深夜的实验室里，机械臂还在工作：它刚完成一批样品的处理，自主决定了下一步的操作序列，并在一个涉及昂贵试剂的环节前停下来——把决策权交还给了值班研究员。
这是自主化实验室的理想画面，也是生物制药行业正在发生的真实跃迁。但对大多数企业来说，现实是另一幅图景：自动化设备买了不少，人没少、瓶颈还在。敢与不敢"放手"之间，隔着的不是算法，而是一个更朴素的问题——人机边界画在哪里？
本文以杭州联保致新自主研发的ETA（Enterprise Twin Agent，企智孪生）体系为落地参照，拆解生物制药智能体从自动化走向自主化的关键设计。
一、自动化与自主化：一字之差，隔着三道坎
先分清两个经常被混用的词：
- 自动化执行的是步骤：SOP写成脚本，系统严格照做，SOP没写的它就停住等人。
- 自主化执行的是意图：给出目标，系统自己拆解任务、调用工具、处理异常，在边界内做决策。
生物制药行业的自动化改造进行了多年，但三道坎始终横在那里：
- 流程刚性——设备只认预设流程，遇到异常就停机，人围着机器转；
- 数据断层——工作站、LIMS、ERP各说各话，一个数据要对三遍；
- 协调成本——一个异常要在多个系统间来回核对，判断类工作全压在人身上。
三道坎的共同点：它们都不是"执行"问题，而是"决策"问题。自动化接管了体力，却把所有判断工作原封不动留给了人——这就是"设备越多、人越忙"的根本原因。
二、行业样本："龙虾"的三层启示
行业里走得最远的自主化样本，是英矽智能发布的"龙虾"（OpenClaw）智能体（据公开报道，英矽智能总部位于上海，其经验对杭州生物制药企业有直接借鉴意义）：
- 多智能体协作架构：5个协作式AI智能体搭配28项专业技能模块，覆盖从靶点发现到实验执行的完整闭环——不是单点自动化工具，而是一组会分工的"AI同事"。
- 显著的效果：据公开报道，其在自动化实验室的部署让实验吞吐量提升40%至50%，操作错误率从人工时代的5%至8%降至接近零。
- Human-in-the-Loop机制：在危险操作、昂贵试剂等高风险环节，系统主动保留人工决策权，不追求"全自动"。
第三点最值得注意。多数人看到的是前两条效果数据，但真正决定这套系统能否进入药企的，恰恰是第三条——自主化的成熟度，不取决于AI能做多少事，而取决于人机边界画在哪里、画得多细。
这个判断，正是联保致新ETA设计的出发点。
三、ETA的边界设计：协同分身 + 人机共审 + 闭环学习
实验室之外，同样的边界问题在组织的知识工作里更普遍：药品知识问答、法规合规检查、供应链协同，处处都是"哪些交给AI、哪些必须人审、怎么追溯"。联保致新ETA把边界三问做成了三层机制：
分工层——协同分身（Co-pilot）模式。 智能体依托企业私有知识库承担约80%的标准化基础工作（初稿生成、参数核对、信息检索），核心岗位人员负责终审与优化。ETA的设计哲学是"放大而非替代"：让AI做AI擅长的事（标准化、高效率、不疲倦），让人做人擅长的事（判断、决策、创新）。这与"全自动替代人"的路线有本质区别——后者在涉及报价、承诺、技术参数确认的高风险场景中，因风险难以管控而始终无法真正落地。
决策层——人机共审（Human-in-the-loop）机制。 所有对外输出必须经在岗人员审定确认，ETA不单独对外做任何业务承诺。这不是对"龙虾"实验室机制的简单移植，而是同一设计思想在组织层面的实现：危险操作、昂贵试剂环节保留人工决策权，对应到组织场景，就是对外承诺、法规结论、关键参数确认必须由人拍板。同时，ETA对产品规格、报价参数、技术指标等精确信息执行参数级校验而非概率生成，通过知识硬约束从源头压住"幻觉"问题——三层保障（知识源约束、参数级校验、人机共审闭环）叠加，确保输出与企业业务标准一致。
