实验室工具与上游板块首页
全景
中美实验室设备/试剂/科学仪器头部公司全景中美通用实验室设备/耗材头部厂商统计中美实验室硬件/仪器/耗材上市公司:过去一年业绩与股价7 家 A 股科研上游公司深度分析高校科研实验室设备/物资供应商
创新药研发的仪器与采购
创新药研发的实验设备与试剂采购:结构、占比、市场份额创新药研发仪器:分类、厂商、市场规模与出货量科学仪器与生命科学工具:厂商公司档案国产对应厂商 + 外资在华布局高端仪器与耗材的买方结构:医院 / 企业 / 高校生物医药研发设备的"总包"角色:有没有生物医药版的科晶?创新药研发进入湿实验后
药物研发的“盐”类投入品
药物研发"盐"类投入品:核查、统一口径与可投资排序药物研发中的"盐"类投入品Lane A:核酸类盐Lane B:蛋白与酶试剂Lane C:小分子化学与分析耗材Lane D:细胞与动物Lane E:实验塑料耗材与自动化耗材
公司深度
丹纳赫 Danaher深度分析:药物研发"盐"平台 × AI默克 KGaA深度金斯瑞生物科技 GenScript公司深度分析百奥赛图 Biocytogen公司深度分析毕得医药公司深度分析Enamine 与 Benchling:公司简介与总结Twist Bioscience公司完整分析10x Genomics万乘基因Ginkgo Bioworks / Axolabs / A…
实验室自动化
镁伽科技完整镁伽科技:产品体系、壁垒与设计理念镁伽科技补充调研:融资轮次、团队、鲲鹏实验室、客户与合作伙伴镁伽科技:创业起源、IPO 失效后的动向、分析师评价镁伽 vs 晶泰、奔曜、玄刃汇像科技

镁伽科技:产品体系、壁垒与设计理念

整理 2026-10-01 · 来源与可靠度标注见正文
本文目录
  1. 一、设计理念
  2. 二、产品体系
  3. 三、壁垒评估:哪些是真的,哪些偏弱
  4. 四、特别之处(和同行相比)
  5. 五、结论
  6. 来源

2026-10-01。是 的附件。产品参数和效果数据大多来自公司官网和公司口径的报道,没有第三方验证,文中会标出。

一、设计理念

# 理念 出处 落到产品上是什么
1 "客户要的不是锤子,而是把钉子砸进墙里" 黄瑜清;2019 年转型时提出 从卖机器人本体转向交付端到端的方案和结果,后来延伸出"AI-CRO"(鲲鹏实验室替客户做实验)
2 "做人不愿意做的事,做人做不到的事" 公司使命 前半句是替代重复劳动和高危操作(核酸检测、无菌灌装);后半句是做人力达不到的通量和精度(日检 240 块板、7μm 切割)
3 平台化应对"非标、小批量、多品种":模块像乐高一样拼 公司和多篇访谈 60/20/20 法则:一个新项目约 60% 直接沿用已有的成熟模块,20% 靠工具做参数配置,只有 20% 需要定向研发(另一说是 60–70% 模块组合、20% 只改软件参数)。下面是 MegaBlocks 模块库,加上技术中台(精密运动控制、视觉检测、远程监控)
4 "感知—构思—执行"闭环,即"自主智能体" 招股书口径、官网 每台设备或工作站被包装成一个"智能体":感知层负责视觉和传感器,构思层是 AI 优化和调度,执行层是模块化硬件。多台由一个 OS 统一编排
5 "AI 而非 AI+",即 AI 原生 官网文章标题 产品从设计起就把 AI 当成核心,而不是在传统设备上外挂算法;2026 年提出"All in AI"
6 数据为王 黄瑜清:"谁能掌握生产数据的工具,谁在未来就更有话语权" 鲲鹏实验室 3.0 强调"数据生成 ×100、处理 ×1000";定位为 AI4S 的湿实验数据工厂
7 一套技术栈跨行业复用 与非网分析、公司口径 生命科学与半导体共用精密运动控制、微纳操作和视觉算法(细胞识别 ↔︎ 晶圆缺陷)
8 "设计—构建—测试—学习"工程化循环 合成生物学方案、前首席科学家王承志 把科研流程变成可以自动迭代的工程闭环,是鲲鹏实验室的方法论

