“AI技能缺口”迫在眉睫：未来实验室调查发出信号
最新未来实验室调查揭示创新走向何方？
文章发布于2025年10月29日
亚历山大·比德尔
科学作家兼编辑
Technology Networks
亚历山大·比德尔是Technology Networks的科学作家兼编辑，拥有苏格兰圣安德鲁斯大学材料化学硕士学位。
新调查数据显示，超过四分之三的实验室预计在未来两年内采用人工智能（AI）。尽管AI仍是这些实验室的头号投资领域，但“AI技能缺口”正迅速成为AI应用的主要障碍之一。
这些洞察源自2025年《实验室演化》行业报告，该报告分析了年度“未来实验室”调查结果。今年是该调查的第三年，由倡导生命科学研发协作的全球非营利组织皮斯托亚联盟（Pistoia Alliance）与开放制药研究（Open Pharma Research）合作开展。
本调查聚焦实验室技术应用与投资、采用“未来实验室”技术的关键收益与障碍，以及实现未来实验室所需的支持领域。2025年报告汇总了来自欧洲、亚太地区和美洲的制药、生物技术、软件、服务、学术界及非营利组织200多位专家的反馈。皮斯托亚联盟主席贝基·厄普顿博士（Becky Upton, PhD）在2025年欧洲未来实验室大会主旨演讲中发布了调查关键发现。
为深入了解新报告及药物发现与生物制药实验室的未来展望，《Technology Networks》在大会期间采访了皮斯托亚联盟首席投资组合官克里斯蒂安·贝伯博士（Christian Baber, PhD）。
AI应用加速，但再培训挑战迫近
皮斯托亚联盟通过年度调查旨在提供行业现状快照，供业内人员对比实践参考。
“我们的目标是教育行业并推动协作，”贝伯表示，“我们开展多项项目分享用例、成功与失败经验，识别痛点与优势。这项调查正为此而生——明确我们可提供帮助的领域、需改进之处，更重要的是，指出当前成效显著和持续改善的方向。”
2025年未来实验室调查还询问了受访者关于实验室当前及预测技术应用、面临的文化与技术挑战，以及所需支持。调查关键结论包括：
- AI应用预计激增：77%的受访者报告将在未来两年内使用AI，AI同时位列头号投资领域（63%）。
- 电子实验记录本（ELNs）与云平台普及率上升：ELNs成为使用最广泛的技术，采用率从2024年的66%升至81%。云数据平台使用率也从2024年的70%提升至80%，可能受仪器供应商将软件迁移至云端推动。
- 监管清晰度改善：仅9%的受访者将监管视为AI实施障碍，低于2024年的23%。
- 实验室数据障碍降低：数据孤岛仍是最大挑战，但下降9%；非结构化数据仍为第二大障碍。
- 企业对机器人与自动化态度分化：51%的企业预计两年内采用机器人与自动化，低于2024年的57%。但制药需求方的采用率明显高于供应方。
“令我欣喜的是，数据获取与孤岛问题虽仍是最大难题，但改善显著——且远超预期，”贝伯说，“但令人担忧的是，缺乏具备适当技能的人才正成为问题。”
尽管AI应用前景向好，34%的受访者将人员技能不足列为实验室规模化实施人工智能与机器学习（ML）的前三障碍之一，较2024年23%的占比大幅上升。当被问及何种支持有助于更好地将AI/ML整合至实验室时，51%希望获得实践用例或类似“操作指南”，45%期待实验室专属AI/ML教育课程，40%需要AI/ML技能与算法构建培训。
“另一阻碍因素是管理支持与文化，”贝伯补充道，“综上可见，技术持续进步，但企业未对人员投入——既未招聘具备所需技能的人才，也未对现有 workforce 进行再培训。”
“障碍确实存在，且影响负面，但技术、数据共享等方面正在改善。未见起色的是人文层面——人员因素，而这恰恰应被重视。”
范式转变：从效率优化转向创新加速
数字化转型同样是调查核心支柱，受访者被问及实验室数字化的最大收益。
“Vertex Pharmaceuticals的Julie Huxley-Jones曾明确区分数字化（digitization）与数字转型（digitalization），”贝伯解释道，“数字化仅是‘我有PDF文件即数字文档’，而关键问题在于：你是否以数据为先？是先捕获、结构化、分析数据再生成PDF，还是先生成PDF报告再处理？摒弃报告导向、转向数据优先理念更为高效。”
“实验室数字化的理想状态是：在电子实验记录本中规划实验，抵达仪器时设备已就绪；实验完成后数据自动归集，填充至电子实验记录本并携带完整元数据，”贝伯继续说明，“这要求仅输入一次元数据，即可贯穿各类仪器与流程。”
调查受访者将加速创新与突破性成果列为实验室数字化的首要收益（53%），紧随其后的是降低数据共享、互操作性与协作障碍（49%），提升研发效率位列第三（47%）。这显著扭转了2024年趋势——当时效率优化以73%的压倒性比例位居榜首。
“去年行业过度聚焦效率，对创新、协作及AI新技术的应用关注不足。如今这一局面已然反转，”贝伯表示，“当前行业正更趋审慎，追求更大影响力。”
未来实验室的积极前景
除弥合AI技能缺口的挑战外，调查还指出研发实验室全面拥抱“未来实验室”愿景需解决的其他关键障碍。
例如，文化障碍与机构对数据共享的抵触成为充分利用实验室数据的第三大障碍。当被问及阻碍跨实验室协作的单一最大因素时，常见答案包括：不支持数据共享的工具与系统（26%）、管理鼓励不足（20%）以及缺乏数据复用与共享的企业标准（13%）。
“反复出现的问题——会前讨论与调查中均有提及——是仪器供应商未能完整开放用户自有数据访问权限，”贝伯补充道，“有时声称支持，但缺失关键功能，或需深入后端才能获取。”
尽管如此，贝伯对行业方向持高度乐观态度，强调：“我们距理想境界尚远，但正不断靠近。”
通过更完善的培训教育计划、数据相关障碍的持续缓解，以及重视数据共享与协作的新文化，未来数年研发领域将迎来重大变革。
“我坚信技术并非高深难题——科学本身当然极其复杂，但技术绝非如此，”贝伯总结道，“核心问题在于人员：让合适的人做正确的事，提供恰当激励，我们终将抵达目标。”
【全文结束】
