Phyraxis Runtime
Verified Contract、版本化 Adapter、Preflight、Human Gate、QC、Evidence Ledger 与 Replay；首个 Workflow Pack 正在工程验证。
为什么现在
AI4S 的瓶颈，正在从“想出实验”转向“执行实验”。
通用模型正在提供越来越强的感知与动作能力，但生命科学仍需要经过批准的协议、设备适配、安全边界、QC 和执行证据。Phyraxis 正在建设连接基础模型与真实实验室的领域执行层，目标是在已接入且受控的范围内，让动作、参数、异常和结果可被记录、验证和复盘。
Phyraxis 闭环
一个持续改进的科学闭环
科学意图与实验设计，经人工批准后由 Runtime 编译与校验，再由人员、机器人和仪器协同执行，QC 与证据支持受控改进。
- AI 预测 / 设计 模型、文献与科学工具
- 批准与编译 人工确认、结构化工作流与安全校验
- 受控执行 人员、机器人与仪器协同
- QC 与证据 Observation、Artifact 与回放
- 受控改进 离线评估、人工批准与版本化
平台架构
Runtime 是连接科学意图与物理执行的技术内核。
Scientific AI 提供科学推理，Physical AI 提供感知与动作能力；Phyraxis Runtime 的目标是把二者约束在经过批准的生命科学协议、设备条件、安全边界、QC 与证据链中，当前正在首个 Workflow Pack 范围内工程验证。
Physical AI｜执行能力层
提供感知与动作能力；具体设备、模型和动作必须分别适配、校准与受控验证
Scientific AI｜上层路线
当前主要连接外部科学模型与知识工具，逐步建设实验推理能力
Phyraxis Runtime｜核心技术内核
长期产品化方向；当前通过首个 Workflow Pack 和标准化执行单元推进工程验证
确定性安全底座
状态机、运动控制、权限、互锁、人工确认与版本管理
产品架构
一个技术内核，两种执行形态。
Runtime 是核心技术内核；标准化执行系统（LabGrid™）设计用于固定、可标定任务；柔性机器人扩展（LabMate™）设计面向后续跨工位与长尾操作。两种执行形态均处于工程或受控验证阶段，不是两条成熟、独立的产品线。
标准化执行系统（LabGrid™）
设计目标是在固定、可标定的站内载体中覆盖模块化货架、轨道/执行机构、视觉、载具与设备编排；当前处于工程验证阶段。
柔性机器人扩展（LabMate™）
设计面向跨工位物流、上下料、扫码和低风险长尾操作；当前处于研发与受控验证阶段。
客户原始实验数据、样本数据及专有结果不当然归 Phyraxis 所有；通用工作流、设备适配、QC 与失败知识的跨项目复用或训练，须另行取得书面授权，并受脱敏、用途、保留期限、删除机制和合同约定约束。
商业路径
出售一条边界明确、可验收的工作流，而不是机器人演示。
每个阶段独立定义范围、价格、证据和停止条件；只有前一阶段通过约定验收，才进入下一阶段。
- 付费诊断 / 可研确认预算负责人、流程边界、接口、风险与业务价值
- 付费 PoC按预先约定的输入、输出、条件、证据与验收标准交付
- 标准化部署部署经过验证的 Workflow Pack、Adapter、QC 与必要执行系统
- 许可与维护Runtime、Workflow 与 Adapter 的许可、更新、验证和支持
- 扩展在复用价值得到证明后，按工作流、设备和站点扩展
目标工程配置
标准化执行系统 + 柔性机器人扩展：基于真实结构与设备资料的集成目标。
以下为工程效果图与设备资料形成的目标配置，不等同于已完成整机集成、现场联调、重复性验证或客户验收。
以开放式货架、顶部水平导轨与侧置竖向执行机构为结构基线；目标是在定义工作包络内覆盖模块位置，运动学、碰撞与实机可达性仍待独立验证。
目标配置为胸部 D435if、左右腕部 D405C 与双 Linker Hand O6，用于后续跨站物流和非标准交互的受控验证；型号与整系统兼容性仍待实物核验。
Phyraxis 液体处理工作站作为规划中的原型模块；接口、标定、整系统联调和湿运行仍待现场验证。
边界说明：效果图只表达集成目标；O6、相机、液体处理原型及货架执行机构的实物身份、兼容性、运动学、整系统联调、重复性、碰撞安全和客户验收均须独立核验，本页不宣称已经完成。