一句话概括:用模块化的工程平台解决定制化需求,用智能体加 OS的包装把硬件变成可编排的系统,再用自建实验室把系统变成数据和服务。

二、产品体系

1. 实验室"智能体"(硬件加软件的单元)

产品 定位 已知特点和参数(公司口径)
Auflo 液体处理工作站,号称"首个 AI 驱动的液体处理工作站" 五个系列(P/M/T/S/D),覆盖从移液到分液、从基础版到高通量专业版和可定制特别版;P1200 有 4 个独立 1000μL 通道,移液间距和体积可以分别控制
CellVue(T2000) 高内涵细胞成像分析 号称"国产首批通用型高内涵";高速成像,带环境控制,可以长时间观察活细胞
Seloris-Anti 先进疗法和再生医学的贴壁细胞规模化生产(GMP) 三个模块:全自动传代、收获、原液分装。8 小时处理 252 个 T 型瓶;人力效率提升约 80%,人为污染风险降低超过 95%,综合成本最多降 60%;目标是同时做到"无污染、高产能、高自动化"这三件通常难以兼得的事
AegisRex / Dismix / Misa 招股书列为六大智能体系列中的三个 公开资料没有说明具体用途

2. 软件和 OS 层

产品 定位
Labillion 号称"中国首个智慧实验室自主智能体操作系统":编排多个智能体、调度任务、治理数据、做 AI 决策
LibraX 智能质控和智能体网络管理(百奥赛图项目里用于研发和生产全流程的动态监控)
MegaInfomics 数字化中台:中央调度、数据集成、实验室信息管理、生信分析
FusionTwinX / Laminar 数字孪生和参数化仿真:先在虚拟环境里规划和调试产线或实验室,再优化运营
MegaCloud 基于 AWS(EKS、IoT Greengrass、Athena、Glue)的云平台,2021 年 3 周完成迁移
InteVega / MEGA AI AI 视觉平台,把共性算法沉淀成可复用模块,生命科学和半导体共用

3. 场景化解决方案(举例)

  • 全自动质粒构建:用在义翘神州,人工节省 90%,错误率降低 80%。
  • 冻干球全自动分装:用于诊断试剂。冻干球小、轻、带静电、易碎、吸潮快,分装很难做;镁伽提供四种产线和一体机形态。
  • 合成生物学:按"设计—构建—测试—学习"循环,覆盖克隆构建、基因编辑、纯化、酶活检测,可同时跑上千个克隆。
  • 高通量药物筛选、类器官培养、核酸检测:2020 年曾 25 天交付一套核酸检测前处理系统。

4. 智能制造产品

  • Manavis-Overlay 套刻量测:双面重复精度 ≤50nm,单面 ≤5nm。
  • 全自动晶圆 AOI:0.5μm 缺陷检测、0.1μm 关键尺寸量测;缺陷分类准确率 ≥98%;"过检率降低 97–98%"。
  • 激光切割机:良率超过 99%。7μm 超薄切割刀片,属于进口替代的耗材。
  • Fabsil:电池智能质检,宣称缺陷识别准确率 99.98%。
  • MEGA SemiGPT:半导体垂直小模型,零代码、零样本或少样本,部署在工厂本地,避免客户工艺数据外泄;可与 MES、WMS、AGV 打通。

