剑桥的一间实验室里，研究者穿着实验服、戴着手套，头上还绑着微型相机。每个操作台上方，三台相机从架子上俯视。实验记录本不见踪影，研究者对着麦克风小声口述自己的每一步操作 [47]。
真正在"做记录"的是 AI。传感器和软件把实验过程毫秒级记录下来，模型辨认每件器材、每个动作，每隔几秒自动生成一句叙述："操作者用移液枪反复吹吸 10 次，重悬了沉淀。" [47]
8 月 27 日，《纽约时报》科学作家 Carl Zimmer 报道了这家名叫 Transfyr 的公司。本周它刚走出隐身模式，带着 2500 万美元种子轮亮相 [47][11]。
失败各有各的版本，成功说不清原因
Transfyr 要解决的，是科学界最老也最贵的问题之一：为什么同样的实验，有人做一次成一次，有人怎么都做不出来？
失败的版本很多。花几个月构建的工程细胞系，半路神秘死亡；新冠检测试剂换个实验室就测不出病毒；药企把有前景的新药 protocol 移交放大生产，突然就失灵了 [47]。
"这是个极其痛苦的问题，"联创 Anna Marie Wagner 说，"双方互相指责。是你的 protocol 写错了？还是你操作搞砸了？从时间、金钱和人命算，这些错误都非常、非常昂贵。" [47]
成功同样神秘。总有些研究者出手即成，同行又佩服又费解，得了个专门术语：魔法之手（magic hands）。上世纪 60 年代，匈牙利化学家波兰尼给这种说不清的专长起了名字：隐性知识。他常说："我们知道的，比我们能说出来的多。" [47]
"Protocol 是菜谱，"与 Transfyr 合作过的 Broad 研究所资深科学家 Jonathan Livny 说，"你把菜谱给别人，他也不会因此变成大厨。"真正的高手往往说不清自己高在哪。"他们不记得自己曾用别的方式失败过 20 次。那些伤心事都被他们屏蔽掉了。" [47]
隐性知识的代价有数字可查。2016 年《自然》对 1576 名研究者的调查显示，超过 70% 的人复现不了别人的实验，过半的人连自己的都复现失败 [19]。1993 年"莫扎特效应"引发全球复现潮，原作者 Rauscher 把失败归咎于别人"厨艺不精"；争论持续多年，最终证据寥寥。因此，复现失败常常变成一笔糊涂账：是原创错了，还是复现者手艺不精，谁也说不清 [47]。
创始人：ARPA-H 创始局长，加 Ginkgo 前 AI 负责人
两位创始人的履历都不寻常。Renee Wegrzyn 是 ARPA-H（美国卫生高级研究计划局）的创始局长，2022 年上任，执掌 40 亿美元健康创新组合，2025 年 2 月去职；此前她在 DARPA 生物技术办公室做了四年项目经理，主导 Safe Genes 等基因编辑项目，还曾任 Ginkgo Bioworks 业务发展副总裁 [3][5]。
创业动机来自亲身经历。做博后时，她把实验记在记录本上，发表时再压缩。"我做了三年博后，最后被总结成一篇三页的论文，"她说。那些年里成千上万个小决定，几乎全部丢失 [47]。
另一位联创、CEO Wagner 曾任 Ginkgo Bioworks 的 AI 与企业发展负责人、代理 CFO，参与主导 2021 年募资 16 亿美元的上市；更早之前在贝恩资本工作 [9]。"现有的科学记录是对现实的有损压缩，"她在发布声明中说 [11]。
资本阵容堪称豪华：General Catalyst 领投，Lux Capital、SV Angel 等七家机构与慈善家 Lyda Hill 跟投；天使名单里有诺奖得主 David Baker、"Attention Is All You Need"联合作者 Jakob Uszkoreit、默克前 CEO Ken Frazier 和 OpenAI 前首席产品官 Kevin Weil [11][12]。
给科学装上"可观测层"
Transfyr 把自己的定位叫作科学的"可观测层"：传感器阵列加多模态模型，被动记录实验台前真实发生的一切——操作、意图、环境变量、仪器数据，连耗材都追踪到手套箱的批号 [12][47]。
为什么要批号？"也许手套上挥发出的某种东西正在改变你的实验，"Wagner 说 [47]。
数据已经开始说话。Transfyr 发现，即便训练有素的研究者，做同一个实验的方式也千差万别。"我们看到的差异之大，相当惊人，"Wagner 说。同一个 protocol，有人 6 小时做完，有人要 8 小时 [47]。
更戏剧性的是 Broad 研究所技术员 Charlie Low 的故事。她以"魔法之手"闻名，Transfyr 的系统却发现她提取 RNA 时有个自己毫不知情的偏差：化学反应进行了 120 秒，protocol 写的是 90 秒。原因是她先启动反应、后按计时器。但结果出人意料——多出来的 30 秒反而让实验效果更好 [47]。
公司自建湿实验室产生训练数据，在真实流程中测试传感器堆栈，还为前沿 AI 实验室做评估 [9][14]。商业化已经起步：一家诊断公司签约成为客户 [47]。
这条赛道不止它一家
质疑：先证明它真能让科学变好
复现研究权威、弗吉尼亚大学的 Brian Nosek 未参与 Transfyr，但乐见其成。"我最喜欢的一点是，他们全力拆解每一个细节，"他说，"先全量记录，再弄清楚什么真正重要，这很合理。" [47]
但他开出验证药方：找 50 家实验室，一半用这套系统追踪，一半不用，再比较两组的进展差异 [47]。
研究隐性知识 50 多年的卡迪夫大学社会学家 Harry Collins 态度谨慎：分子生物学已足够成熟，这套方法或有可为；但在共识更少的领域能挖出多少，他持怀疑态度。"你可能偶尔走运，但这不是解决科学问题的银弹。" [47]
还有一个细节值得留意：PitchBook 数据显示，一笔 2560 万美元的种子融资 2025 年 5 月就已入账，领投方记为 The Engine Ventures——比本周官宣早了一年多，金额与领投方口径略有出入 [10]。隐身一年多，Transfyr 选择用《纽约时报》的版面亮相。
所以，"魔法之手"的谜底能被传感器揭开吗？现在下结论太早。但至少有人开始承认：科学记录里丢失的那部分，值得花 2500 万美元捡回来。
---
核实说明：本文基于《纽约时报》2026 年 8 月 27 日 Carl Zimmer 报道原文全文（VERIFIED，由用户提供）；公司融资、创始人履历等事实经 TechStartups、FinSMEs、官方新闻稿、Wikipedia 等多方独立来源交叉验证（VERIFIED）；融资时间线出入已按 PitchBook 记录如实标注（DERIVED）。