及以后的企业占35%0可见，整个智慧实验室赛道依然处于发展早期，碰有充足的发挥空间。图表2目前各融资阶段企业数量统计（仅统计企业最新一轮融资）AleM 殴B轮阶段数据来源：动脉橙产业智库、企查直、天眼查但通过进一步细分发现，布局临床或第三方检验检测类实验室智慧化建设的企业整体融资轮次偏后期，并已跑出如安图生物和华大智造等上市企业。尤其是在经历了疫情之后，这一赛道的成熟度更是迅速上升，企业蜂拥而至。因此也导致该赛道的竞争激烈，市场已相对红海。图表3部分智慧实验室建设企业融资情况（上，仅展示最近一轮融资）M(怆次w施IPO用16Irg月i24nZZKZZoi9onWM处'1IPOX190RU3l0(1t*97W3T0HDeMUon702RaR万先IMMfNtty/VvntMhH.CipUHGroup*fl>SMffWSutmEAVIMtt0mt¼mokfCJPflrtFW3“修DWmmRean好四重OW202wm2ZfliiC三tM三aSBMfl*9KTTWB9”寅-MlMW，目Ot*H*4量睢Q*Gc*ntnSm<Mn49r*wm.叁9fl.SurrCaptai“*三flDCtt37fl.djttina«»ra尤2023*anwa*4畲加总Ma*WBflSMB«HA.RSMlW)W!tllficZZXEZ20?*IAIft化尤MltWIIHiexq此荒<11tMOIhG«««2Q2291OHWttMFiRWM2,IOR城亿元nawRiditfl“7WBR化元等方"rasen>义,Mta23*gMH6元a9Mi兄景，BHtXm*UIB“3MMKT2022«UAAe2022»4«万ItAftlAP20229ffi。，万分U祭QaoaaAe20229M千万是afl>懵(本x«a畋一育“修A*emr，月«*H3M*通今N<»U"N<aitt“Wil翕却?*2月MW三>1W«JW2U碑X)1B47RIK楔20209BR厘通发Att20213网Ifl亿九”(重产住码加值，向Se凭mff<ft*rsvcM*a，”博MeXU*1t0Hmtfve*atiHa京*/Me初”3WHMM*ttM19tAieMRI5月4ICIt。鲁Ha»4BK一AKW3T6A_，忆光I(eM7022三9H6/mn2O2W3I3”万凭0>dm".EtgMo*MVereutM婕2023»阴Z9<I内牙AM-M¾图表4部分智慧实验室建设企业融资情况（下，仅展示最近一轮融资）-2021三ri0÷75ft-京为集小PreMe11月平万元a三*aftin美星MPreMe202*4月Biat或皋TaihUive<wufZ千万元MMS星元H接PreNeM3Rr4万Jl元懵力EDKJH窈创口359口千万元膏李学聋重本正经大侵叨202皿月ABn史合建”雷刈骐7月家竣R度“风慢320卓口月雄忆元三生“刚陵««««201?八月WdKS四目MIC®数据来源：动脉橙产业智库、企查有、天眼查；按融资轮次排序，轮次相同按时间排序而在生命科学领域，服务药物研发或基础研究的实验室智慧化企业竞争格局还并不明朗，众多企业结合自身特点，分别从不同的痛点切入，助力这一赛道的实验室智慧化建设，例如从移液角度切入的汉赞迪、从固体称量角度入局的正从科技和优思泰科、从细胞制备技术切入的创泽生物等。这些实验室智慧化建设的“新鲜"血液也在市场端获得认可。1.3 后疫情时代，更“柔性的智慧化建设更受资本青睐疫情期间的智慧实验室获得一级资本市场的高度关注。疫情前，布局智慧实验室企业的融资事件数以及总金额逐年平稳增加；这一趋势在疫情期间出现成倍的增长，累计发生融资事件145起。