一套在近3000平方米物理实验空间、605个工作站和1.1万余项全流程科研任务中反复检验并凝练出来的语言
今天，让AI调用仪器、生成控制代码，甚至驱动机器人完成实验动作，已不再是AI进入实验室的主要难题。
真正困难的是，当AI面对由样品、容器、设备和环境构成的真实物理世界时，能否判断什么可以做、在什么条件下可以做；能否在设备异构、流程并发和异常发生时稳定运行；能否让每一次行动都有边界、每一次状态变化都可追踪。尤其在化学、材料和生物实验中，一个未被识别的对象状态或不满足约束的操作，都可能导致后续流程失效，甚至带来安全风险。
AI原生实验室语言ALL（AI-native Laboratory Language）正是为此提出。它将实验对象、物理状态、科学操作、实验约束和工作流程组织为机器可理解、可验证、可执行的表示，使AI能够在行动前检查、执行中追踪、异常时处置，并在实验后还原全过程。
近日，中国科学技术大学智能科学家团队正式发布ALL，并在arXiv发布预印本论文《A computable representation of the physical laboratory enables verifiable workflows》(http://arxiv.org/abs/2609.03621)。该工作依托华为昇腾算力平台完成系统性工程验证。
图1.ALL总体架构：AI智能体、ALL语言引擎、FSP协议与真实实验工作站
如图所示，ALL位于AI智能体与真实工作站之间，由ALL语言引擎和FSP协议共同构成：语言引擎负责编译、解释、仿真与执行，FSP统一描述操作、对象和系统。通过这一架构，AI的科学意图能够被转化为跨工作站运行的实验过程，并在真实实验中持续验证，以支撑精准操作、鲁棒容错和安全可控。
ALL围绕一个基础问题展开：
如何建立一套机器可理解、可验证、可执行的物理实验室语言，使AI能够在高约束、低容错的真实实验世界中，安全、可控、可信地开展科学行动？
在真实实验中，一句“将样品离心后进行XRD测试”，背后包含容器类型、开关盖状态、样品形态与体积、离心配平、产物选择、设备兼容和异常恢复等一系列隐含条件。
对人类科学家而言，这些条件来自经验和常识；对AI而言，则必须被显式描述并在执行前验证。ALL所解决的，正是将这些物理常识、科学约束和异常处理规则转化为机器可以读取和检查的明确表示。
ALL补上的一层：从科学对象表示走向科学行动表示
科学界已经建立了大量面向科学对象的表示：分子可以表示为结构式、图结构或三维构型，材料可以表示为晶体结构、元素组成和描述符。这些表示回答了“科学对象是什么”，却难以回答“如何在物理世界中作用于它”。
ALL进一步描述对象在实验中的物理上下文及其变化。实验对象不只是分子式或样品编号，还包括容器、体积、形态、位置、状态和操作历史；实验设备也不只是可以启动的机器，而是具有明确输入、输出、约束和状态转换的科学能力。
由此，ALL将对象、操作、状态、约束和依赖关系组织为动态实验过程，补上了从科学知识走向物理行动的关键表示层。
ALL如何给物理实验室定义：“名词、动词、语法和规则”
一套语言之所以能够描述世界，是因为它既有名词，也有动词；既有语法，也有不能违反的规则。
ALL同样如此。
图2.FSP函数状态协议：统一设备接口语义
如图所示，FSP（函数状态协议）是ALL连接异构设备的基础协议，不限定HTTP API、MCP、CLI或RPC等具体传输方式，而是统一设备接口中的对象、操作和系统三类语义。对象描述容器及其状态，操作描述动作、参数和结果，系统描述设备状态、前置条件和安全约束，使不同厂商和控制方式的设备能够以统一语义接入ALL。
ALL的“名词”(s)：实验对象不再脱离容器和环境
传统实验记录常用样品名称或编号代表实验对象。
但在物理实验室中，同一种材料装在离心管、反应釜、微孔板或无盖样品瓶里，对机器人而言是不同的对象。
ALL把样品与物理载体、当前状态、空间位置和操作历史组织在一起。容器决定抓取方式和设备兼容性；开关盖状态、体积、形态、温压和位置，共同决定当前可以进行什么操作。
因此，在ALL中：
实验对象=科学身份+物理载体+当前状态+空间环境+操作历史
ALL由此把抽象的科学对象转化为机器能够识别、定位、判断和操作的物理实验对象。
没有物理上下文，就没有机器可以真正操作的实验对象。
ALL的“动词”(f)：工作站成为状态转换算子
传统自动化系统通常把设备描述为启动、停止、移动、加热、设定转速和读取信号等底层命令。
但这些命令只说明设备做了什么，并没有说明实验对象发生了什么。
ALL将工作站抽象为状态转换算子：样品从状态(St)出发，经过具有明确输入条件、参数范围和物理约束的实验操作，进入新状态(St+1)。
加热搅拌不只是升温和转动，而是反应体系发生状态转换；离心不只是设定转速和时间，而是悬浊体系转化为沉淀与上清液；表征也不仅是得到图谱，还要关联被测对象、样品历史、测试条件和数据质量。