混合智能架构
学习智能之上，必须有确定性安全底座。
计划通过遥操作与模仿学习逐步建立基础操作能力，VLA 与强化学习属于后续验证路线；任何生产执行仍须由状态机、安全门、人工确认和版本化管理约束。
遥操作示教
计划在获得授权并完成数据治理后，逐步采集人类专家示教轨迹、双臂状态、末端工具、设备交互和视觉上下文。
多模态日志
规划同步记录双臂关节、相机画面、流程步骤、设备状态、异常和质量标签，并保留版本与来源。
仿真前置筛查
仿真拟用于早期布局、状态和显著碰撞风险筛查；它不证明实机碰撞安全，受控实机仍须经过独立安全门与验证。
动作库
逐步建设移液、抓取、开盖、按键和视觉校验等动作原语；每项能力按数据版本、模型与实机证据单独标注成熟度。
可验证执行
为真实动作建立可验证执行路径。
首个候选工作流从样本/板位身份核验、状态确认、设备衔接、受控动作、视觉确认和证据记录开始，并按 simulated、dry-run、HIL、physical、wet-run、repeatability 与 acceptance 逐级推进。
当前公开证据包括软件/仿真闭环和工程展示；受控实机、湿运行、重复性及客户验收必须分别验证，任何较低证据层级均不替代较高层级。
当前进展
从仿真证据走向受控实机。
首轮战略投资已完成；Runtime 与候选首个 Workflow Pack 正在工程验证，首批机器人和实验设备已进入部署调试。受控实机、湿运行、重复性和客户验收仍按独立证据门推进。
已完成
工程验证中
部署调试中
推进中
场景验证与工程收敛中
寻找首批联合验证伙伴
当前尚未形成客户验收级的系统化成功率与重复性数据。后续将以明确预算负责人、任务边界、验收标准和受控条件推进付费合作验证。
应用场景
候选首个商业场景：RUO 分子生物学流程的样本、板位、设备衔接与执行证据。
样本与板位核验
建立样本、耗材、板位和任务之间的可追踪映射。
设备衔接与上下料
从空板、模拟样本和低风险设备交互开始，逐级验证。
视觉确认与 QC
核验位置、状态和关键操作结果，失败时保持 UNKNOWN 或转人工。
执行证据与 Replay
关联 Contract、Command、Observation、Validator、Artifact 与 Ledger。
异常与人工接管
对 timeout、通信中断和结果未知采用 fail-closed 处理，不猜测成功。
受控湿运行路线
真实移液、样本处理和完整流程须在安全门、客户验收标准和独立验证后推进。
仅供研究使用（RUO），不用于临床诊断或医疗决策。真实样本与湿运行还须满足站点政策、生物安全、样本类型与等级、适用伦理/法规批准及客户书面授权。
差异化
长期壁垒必须由付费验收、第二次部署与续费逐步证明。
验收标准定义的付费 Workflow从明确输入、输出、边界和验收标准的付费验证开始；完成客户验收并取得适用书面授权后，才可沉淀为公司可复用资产。
版本化设备适配Adapter 绑定型号、SDK、固件、能力和验证状态，而非笼统宣称硬件无关。
QC、失败语义与证据把成功、失败、UNKNOWN、人工接管和恢复路径完整关联。
第二次部署效率用更短周期、更少定制、更低成本和客户续费证明复用能力。
战略定位
Phyraxis Runtime：工程验证中的可验证执行内核。
Workflow 与 Contract将经批准的 Scientific Intent 与 SOP 编译为可审阅、可回滚的执行合同。
版本化 Adapter机器人、工作站、相机和仪器逐一适配、校准并记录验证范围。
安全与 QC状态机、权限、互锁、人工确认与质量评价共同约束真实执行。
证据与权属边界系统生成可追溯执行证据；数据权属、保存和复用严格以客户授权与合同为准。
Phyraxis AI
寻找首批付费 Design Partner 与生态伙伴。
共同选择一个边界明确、可验收的生命科学子流程，确认预算负责人、任务范围和验收标准，启动付费联合验证；同时欢迎生命科学、CRO、科研平台、仪器与机器人伙伴合作。
联系 Phyraxis AI
公司主体与办公地址
- 公司主体
- 上海斐睿科思智能科技有限公司
- 办公地址
- 上海市浦东新区金港路1188号C2栋江程云璟创新中心806