一方面，疫情让巨大的实验室自动化需求爆发，尤其是大量核酸检测需求极大促进了检验检测类实验室自动化建设；另一方面，此次盘点中超半数企业成立于2016年至2021年间，占据62.9%（39家企业），迅速增加的企业数量也是期间融资事何数及总金额成倍增长的原因之一。在数据统计中，为更好分析资本对智慧实验室建设的关注和投入变化趋势，我们将2014年海尔生物的大瞬雄及2018年返帚的IPO调整后，将融翘中“数千万元"、"数亿元"等按照"1千万元"、"1亿元计算,未披露融缅度不计入其中，分析结果如图表5所图表520142023年融资事件数及总金额来源：动脉橙产业智库（2023年嘘截至9月25日）千万级融资为主，亿级融资增多。随着更多市场需求逐渐释放、技术不断突破，这一赛道的诸多企业陆续达到了C轮、D轮及以后的融资轮次。2014年至2023年间，根据各级融资规模的事件数占比变化显示，虽然目前依然以千万级融资金额为主，但亿级融资事件数也呈稳步增多趋势，也预示着市场对于该赛道处于长期看好的状态。更“柔性”的实验室获高度关注。疫情期间,实验室智慧化的整体建设有了极大进展，但主要集中于临床检验检测领域。后疫情时代，敏锐的资本则开始捕捉智慧实验室的下一个爆发领域，即针对研究、研发型更为广泛应用场景的、流程相对更灵活、"柔性”要求更高的自动化技术与解决方案正受到越来越多的关注。本章总结：智慧实验室自动化建设解放人力"、数智修!设懈放大脑”，两者互为协同关系，缺一不可，目前行业正处于数据快速积累的阶段。实验室智慧化服务企业中，A轮融资企业占比最高，达40%,表明整个智慧实验室赛道依然处于早期阶段。疫情极大推动了临床检验检测类实验室的自动化建设，同时也对行业进行了里程碑式“市场教育“，后疫情时代，研究研发类实验室或将迎来快速进展。深度G融合，坚持自研为内核,并加速数据积累第二章深度AI融合，坚持自研为内核，并加速数据积累2.1 坚持自研、深度AI融合的开放性检验检测实睑室是行业共识临床检验检测痛点突出，在疫情催化下得以高速发展。用自动化方式可主要解决：通过解放人力确保安全性、通过高通量提高实验效率、通过标准化保证重复性。临床和第三方检验检测对这一能力需求最迫切，安全是实验室最基本的红线;对于样本量大实验室或尤其是在样本采集高峰期，单位时间样本处理的能力往往与实验室收益直接相关；此外，保证每个样品按照标准流程处理和检测更是提高结果可靠性的关键。巨大的市场空间与疫情催化吸引了众多资本和大量企业入局，临床检验检测的自动化得到高速发展。据调研,目前我国流水线装机量超3000条，三级医院流水线渗透率更是超过80%,部分医院甚至设置了多条流水线。以目前的态势来说，剩余的流水线市场已不足50%,如果以平均每年装机超500条的速度渗透的话，未来35年国内临床检验检测流水线将趋于饱?口。产能有L用真实的性价匕家得更多"蛋糕"。面对产能i三的局面,企业的产品战略也有所调整，提升品牌力、服务力和开放性，从而提高临床检验检测流水线产品的整体性价比是重要发展方向。图表7国产企业三大重要产品战略方向资料来源：动脉网品牌力对长期发展至关重要，需要厚积薄发。目前，罗氏、贝克曼等跨国企业的品牌影响力依然难以撼动，在有预算空间的情况下，医院依然会坚定选择品牌力而非性价比。品牌力需要好的产品配合好的营销策略，产品方面，国产品牌技术追赶及创新速度喜人，虽还有所距离，但也已有企业跑入头部梯队；营销方面除了需要企业积极对外输出，更重要的还是临床阶段的口碑。产品与营销均需要时间沉淀，虽然短期暂无法看到明显效果，但就长期发展而言至关重要，品牌力的打造是一个厚积薄发的过程。服务力是现阶段差异化竞争切入口。服务力是另一个重要且有效的产品策略。进口产品在稳定性上目前依然优势明显，但相关的服务，一直是临床的痛点，例如产品迭代更新速度较慢、产品售后服务响应速度与解决效率普遍偏低。