样本最脆弱
采集、运输、扫码、分拣、开盖、移液、冷藏和交接是 pre-analytical 错误高发环节。
01 · Problem
LIMS 知道样本编号，ELN 知道实验结论，但没人实时知道 bench 上到底发生了什么。
实验室不是缺软件，而是缺 loop。科学家和检验人员仍在 SOP、Excel、仪器文件、邮件、手工判断和 QMS 偏差之间搬运上下文。结果是样本链路出错、metadata 丢失、失败原因难复盘、AI 也吃不到干净的实验 episode。
仪器各自为政
plate reader、qPCR、液体工作站、冷库、AMR 和文件夹只知道自己的状态。
QMS 事后补证据
deviation 常在错误发生后再追溯，raw evidence、图像、轨迹和人类处置很难拼齐。
机器人不成闭环
机械臂能移动样本，但没有协议意图、样本 lineage、QC 结果和 HIL 纠错就无法学习。
02 · Why Now
AI 能设计实验，湿实验执行却成了瓶颈。
实验室自动化、LIMS/ELN、科学数据云、AI-ready data、合规数字化和边缘机器人同时成熟。最大的缺口不是再买一个记录系统，而是把真实样本、机器人动作、QC 证据和数据系统接成闭环。
$18.39B
Grand View 估算全球 lab automation 市场 2033 年将达 183.9 亿美元。
98.4%
一项 2025 年研究中，实验室记录错误主要集中在 pre-analytical 阶段。
100+
中国医药工业数智化方案要求到 2027 年打造 100 个以上典型场景和数智药械工厂。
700 TOPS
Qualcomm Dragonwing IQ10 RRD 支持高算力、多传感和机器人参考设计。
03 · Core Insight
最快的实验室不是机器人最多，而是反馈回路最短。
真正的瓶颈不是能不能自动移液，而是每个样本、参数、仪器状态、文件、观察结果和人工纠正，能不能自动变成下一轮实验或 QC 决策的输入。
从记录到执行
LIMS/ELN 记录过去；LabLoop 驱动 sample、instrument、robot 和 operator 完成下一步。
从文件到 provenance
protocol intent、sample identity、physical action、instrument run 和 QC outcome 一起记录。
从异常到学习
人工接管、核验失败和成功 run 都成为 LeRobot HIL、QA 审批和下一版模型的数据。
04 · Solution
LabLoop 是现有实验室之上的物理 AI 执行层。
它不替换 LIMS/ELN/QMS，也不卖孤立机械臂；它把样本、协议、仪器、机器人、相机、条码/RFID、原始文件和人工审批连接成 live execution + observation + learning loop。
- Worklist Bridge：导入 LIMS worklist、ELN protocol、QMS rule 和 instrument method。
- Edge Lab Cell：Qualcomm edge 本地核验 barcode/OCR、tube、cap、well、liquid level 和 anomaly。
- Evidence Graph：Sample、Aliquot、ProtocolVersion、RobotRun、QCDecision、HILIntervention。
- Learning Loop：HIL 纠错进入区域训练云，经 AI Hub profile 后等待 QA 审批和灰度。
05 · Product Workflow
先闭环一个高频样本流程，不重建整座实验室。
最好的第一 wedge 是“sample handling + QC provenance + LIMS/ELN connector”：高频、低争议、强 ROI，且能自然扩展到更多仪器和机器人。
Import
导入 LIMS worklist、样本 ID、plate map、protocol version 和验收标准。
Verify
相机、barcode/RFID、称重和传感器核验 tube、rack、reagent、tip box。
Execute
机器人或人工执行分拣、移液 mock、tube transfer、instrument loading。
Block
发现 swapped tube、低液量、错孔位或手进入区域时阻断并请求 HIL。
Writeback
结果、QC flag、exception note、签名和 evidence packet 写回 LIMS/ELN/QMS。
06 · Market Wedge
先打有监管压力、有系统基础、但缺 live execution loop 的实验室。
不是所有实验室都愿意外包给云实验室。更大的机会是升级客户自己的物理实验室：保留原有仪器和系统，在 bench 上补一层实时执行和审计证据。
药企 QC / CMC
中国最优首客：GxP、CSV、数据完整性、LIMS/QMS 集成和放行检验提效。
CRO / CDMO
项目交付、客户审计、样本流转和可复现性直接影响收入和续约。
诊断 / ICL
避开成熟 TLA 主线，切样本分拣、复检调度、异常样本闭环和报告审核辅助。
检验检测
生态环境、食品、疾控、CNAS/CMA 需要 chain-of-custody、防篡改和全流程追溯。
核心平台
高校/园区平台需要仪器预约、样本流转、服务计费、数据归档和机器人示范。
AI-first Lab
小型 biotech 和材料实验室需要 plate-based assay optimization 和 AI-ready episode。
07 · Business Model
按 workflow、workcell、connector 和 validation pack 收费。
LabLoop 是 workflow infrastructure，不是诊断产品。定价锚点是减少人工核对、降低样本链路异常、缩短 audit retrieval、提升 throughput 和形成 AI-ready data。
中国试点
8-12 周，1 个 central lab、1 个样本类、1 个 LIMS/LIS/QMS 集成，5-18 万元。
中国生产版
部门版 6k-20k 元/月；网络/合规私有部署 30k-300k 元/月 + 实施费。
海外试点
8-12 周，8k-35k 美元；enterprise regulated 30k-120k 美元/月。
验证包
GxP/CSV/CSA、Part 11/Annex 11 readiness、audit trail、RBAC、model release evidence。
08 · Go-To-Market
不卖“大平台”，先让一个流程从 protocol 到 clean dataset。
创始团队要用 concierge onboarding 进入 3 个 design partners，把每次手工支持产品化成 adapter、protocol template 和 validation playbook。
第一试点
一个样本链路、一个仪器类别、一个 robot/manual action、一个 QC/QMS 输出。
