自驱动实验室（SDL）通过自动化实验执行与优化，加速科学发现。近年来，AI 代理能够提出新实验方案，但现有 SDL 只能运行预先构建好的流程，若要适配新实验仍需大量手工工程，导致实验室灵活性成为扩展的瓶颈。
本文提出 自建实验室（SBL） 的概念：在给定高层次科学目标的前提下，系统能够自行设计、配置并运行实验平台。SBL 从已有资源出发，无论是空房间还是已有的 SDL，都能自动补全缺失的能力，包括实验室布局、数字孪生模型、机器人技能以及实验工作流。
我们在不同机器人和硬件配置下演示了 SBL 的可扩展性：从单工作站扩展到多机器人协同实验室。通过一次真实的量子点合成实验，验证了 SBL 的端到端能力。
SBL 的核心价值在于将研究人员的角色从手动配置与编程设备自动化，转变为仅需定义科学目标，从而让科学自动化更加易用、灵活且可规模化。
点评：SBL 为实验室的快速迭代提供了技术路径，有望显著降低实验部署门槛，推动跨学科的自动化探索。