在这一块，国产厂商因为与国内临床的地理位置更接近，有天然的本地化优势，得以更加灵活地进行产品升级、跟上临床的需求变化，这为国产厂家提供了差异化的竞争切入口。开放性是大势所趋。如果说品牌力是奠定长期竞争力的基础、服务力是提供差异化入局的切口，那么开放性就是最直接、有力的竞争武器。目前，临床检验检测流水线领域的跨国头部企业为市场提供的多为封闭式流水线，基于其覆盖仪器、耗材、试剂等全流程产品的产品实力基础，加之早期入局积累的多年品牌力，使其占据了不小的市场份额，尤其是费用预算充足的三级医疗机构。在此局面下，使用同样的打法,无论全线布局产品的速度还是品牌力打造的速度，大概率会长久保持追赶的状态。因此，开放式的自动化产品为国产品牌提供了弯道超车的机会。从临床角度出发，虽然目前相关仪器可能依然更偏向于信赖进口产品的品质但国产品牌已在逐渐获得信任感，基于整体成本考虑，以及对更好服务的需求，性能相同甚至更好可价格却"腰斩”的国产自动化流水线产品对临床展现出了较强的吸引力。与此同时，国产品牌用兼容主流检验检测仪器的开放式流水线方式运作，不但是厂家的“另辟蹊径"，也是临床的真实诉求所在。坚持技术自研、加强AI融合。在检验检测领域，做出一条能够运行的自动化流水线产品似乎不难，但是做出一条能够稳定适配主流仪器，并且能够保证与仪器一致的高通量、样本精准识别以及顺畅联通的前后处理，从而做到高效、准确的样本进结果出的开放式流水线难度很高。过去，为了抢占市场，不少自动化产品由众家零部件快速整合而成，但未来，拥有核心技术的自研产品将展现出越来越强的竞争力。一方面，自研技术能够最大化保证产品的灵活性和迭代速度，紧跟临床的需求，提供高质量服务，从而建立良好产品口碑，打造品牌影响力，另一关键原因是自研产品的成本可控。在产能过剩，总市场份额短期难大幅增加的局势下，行业最终比拼的是三务能力与性价比，酎靛术自研是f长线投资，就产品战略层面而言，拥有更多核心原研技术无疑更有利。对核心技术进一步解析，对AI的应用与融合是当务之急。高集成并且稳定的自动化产品像是一个健康的体魄，与之配套的高智能化软件则是其中的灵魂。一个开放生态的自动化产品，不仅能兼容第三方的硬件，还能通过同一调度软件控制硬件流畅运行。打造一套能够合理安排每个环节的运行、实时辨别运行状态、记录运行数据并做出调整的控制调度软件将极大提升自动化产品的适用范围、提高使用的便捷性和体验感。快速发展的AI技术在这一块具有极大的潜力，能帮助开放式流水线配套软件变得更加智能；此外，AI的深度融合还能直接降!氐操作人员的使用门槛，让产品的交互方式变得更加符合临床操作人员的思维和习惯。华大智造是这一领域的先行者，在运用自动化产品、柔性机器人、实验室信息管理系统达到无纸化、无人化操作的基础上，更是为实验室融入了AI算法，通过自然语言处理、机器学习、计算机视觉识别、数据处理与分析等模块，达到24小时动态监测环境安全的同时,还可根据通量和产出要求，自主评估最佳运行配置、优化实验进度，全方位管理实验室核心要素"人机、料、法、环、测"，打造自羯区动的“黑灯实验室。可燃见，在Al的帮助下，智能的软件将真正帮助临床检验检测的自动化流水线产品变得数字化、数智化，从而搭建样本进报告出的智慧实验室。2.2 药物研发智慧化的下半场，是数据积累和底层模块标准化程度、决策量需求不同，智慧化建设需求各异。药物研发和基础研究的实验室智慧化策略与临床检验检测类的有所不同，这来自操作流程的标准化不同、实验过程中需要做的分析和决策的量不同。图表8两类实验室智慧化建设所需产品差异对比S5tS三三S通化百我总化复n近配件J为蚪企的X一支七M儡的旧受女M自动水纥行自幼化8ei3<C11J司橘母o%R期匕客兼享他分XI11M-富理己也入#，下“匕量eMe*«««实依什实.