10月13日，安捷伦宣布拟以2.4亿美元（折合约16亿元）现金收购数字病理软件企业Proscia，另设最高3000万美元的附条件支付款项。同一天，Waters推出AI Link，并加入Anthropic发起的实验室硬件AI控制标准研究计划。仅一周前，丹纳赫新任CEO上任后宣布建设集团首个AI自主实验室；10月14日，又公布了与英伟达的合作。

不到十天，三家科学仪器巨头接连出手。放眼2026年，赛默飞、岛津、布鲁克等企业也相继披露AI战略。不同于过去侧重谱图识别、数据处理和故障诊断的智能化应用，这一轮AI布局正从单台仪器延伸至实验设计、仪器控制、数据管理乃至整个实验室的自主运行。

科学仪器行业的AI竞争，正在进入一个新的阶段。

从买软件到控制仪器，巨头在争夺什么？

安捷伦收购Proscia，表面上是一笔数字病理业务投资，背后却有更深的战略考虑。

Proscia并不生产科学仪器，其核心产品Concentriq是一套数字病理软件平台，能够连接玻片扫描仪、实验室信息系统、图像分析及AI工具。公司目前服务超过4000家实验室、医院及诊所，过去一年收入超过1800万美元。

安捷伦原本已拥有病理染色、试剂及伴随诊断业务，收购Proscia将进一步补齐数字化工作流程。值得注意的是，双方早在2022年就已建立合作关系，此次收购意味着安捷伦希望将平台能力纳入自身业务体系，并获得持续性软件收入。

如果说安捷伦选择通过收购获得软件平台，那么Waters则希望让AI直接进入仪器操作流程。

10月13日，Waters发布AI Link，将Anthropic的模型上下文协议（MCP）引入waters_connect软件。未来，科研人员有望通过自然语言，让AI辅助创建分析方法、运行样品序列、处理检测数据。同时，Waters加入Anthropic的Model Hardware Standard（MHS）研究计划，探索让AI智能体直接操作色谱、质谱等实验设备。

在此之前，Waters的waters_connect和Empower等软件已承担仪器控制、数据采集及合规管理职能。引入AI后，软件将不再仅仅响应人工操作，而有机会成为实验任务的执行和协调平台。

丹纳赫的布局则更进一步。集团计划依托Abcam，整合贝克曼、Cytiva等旗下企业的技术，建设能够利用AI设计实验、通过自动化设备执行操作，并将检测结果反馈模型的自主实验室。项目预计2027年初扩大运行规模。

三条路径有所不同，却指向相近的目标，从提供仪器和分析结果，延伸到组织整个实验工作流程。

2026年，国际科学仪器巨头的AI布局全面提速

这股趋势并不局限于上述三家巨头企业。

今年1月，赛默飞宣布与英伟达建立战略合作，将AI计算平台与科学仪器、实验室软件及数据连接，探索减少实验设计、样品处理和结果分析中的人工环节。

6月，安捷伦宣布与OpenAI、波士顿咨询集团合作，加快AI在仪器、软件、服务和企业运营中的部署。

岛津在2026—2028年中期经营计划中提出，利用AI技术，让分析仪器及软件自动判断系统状态和分析结果，减少对操作人员经验的依赖，并进一步提供覆盖实验室工作流程的整体解决方案。

布鲁克则从专业数据切入。今年2月，布鲁克扩大与AI生物技术公司Noetik的合作，利用空间分子成像产生的高维生物数据支持AI基础模型训练；9月推出的Spectronaut v21，则通过AI迁移学习提高蛋白质组学软件适应不同质谱采集技术的能力。

这些动作显示，科学仪器企业的AI战略已经形成不同方向：有的强化仪器智能化，有的建设软件与数据平台，有的利用高质量科研数据开发领域模型，也有的试图建立自主实验室。

其中值得关注的是，AI模型企业与科学仪器巨头的合作日益紧密。英伟达、OpenAI和Anthropic提供计算、模型与接口技术，而仪器企业掌握真实实验设备、专业分析方法以及长期积累的行业应用经验。

双方开始围绕真实实验流程建立新的合作关系。

国产仪器企业，从具体检测场景寻找机会

与国际巨头通过战略合作、软件并购布局平台生态相比，国产科学仪器企业的AI应用更多从具体检测环节切入。

聚光科技旗下谱育科技开发的全自动水质分析实验室，将AI视觉识别、智能调度、机器人操作与分析设备结合，实现样品识别、取样、稀释、前处理、检测及报告生成等环节的自动化。2026年半年报显示，相关方案已拓展至地表水、地下水、海水等多个应用场景。

华大智造则依托自动化设备和实验室软件，通过涌生智能发展AI4S业务，尝试将AI智能体、实验设备及真实实验反馈连接，建立“设计—执行—分析—反馈”的科研闭环。

在化学分析领域，莱伯泰科今年5月发布EvoLab智能化全流程元素分析系统，将超级微波消解、定容稀释、自动进样与ICP-MS连接，探索“样品进、结果出”的一体化检测流程。

自动化不等于AI，自主运行也不意味着系统已具备独立科学决策能力。但这些实践表明，对国内企业而言，前处理自动化、检测流程协同和数据智能分析，可能比直接开发通用大模型更具商业可行性。

尤其在食品、环境、制药等标准化检测领域，实验室对降低人工操作、提高检测效率和保证结果一致性具有明确需求。

AI将如何改变科学仪器行业的生意？

对于科学仪器行业而言，AI的发展并不意味着硬件价值下降。

恰恰相反，当AI参与越来越多的科研与检验检测任务，模型需要通过真实实验不断验证与修正，可靠仪器和高质量数据的重要性可能进一步提高。

但仪器企业创造价值的方式正在发生变化。

过去，用户主要采购一台色谱仪、质谱仪或光谱仪，配套相应的软件和服务；未来，部分用户可能更关注企业能否提供从样品处理、实验设计、仪器运行到数据分析的完整解决方案。

这也可能成为中国市场科学仪器企业新的竞争切入口，在持续突破核心仪器性能的同时，围绕具体应用场景加强前处理、设备控制、软件及AI能力的整合。

文章来源：仪器信息网