Pilot KPI
数字 custody 完整率 >95%，audit packet 检索 <5 分钟，人工核对时间下降 20-40%。
扩张路径
样本流转 -> plate workflow -> workcell -> 实验室站点 -> 多站点模型治理。
渠道伙伴
LIMS/ELN 实施商、自动化集成商、仪器厂商、CRO/CDMO 和 Qualcomm 生态硬件伙伴。
09 · Competition
记录系统、科学数据云和机器人都强，但它们没有统一 bench action loop。
LabLoop 的位置是 vendor-neutral physical AI layer：不替换 LIMS/ELN/QMS，不替换仪器，也不替换云实验室，而是把现有实验室变成实时执行、观察、证据和学习闭环。
Benchling / LabWare
system of record 强；LabLoop 管实时 bench action、核验和证据包。
TetraScience / Scitara
数据云和标准化强；LabLoop 把数据连接到任务、样本、机器人和 QMS。
Automata / Biosero
workcell 自动化和调度强；LabLoop 做跨 manual、robot 和 outsourced steps 的证据层。
Opentrons / Hamilton
液体处理和自动化强；LabLoop 管样本 lineage、QC provenance 和 HIL 数据。
Emerald / Strateos
云实验室闭环强；LabLoop 升级客户自己的物理实验室。
镁伽 / 华大智造
国内智慧实验室和 DBTL 强；LabLoop 做轻量合规闭环和 Qualcomm edge 样板。
10 · Moat
壁垒是 protocol-action-result graph。
每个闭环 run 都把意图、样本、仪器、机器人、人类纠错、结果和 QMS 结论变成可学习资产。越多流程接入，LabLoop 越懂真实实验如何失败、如何修正、如何进入下一轮。
Adapter Library
LIMS/ELN/QMS、仪器、机器人、条码/RFID、文件格式、SiLA、OPC UA LADS。
Semantic Layer
Sample、Container、Aliquot、ProtocolVersion、InstrumentReading、QCDecision。
Execution Graph
protocol intent、physical action、instrument run、raw file、deviation 和 next action。
Compliance Flow
ALCOA+、audit trail、电子签名、CSV/CSA、变更控制和 release evidence。
Edge Footprint
本地运行、数据本地化、弱网可用、视觉核验和 fail-closed safety gate。
HIL Dataset
机器人救援轨迹、人工处置、核验失败和成功 run 组成可训练 episode。
11 · Architecture
Control Plane、Evidence Store、Edge Lab Cell、Robots & Instruments。
Qualcomm edge 负责本地视觉、身份核验、机器人状态和安全门控；区域云负责 workflow、审计、训练、模型注册、QA 审批和灰度发布。
Control Plane
LIMS/ELN/QMS connector、protocol lock、worklist、review、signature 和权限。
Evidence Store
append-only logs、hashes、raw-data policy、chain-of-custody 和 audit packets。
Edge Lab Cell
QNN/ONNX/QAIRT 模型，sample vision、robot policy、QC checks、signed manifest。
Robots & Instruments
robot arm、pipette、scanner、balance、plate reader、SiLA 2、OPC UA、vendor SDK。
12 · Competition Demo
12 个 mock 样本，从 LIMS 工单走到 inspection-ready evidence。
比赛 demo 不展示真实生物危害或临床判断，只展示安全样本、故障注入、edge AI 阻断、HIL 接管、机器人执行和审计证据。
Worklist
导入 LIMS worklist 和锁定 ELN protocol，展示样本、plate map 和验收标准。
Verify
edge camera 检测 barcode/OCR、tube presence、cap state、well occupancy 和液量。
Fault
故意放错 tube、低液量、错孔位或手进入区域，系统阻断并请求 HIL 纠正。
Evidence
机器人执行后写回 QC result、exception notes、签名、hash 和 LeRobot episode。
13 · Why Qualcomm
实验室是 regulated physical AI 的高价值边缘场景。
LabLoop 不是纯云端 chatbot。实验室需要低延迟、低功耗、隐私友好的边缘推理：视觉检查、样本识别、异常检测、离线 SOP 辅助、仪器状态理解和机器人安全门控。
Vision
rack pose、label visibility、cap state、plate/well state、spill/anomaly。
Gateway
barcode/RFID、instrument adapter、robot state、本地 audit buffer。
Runtime
AI Hub、QNN/QAIRT、ONNX Runtime QNN EP、model release evidence。
Privacy
医疗、药企、HGR 和实验数据默认本地/私有云数据平面。
Robotics
LeRobot HIL 把人工纠错和机器人救援轨迹变成下一版技能。
14 · Ask
把 LabLoop 做成 Qualcomm regulated lab edge AI 的参考应用。
比赛阶段需要一个可验证的 bench workflow：本地核验、机器人执行、仪器结果、QMS evidence 和 HIL 数据，而不是一个只会移动机械臂的 demo。
开发板与 profile
RB3/RB6/IQ、lab workcell vision、identity check、anomaly detection 和本地推理 profile。
OEM 连接
3 个仪器/机器人伙伴：sample tracking、plate reader/qPCR、liquid handling、AMR。
样板实验室
3 个场景：药企 QC/CRO/CDMO、医院检验、检验检测或高校核心平台。
LabLoop 的投资人版一句话：让制药、生物技术和诊断实验室，把人工样本处理变成 24/7 可追踪机器人流水线，而不需要重建整个实验室。