优化记，三Jft1H化.S¾La!L2aWg三H字化AlM庄用位M薪人.£内施吱fia雾9代化IC设计KV9保存调取保存«0分析.53««可图&灯女喊克!M9LKI»H于白跄化设豪得缭斗来源：动脉网临床与第三方检验检测类实验室在操作层面上，通常已经拥有行业统一的要求与标准，对操作的精度要求也较为固定，因此通常为特定的某一检验检测实验打造的自动化产品对于大部分的检验检测类实验室均可应用。高度标准化是其快速发展的重要基础，目前该检验检测实验中多种操作流程均已高程度自动化，行业已经进入优化、迭代阶段。此外,对于实验数据的诉求集中在记录、存储与可追溯，对AI的应用集中在物理位置监测与环境状态的监测，市场的技术服务实力已经能够完美匹配该数字化打造需求。因此，在该领域，日军具备完善搭建“黑验室"的实力。当共达到“质变"，实验室智慧化将获得飞跃式发展。药物研发和基础研究类实验室在操作层面就灵活了许多，像是众多操作的排列组合，且每一种操作所需要的试剂类型、试剂计量和实验通量也差异较大，因此在很多操作环节，比高通量更迫切的应该是设备能够提供更多操作选择、各操作能够更灵活排序实施、各操作能够匹配更多种类的试剂以及通量更灵活多选。目前，行业参与者正基于各自的技术优势和行业理解尝试以不同的方式来满足这些市场需求，部分细分领域已有极具代表性的产品输出，但各细分领域还未出现市场占有率和技术认可度处于绝对优势地位的解决方案。此外，该类实验室对数字化、数智化的要求也是呈量级增加，除了对物理位置、环境状态的监测，更是需要对实验数据进行多维度分析并产出洞见指导后续实验的优化、实施，以及实验成果的预设和验证。而这一高度的数智化建设需要建立在足够充足的、高质量的数据基础之上，该类数据除了前沿文献、论文的数据，更需要真实的湿实验累积下来的包含成功与失败的大量数据。目前，对文献、论文数据的收集与运用已经相对成熟；而真实湿实验产生的数据则有赖于高效自动化建设来保证其海量且高质量,在这一板块，行业正处于快速数据积累阶段，当数据体量累积到质变点，药物研发和基础研究类实验室的智慧化建设也将取得飞跃式进步。届时,通过人工智能达成的自我驱动式干湿闭环实验室将极大减少药物研发与基础研究的试错成本,将以可观的速度推动新药及基础研究领域的发展。自动化建设遵循相同逻辑、不同建设方式。在自动化的建设中，两类实验室遵循一样的底层逻辑，即首先将动作标准化，然后将标准化的动作自动化，随后再优化自动化的动作高效化。不过，由于两类实验室的终极使命不同，让三个环节所需要的智慧化建设服务也就有所差异。图表9相同底层逻辑下两类实验室不同的智慧化建设需求药常研发、94«!光足察标度化!作 守"自访化<有侬S后用化充， 无“外日住时园内离舍女总M聋SHt大穹叠育力立造Mq层可广的0代自动化作事快!众多作理自动化发件UlL 奴化3UI 员/Jj1魇床E三方资料来源：动脉网在自动化建立的过程中，药物研发和基础研究类实验室相较检验检测类实验室还需要"前置，一个归纳和建立标准化的过程。在该类实验室中，定制化程度较高，但大量非标准的定制化服务并不利于企业的长期发展。因此，企业必须在众多流程、需求和最终目的各异的实验中，尽可能将万千操作进行最小单位的归类，让同一套产品可以适配的操作更广，例如允许几种实验操作动作随机组合、允许同时进行试剂配制不同的操作流程、允许根据上一动作结果自动选择后续操作流程等。研究研发类实验室智慧化建设进入下半场，逐步渗透低标准化操作。并不是所有的操作流程都高度灵活,此类实验室的操作也有标准化程度高低之分。目前，高通量筛选等标准化程度高的流程已经被很好地自动化。在这一类实验室智慧化建设的下半场竞争中,自动化将朝着标准化越来越低的操作进行渗透；这一过程对自动化工业技术的要求将越来越高，对企业平衡成本和投入的能力要求也会逐步提高。