因此，每个工作站都需要声明科学能力、输入与输出、操作参数、约束条件、安全边界及可能产生的状态变化。
工作站由此不再只是“可调用的设备”，而成为实验世界中改变对象状态的基本算子。
图3.（a—b）ALL对化学实验对象与状态转换算子的形式化表示
ALL的“语法”：工作流不是步骤清单，而是状态演化
自然语言实验方案常写成：合成、离心、洗涤、烘干、表征、测试。
但对机器而言，每一步都必须明确输入对象、前置条件、输出结果、完成标准、资源依赖和异常处理方式。
ALL不把工作流看成静态流程图或设备命令串，而是将其表示为实验对象在状态空间中的连续演化。
顺序、并行、分支、循环和等待等控制流算子，将基础科学操作组合成复杂实验过程，并保持对象身份和状态在不同步骤之间连续传递。
通过ALL，实验方案从“写给人看的步骤说明”，转变为机器可以解析、组合、验证和运行的科学程序。
图3.（续，c—d）控制流算子的形式化定义与复杂工作流组合
ALL的“规则”：物理约束成为语言本身
容器是否兼容、体积是否足够、机械臂能否到达、离心能否配平、温压是否超过安全边界、前一步输出是否满足后一步输入，都必须在执行前得到检查。
ALL不把这些约束作为附加说明，而是直接写进语言本身。
每一个对象、操作和工作流，都必须在明确的前置条件、参数范围、资源要求、安全边界和状态规则中成立。
一项操作不仅要说明“做什么”，还必须说明作用于什么对象、对象应处于什么状态、参数范围是什么、怎样判断完成，以及异常发生后如何处理。
只有这样，AI生成的才不只是“听起来像实验”的方案，而是一套可验证、受约束、可处置、可追溯的科学行动。
ALL如何把一句科学意图转化为真实运行的实验
ALL把科研意图转化为真实实验的过程组织为：
科学目标 → 实验对象 → 状态与约束 → 科学操作与工作流 → 软件检查 → 资源匹配 → 物理执行 → 数据与状态反馈
例如，当研究人员提出“优化一种电催化材料的组成和合成条件”时，AI不仅要给出自然语言建议，还要明确候选变量、样品矩阵、试剂与容器、合成条件、后处理、表征方法和评价指标。
ALL将这些要求组织为机器可处理的实验对象、操作和工作流，并检查容器与体积是否兼容、设备能力是否满足要求、参数是否越界、前后步骤是否衔接。
通过检查后，系统将科学操作映射到真实工作站，驱动设备和机器人执行，并持续记录对象和状态变化。
实验完成后，表征数据、性能数据和过程数据与具体样品、操作条件和执行历史关联，并重新进入系统，成为下一轮实验决策的证据。
由此，ALL把实验从设备动作序列，转化为一个从科学问题出发、经过物理执行、再回到科学判断的闭环。
图4.从工作站能力抽象到实验工作流生成、软件检查与闭环执行的工程框架
图5.不同科学意图对应的可组合实验工作流示例
ALL已赋能真实科研实践
ALL已应用于中国科大近3000平方米智能科研实验平台，统一组织605个异构工作站。过去一年，平台完成1.1万余项“任务智能规划→机器实验执行→数据自动归档”的全流程科研任务，覆盖能源、材料、化学、生物等领域。
以下直播回顾展示ALL如何将不同科学意图转化为可执行实验流程，赋能真实科研。
图6规模化智能科研基础设施
能源催化实验室直播回顾
高通量谱学平台直播回顾
高通量生物探针筛选和表征平台直播回顾
智能薄膜涂层材料电极材料研发平台直播回顾
ALL：共同构建AI进入物理实验世界的统一语言
ALL在差异化硬件之上建立共同的科学语义，使实验对象、物理状态、科学能力、实验约束和工作流程能够被AI统一理解和调用。
安全来自明确的前置条件和行动边界，可控来自显式状态和过程追踪，可信来自实验对象、科学操作与数据结果之间的完整证据链。
围绕ALL，中国科大正联合华为、标准化机构、科研机构及科研仪器厂商，推动这套语言走向开放的行业协议和基础标准（近期会发布开源社区）。
通过ALL，一台工作站成为具有明确输入、输出、参数、约束和状态转换的科学能力；一份实验方案成为能够被机器解析、验证和执行的科学程序；一座实验室则成为由实验对象、科学操作、物理状态和工作流程共同构成的可计算世界。
从“让AI控制硬件”，到“让AI安全、可控、可信地开展科学行动”，正是ALL试图完成的关键跨越。
论文信息
题目：A computable representation of the physical laboratory enables verifiable workflows作者：Xiaobo Li, Luyao Ge, Xiaohui Li, Lulu Guo, Ming Mao, Jiwang Zheng, Wenting Guan, Xin Yang, Yi Luo, Jun Jiang, Linjiang Chen发布时间：2026年9月3日平台：arXivDOI：https://doi.org/10.48550/arXiv.2609.03621
科学智能物质创制中心
2026年9月5日