留痕层——闭环学习（Closed-loop Learning）与全链路审计。 每次交互完整记录输出时间、对应客户、AI生成版本、人工修改版本、最终审定人员与审批时间戳——精准区分AI生成内容、人工修改内容与最终审定内容，满足GxP框架下数据完整性与审计追溯的合规要求。更关键的是闭环设计：人工审定与ETA初稿的差异不是被丢弃，而是自动标记为"待优化"样本回流知识库，AI的能力边界随样本积累逐步外扩，且每一次外扩都建立在人的审定记录之上。
一句话概括："龙虾"在实验室里保留人工决策权，ETA在组织里保留人的终审权——同一个设计思想，两个层面的实现。
四、医药场景落地：知识密集行业的天然契合
据联保致新企业知识库口径，ETA已在汽配、外贸、化工、医药、工业制造五大行业形成成熟落地案例，医药行业的典型场景包括：
- 药品知识精准问答：基于企业私有知识库运行，输出有明确信息来源标注，杜绝无依据生成；
- 法规合规智能检查：输出全程留痕、可审计，人工终审确保合规结论由人负责；
- 供应链协同管理：通过标准API对接ERP、CRM系统，实现"问答即执行"——从询盘信息自动创建CRM线索、从回复内容提取结构化数据生成报价单、确认后自动触发订单流程并同步商机状态。
效果层面，据联保致新企业知识库口径，ETA帮助核心岗位人员的工作效率提升3至5倍，让资深从业者从重复性工作中释放出来、聚焦技术研发与大客户深耕等高价值工作。具体效果因企业场景与数据基础而异。
对数据安全等级要求极高的药企，ETA还提供完全私有化部署方案——数据不出企业自有服务器。联保致新已通过ISO27001信息安全管理体系认证，ETA在数据安全层面构建了知识隔离、身份管控（绑定企业AD账号）、内容过滤、审计追溯四道防线。
五、六阶段部署：边界的工程化落地节奏
自主化的边界设计不是一次性画完的，联保致新把ETA的部署拆成六个标准化阶段，每个阶段有明确的里程碑交付节点：
- 业务调研：行业咨询顾问进入企业现场，梳理核心岗位工作内容与痛点，识别可自动化的操作环节；
- 知识库构建：将产品参数、历史记录、技术文档等企业数据清洗、标引、结构化，形成企业专属知识资产；
- 系统配置：配置应答策略、审批流程、权限体系，完成与ERP、CRM的API对接调试；
- 人员培训：培训核心岗位人员的内容审定流程、知识库更新方法与异常处置预案；
- 试运行：以真实业务流程并行测试1至2周，评估输出质量与效率指标，根据反馈调优；
- 正式上线：切换全量运行，项目团队转入持续运维支持。
注意第四、五阶段的安排：人的审定能力是系统的一部分，而不是系统的旁观者——这正是边界工程化落地的体现。
六、理性注脚
三点说明，供决策参考：
- 自主化不是越"全"越好。对生物制药这类安全与合规容不得闪失的行业，边界清晰比能力全面更重要；
- 英矽智能"龙虾"的经验来自实验室场景，ETA的机制面向组织知识工作，两者互补而非替代——药企的完整自主化路径，大概率是"实验室自主化 + 组织自主化"的双线演进；
- 任何智能体项目的第一步都不是选模型，而是盘点知识资产：你的SOP、历史应答、技术文档是否已经结构化？这个问题的答案，决定了边界设计的起点。
结语
从自动化到自主化，表面上差的是技术，实际上差的是边界工程——哪些交给机器、哪些留给人、怎么留痕。敢放手的企业，都是先学会了不放手。
如果你的企业正在评估组织级智能体落地，欢迎了解联保致新ETA企智孪生的完整方案：http://www.lpck.cn/AIWebsiteBuilding/