目前，行业主流的产品打造脏大致可分为两种，即“从下往上"和伙上往下"：前者息S除啪分底层模,再按照需求集合成所需自动化产品；后者是搭好所需自动化产品的框架,再寻找相应能够满足需求的配件，尽可能合成与框架无限接近的产品。两种模式也有各自的优劣势。图表10药物研发类实验室自动化建设两大主流模式对比,一"'I'I害事国足掘方懵以费修aXfHtFABMyrSV或瞪产B剪,居力贴正募事产BXmd福雷0合接:SMlll产玷化BT存&看好心电光金先好网用E况Il护H傅可气小的!朴元化厂4B行“冬以国装产区力铉她模式ML三7三Uft三H三e体产氧作力含方t三*IT4三三，用产qm再更保整合众害产同修复南收黑打逮箜0骤可MSI斩/国mwewra三hwwIKQjI令力四用Ul怎司新gii的陵宅恻e时俞明白产品品变的把RlOlLet力区，久的仓期式资料来源：动脉网在“从上往下”的模式中，对于企业最大的“诱惑力"在于产品打造时诩豆投入成本低变现周期短，在早期市场相当空白时，对于快速占领市场拥有一定优势。但随着入局者越来越多，成本的“硬伤"、由于核心'技术缺失而缺乏溢价能力等劣势将越来越凸显。毕竟，自动化的目标并不是全面自动化，而是最大程度的降本增效。因此，据调研数据反馈，“从下而上”的模式在目前更受认可。打造最小操作懒度的自动化模块组，构建核心竞争力。在“从下往上"的模式中，核心竞争力是打造出能够覆盖所有实验室操作的底层模块组，帮助服务企业在纷繁复杂而又多变的实验需求中，能够游刃有余地选择相应的、恰到好处的模块集合起来，高质量满足需求。想要拥有该核心实力，最基础的要求即是对实验室众多操作的深入理解，然后用工业自动化的方式达到用机器产出与研究人员操作一样的效果。该模式在产品交付落地中，由于灵活模块的快速集成，也有望极大程度缩短实验室建设的周期。以汉赞迪为例，自成立以来便坚持以强大技术模块配以快速集成能力来满足个性化需求。企业将生命科学实验流程分为底层创新、设计实现、分解动作、核心单机、应用方法、核心应用和研究领域七大环节，然后再逐一细化，目前已打造模块80余个；并凭借此模式在某高通量蛋白药物发现和筛选自动化大型项目中，创下短短6个月完成交付的卓越成绩。自动化不是单纯的人力操作机器化,而是将人力达到的效果,运用自动化的方式呈现；例如固液混合的搅拌动作，机器单纯"复制”用坡璃棒搅拌的过程，很难达到实验效果，因此工业自动化运用磁力等方式达到一样的效果。在此过程中，专业研究人员与专业自动化团队的深度融合显得至关重要，研究人员清晰总结各操作需要达到的各种效果，随后两个专业团队共同归纳出各个操作单元,再由自动化团队用工W式将&操作单元"翻译"成自动化产品。如创泽生物，野寺对实验流程的一线调研并持续与领域专家、协会深入合作，不断加深对生物实验流程的理解，打造了适用于多种生物实验室流程的智慧化建设方案ABLE0方案包括企业自研设备平台和丰富的功能模块，配备智能化软件实现模块自动连接，可按不同智慧化建设需求实现快速集成。众多模块组的设计、打造和反复打磨是一个耗时且需要不小成本投入的过程。不过，丰富、完善的多模块组可以支持智慧化建设企业按照实验室需求精准集成所需的产品,在使用体验感和成本上都有显著的优势，在智慧化建设这场马拉松里，为企业注入持久的核心竞争力。2.3 AI激辍，用软件智慧化建设中待解决的“世界难题"。在智慧实验室整体打造中，行业对于解决思路有了一定的共识。自动化建设部分由工业技术挑大梁，对于技术门槛更彳氐的操作部分优先实现自动化，再逐步向门槛更高的领域迈进。