上海交大的一间实验室里，AutoDNA跑了203.5小时、11382步硬件操作，把一句话写进DNA，再原样读了出来。 那句话是“Intelligence is the ability to adapt to change”——智能就是适应变化的能力。放在这台机器上挺合适：它要解决的不是把流程跑完，而是中途出了偏差怎么接住。36氪知乎
AutoDNA要同时协调20多类仪器，各有各的接口；温度、浓度、时间又互相牵制，一步偏了，可能等到测序结果出来才知道。 人全程盯着，也未必盯得住。它的做法不是让模型更专注，而是把错误拦在几个不同的位置。36氪
最先拦在代码里。系统把各类仪器的能力拆成“原子服务”，比如移液器被抽象成“转移”和“混合”两个动作，代码智能体按实验目的调用它们。一次核酸检测的流程生成后，代码检查发现少了一步试剂转移，系统自己补上了；它还识别出孵育时必须封闭反应管这个没写进需求里的条件。知乎
再拦在模拟里。每段仪器代码先在数字孪生环境里跑一遍，发现问题就在虚拟环境里修，不浪费真实试剂和时间。 据《自然》同期评论，有一次代码准备读取荧光值，模拟发现样本容器根本还没放进仪器，错误在碰到真实样本前就被拦下。微博36氪
真跑起来之后，错误还有另一种来源：资源冲突。加热器被占用时，它把兼容的加热任务改派给空闲的热循环仪。 多个实验同时排进来时，系统还会动态调度，整体执行时间缩到约三分之一。知乎36氪
但这不是“无人”。运行记录里，14次硬件错误有8次由系统自行恢复，6次仍要人介入。 吸头没吸起来、移液器故障，这类错误系统能自己恢复。 更多物理世界的毛刺不在预设里。微博Nature
长流程里，人还要补试剂、换耗材、清废弃物。 光移液枪头就补了108个。知乎微博
更软的边界是方案的可重复性：同一个需求跑两遍，方案未必一样，实验的结果未必能稳定复现。知乎
所以AutoDNA解决复杂流程出错的办法，不是造一个不会犯错的AI，而是让错误尽早暴露、尽量局部化、还能重来。人没有被请出实验室，只是从“每一步的操作者”变成了“异常的处理者”。11382步证明它能跑完长流程；8/14这个比例，才说明它离“不用人全程盯”还有多远。