5. 服务:鲲鹏实验室

详见补充报告。要点:3.0 版有五大平台;"8 人、4 个月、156 轮迭代,准确率 70% 到 90%"的抗体案例;早期报道称其年营收为数千万元级。

三、壁垒评估:哪些是真的,哪些偏弱

较强的壁垒

壁垒 证据 为什么难复制
1. 工程交付能力和模块库(核心护城河) 60/20/20 复用法则;25 天交付核酸系统;8 年积累 880 多家客户的项目经验;实验室和制造两条线共用技术中台 定制化实验室自动化的难点不在单台设备,而在把十几种进口和国产仪器、耗材、流程稳定地串起来。这依赖大量项目踩坑积累下来的模块和接口,后来者需要时间
2. 场景广度和装机带来的转换成本 2022 年新客户的收入留存率 115%,复购率 74%(另有访谈称复购率接近 100%);生命科学几个细分领域的前三名大多是它的客户 自动化系统一旦嵌入客户的流程(尤其是需要验证的 GMP 和诊断场景),替换要重新验证,成本很高
3. 核心部件自研和国产化 自研机器人本体、传感器和控制系统;80% 零部件国产化;国产整机价格约为进口的一半;"一台机器人替代十余人,投资回收期约 1 年" 在价格和供应链安全上相对进口品牌(Hamilton、Tecan、Beckman)有优势,适合国产替代和对国资采购友好
4. 合规型产品 Seloris-Anti 按 GMP 设计;冻干球分装面向诊断生产 在药品和诊断的生产端,合规验证本身就是门槛
5. 人才和专利 研发人员占一半以上;生物学家和工程师混编;已授权专利 450 多项 跨学科团队难以快速组建

较弱或存疑的地方

问题 原因
AI 层的壁垒没有得到证明 "智能体""AI 原生"更多是产品包装:缺陷识别 99.98%、抗体准确率 70%→90% 等都是公司口径,没有说明基准和数据集;调度 OS 这一层正在被开源平台(深势 Uni-Lab-OS)削弱
数据飞轮的逻辑不完整 设备客户的数据归客户所有;只有鲲鹏实验室自营服务产生的数据才真正归镁伽,而这部分规模不大(早年是数千万元级营收)
"模块化"和低毛利之间有矛盾 如果真有 60% 的复用,毛利率应该更高;实际只有 24–29%(实验室业务 2023 年才 13%),说明外购件多、项目人工重、议价弱。模块化降低了研发成本,但没有转化成定价权
标准品竞争力未经证明 Auflo 和 CellVue 面对进口巨头,以及国产的奔曜、玄刃等标准品厂商;单机销量和份额都没有披露,看不出明显优势
半导体端是小玩家 自称晶圆 AOI 市占约 5%;前道量检测的龙头是中科飞测、精测电子和 KLA;7μm 刀片、SemiGPT 是亮点,但规模有限
客户集中、产品线分散 前五大客户占 56%;同时做液体、成像、细胞 GMP、冻干球、合成生物、半导体、电池,研发资源被摊薄

四、特别之处(和同行相比)

  1. 国内唯一一家用同一套技术栈同时做实验室自动化和半导体检测的公司:晶泰只做实验室,天准只做制造。好处是复用和对冲周期,坏处是缺少聚焦。
  2. 最早用"智能体 + OS"重新包装实验室硬件:把每台设备抽象成可以编排的智能体,由 Labillion 统一调度。在 AI4S 叙事里抢到了一个容易被理解的位置。
  3. 2019 年就开始自建大规模示范实验室(鲲鹏),并向服务化延伸:在国内设备厂商里少见,只有晶泰类似。
  4. 生态打法:自办"镁伽工程奖"(已到第四届)、签 25 家"超级合伙人"、孵化镁睿化学(化学合成 CRO),用生态来拉动设备需求。
  5. 偏国产替代和国资友好:80% 零部件国产、价格约为进口一半、总部在苏州园区并获国资支持,在国产化采购政策下有天然优势。

五、结论

  • 真正的护城河是"工程化交付 + 场景广度 + 国产化成本",本质上是一家强工程公司的壁垒:慢慢积累、难以快速复制,但不构成垄断,也没有体现在毛利率上。
  • "AI 原生、自主智能体、数据工厂"是战略方向和叙事,目前还缺少可以验证的独占优势。能否变成真壁垒,要看三点:①鲲鹏实验室的服务收入能否放大并单独披露;②是否积累了归自己所有、可复用的数据和模型资产;③Labillion 能否成为第三方仪器也愿意接入的标准,而不是只调度自家设备。
  • 设计理念是自洽的:面向非标需求,用平台化应对;面向 AI 时代,用智能体和 OS 去包装;面向未来,用服务化去抓数据。问题在于商业结果(毛利率、现金流)还没有证明这套理念能赚钱。

来源

本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。