数智化的建设由物联网及Al负责，目前主要聚焦在对环境、样本状态的监控及实时调整，以及在实验产出数据的优化与分析上；从数据收集和学习更容易的领域起，逐步向对数据要求更高的数智化领域进军。沿着这样的思路,我们可以看到，在生物医药领域的自动化进程整体进展更快。由于该类实验室主要涉及在液体内的反应，目前我国在移液领域的工业技术已经能够很好适配实验室相关需求，精度从mL到nL级别、通量从单通道S384通道均能实现，能够满足不同实验通量、不同试剂计量配比的要求。不仅如此，为了适配药物研发类实验室的多变性，国内液体处理工作站也越来越灵活。如凭借液体处理入局的汉赞迪，除了打造适配多种液体处理需求的CANTUS及NEMO两大系列外，更是在2022年底发布了其高技术壁垒的独立8通道液体处理工作站CANTUSFLEX,在Y、Z轴均可单独控制泵头，实现每个泵头单独、不等距离、不等高度、不等体积地吸液排液。生物医药领域进程更快除了得益于行业在液体处理领域的高技术水平外，还与其对反应条件要求相对温和有关。如温度的控制范围大多围绕相关生物反应发生的所需温度，通常在体温上下，区间波动小且较易达成;对压强、真空等其他反应条件也并无特殊需求。图表11生物和化学类实验室操作部分维度对比KWRueCSCM<92W<*金8为主何91分子剧像居多硬IeB接*开HMO悖不M9仅在M分E通不d应用缭众，分国化孑&SlJg悬心帕新0«a色着评书反良条何设力断一.量A本大资料来源:动脉网而在化学制药领域，对工业的要求更多且更高。首先，化学实验领域涉及更多的固体称量，传统实验室中，人工称量多种类、多形态的固体试剂是一个繁琐、耗时且易出错的环节。超过目标重量的固体通常无法回收（时常发生）而产生不可避免的浪费，部分固体称量时对于操作人员的安全也存在隐患，此外大量重复的称量与记录也很难避免其中不出现人为错误。自动化无疑给了安全、效率、成本和正确性一个共同的解决出口，但目前更多的固体称量还集中在粉末，因为从工业角度而言，这类物质的流动性、粘度等更易实现实时称量；而其余如油脂类、膏状类、雪花片状类等性状更复杂，且易压缩、易黏连、易吸附、易受潮、并可能产生静电，精准称量难度高，行业也一直难以实现对其的自动化称量。沿着工业技术的思路，即便未来部分油脂类的固体实现称量，与之相应的研发成本应该也"高不可攀"。新技术带来新思路，弓I领革命性创新。目前，行业正国只极探索与尝试可"替代"JDlES术达到相同效果的方式,AI展现出极大的潜力。据调研反馈，在通过AI视觉角度切入完成固体称量领域有重大突破。2023年初，正从科技发布了全线自研的全自动固体药剂称量加样仪，依托人工智能机器视觉技术，结合震动、搅拌、电磁、静电、气流扰动等机械手段，实现对数千种不同性状固体药剂的精确称量与加样。该项复合维度技术创新产品，不但解决了弟篷固体称量自动化的“世界难题"，且基于正从成熟的标）隹化产品供应链管理能力，产品价格也十分具有吸引力。需指出的是，称量领域常用了两种形式：通过下置天平感受物品增加重量和通过上置天平感受物品减少重量，这两种获得物品体重的方式均受制于海外专利，沿着此工业技术路线研发的产品均难以绕过。而新技术带来的新产品思路，通过Al视觉捕捉固体分配过程特性，然后结合数据库中相应种类的固体多维度绒进行计算，从而得到固体重量，为固体称量打开了新的思维角度，铸造新的专利方向，打破了METTLERTOLEDO和CHEMSPEED在固体药剂自动称量加样环节的数百项技术专¾垄断。用“软件"思路解决，或将大幅降（的沐。以自动化建设为例，目前，阻碍药物研发类实验室数智化的重要因素有：1、建设成本高昂，对于流程灵活且精度要求高的实验室而言，对自动化建设的定制化需求高且工业技术门槛要求也高，这些都对应着不低的成本；2、实验室场地受限，自动化建设中多以一个个功能岛串联起来的形式建立，功能岛占地面积加之其间串联的流水线往往需要对现有场地重新规划布置。这在传统工业自动化用“硬件”建设自动化来说，是无可用命。但随着AI的崛起，越来越多的企业开始尝试用"软件"思维来解决这些问题。再以正从科技为例，运用Al视觉技术结合自研柔性自动化机器人，在不替换任何既有设备前提下，通过样品流、控制流和数据决策流的贯通，实现流程全自动化。据企业数据显示,在解放了3-5名实验人员的同时，该方案的建设费用远低于传统技术。当然，如上一节所述观点，积累数据的质量和数量决定了“软件"能够解决句题的程度,目前智慧实验室建设领域依旧处于数据快速积累的阶段。未来,随着数据积累进程的快速推进,AI还会在实验室的自动化和数智化建设中，展现出更多令人欣喜的潜力，逐步解决目前还未能解决的难题、逐步优化目前昂贵的解决方案，带来更多革命性创新，推动行业大步发展。本章小结：临床检验检测ft5场趋势饱和，产能聊时夺得更多"三S"需要极致性价比。企业的品牌力奠定长期竞争力基础、服务力提供差异化入局切口，开放性是最有力的竞争武器。自研核心'技术会赋予产品迭代的灵活性，更是成本可控的关键。积极融入AI给自动偿扶"灵魂”，让操作更简单、更智能，翔"样本进、结果出"的歉晚验室。对灵活性高的研究型实验室，自动化开始进入下半场竞争,正朝着标准化越来越低的操作逐步渗透，企业的核心竞争力在于打造能够覆盖所有实验室操作的底层模块,从而更顺利地将之集成，高质量满足复杂又多变的实验需求。逐实验室智慧化中数智化板块正处于数据快速积累阶段，当拥有足够多的高质量数据后,AI将带来革命性创新，跨越式为智慧实验室实现降本增效。检验产品在R沉市场寻求憎量,药物研发场景或腾崛起第三章检验产品在下沉市场寻求增量，药物研发场景或将崛起3.1 检验检测产品下沉.进军研究研发领域，开拓增量市场产品下沉，主动开拓增曷市场。在临床检验检测领域，三级医疗机构拥有最大的流量与市场，是各家必争的理想之地。但如上一章所述观点，以罗雅西贝为首的跨国企业入局早，抢先占领了我国三级医疗机构市场，目前临床检验检测实验室的自动化流水线趋于饱和，部分医院甚至拥有不止一条流水线，大多被头部跨国企业深度绑定。因此,除了被动等到三级医疗机构现有流水线到期后的国产替代机会，产品下沉是智慧实验室厂家更加主动的市场化策略。据调研，目前国内很多县级人民医院、二级医院经过扩建和改建也在积极引入流水线，而医院改建或新建是国产智慧实验室厂家切入增量市场最好的时机。不过，该机会也对厂家的综合实力提出了更高的要求，更多医院寻求的合作企业不只是拥有单个自动化产品打造的能力，而是能够打造智慧检验检测实验室的整体解决方案，包含仪器、设备、耗材、材料、自动化操作流水线、相应数字化管理系统等。因此，在自动化能力基础上，拥有全实验室智慧化整体打造能力的企业，在医院改建与新建中将展现更强的竞争力。如华大智造，基于齐全的产品矩阵，配以丰富的实验室数字基建经验，疫情期间快速交付了众多实验室,如集装箱式、大巴车式、气膜式等多形态的移动实验室和固定建筑式实验室。其中，华大智造通过整合智能楼宇，智能设备，数字化质量管理软件及实验应用A叩等功能出的"智惠实验室产品，让其在高校、科研院所、新建医院、蟠、海关等需要从零到一打造智慧实验室的差异化应用场景中脱颖而出，在整个检验检测自动化市场缩水的背景下，依然保持着充足的业务需求。抢占市场,为产品研发争取时间。二级及以下医疗机构对性价比的要求更为突出，且实验室智慧化的打造可能难以一步到位，需要逐步升级。为了让日后新增的产品或迭代的产品更好融合，该类医疗机构往往期待更加灵活的智慧实验室解决方案（事实上对于三级医疗机构也是如此）o该灵活度主要体现在两个方面，一是解决方案适配的仪器设备菜单广且更新及时，二是解决