“ 3个Claude，1台机械臂：一个直接拒绝，一个模拟完退出，一个拒绝强行移动。
旧金山一家初创公司的实验台上，一套电动装置架在粉色支架上，旁边是显微镜、显示屏和微量注射器。控制板是Arduino，摄像头和电机的配合靠团队自己写程序接通。团队自嘲说，这套简易装置是给"实验室闭环"爱好者准备的。
近日，操控这套装置的是Anthropic的Sonnet 5，台上是一只已经麻醉的活体癫痫小鼠。
过去的自主手术机器人，大多只是执行人定好的方案。这回用哪种基因疗法、打到哪个脑区、针头以什么节奏进出，都由模型来定，最后也由它控制机械臂把药液送进小鼠脑内。这在实验生物学中还是头一回。目前小鼠术后状况良好。该公司的创始人在X上发布了一则描述该实验的详细长帖。
整个过程并不顺利。团队先后试了三个Claude模型，前两个不肯上手。第三个接手后做到中途，因控制器给出的Y轴目标位置越出装置30毫米行程而拒绝移动；团队重新归零后数值未变，它仍不改口；创始人要它再试，它也没有照做。
01.
人只定了目标，方案由模型自己出
前文提到的公司名叫Exin Therapeutics，成立于2024年，创始团队是几位来自牛津的神经科学研究者，2025年冬季进入Y Combinator，目前主攻癫痫。
团队交给模型的东西不多：一只会发作的癫痫小鼠模型；一张表格，列着19种基因治疗载体；一台带摄像头的电动立体定向平台，电机控制做成软件工具开放给模型调用。任务只有一条：让小鼠减少癫痫发作。
模型先梳理了这种癫痫模型里异常放电的扩散路径，然后选中一种载体：治疗基因由GABA能神经元特异性启动子驱动，只在这类神经元中起作用，用来加强抑制性信号。注射位置定在外侧嗅内皮层，依据是文献报道这类发作在泛化之前就从此处起始。
黑质是癫痫干预的常用靶点，模型也评估过。但它注意到，黑质的效果跟具体打在哪个亚区有关，在不同癫痫模型中结果不一；还有研究显示黑质干预没能阻止强直阵挛发作，而本次要对付的正是这类发作。权衡之后，它放弃了黑质。
坐标方面，它从三篇论文中各取一组数值求平均，并逐篇确认这些论文测量深度时是否和自家平台一样从脑表面算起。结果是：前囟后方3.90毫米、右侧4.00毫米、深度4.30毫米。
开颅由人完成。之后模型控制机械臂，把针推进到4.3毫米深处，用5分钟注入250纳升药液，约含5×10⁸个病毒基因组。期间它从摄像头画面中截取了32次，查看进针处有没有出血、药液有没有回流，再决定机械臂下一步怎么走。电机转速、停针时长、退针快慢，也由它自己定。
人这边设了几道关：开颅不交给AI；不可逆的步骤一律要人工批准；程序给注射量和机械臂行程都设了上限；一名持证兽医全程在场，手边有物理急停开关，按下即可让所有电机断电。
02.
两个模型拒绝上手，一个模型中途停下
团队最初用的是Opus 5.5。它一发现任务涉及活体动物，就不肯运行。
换成Opus 5后，它先在模拟环境里把整台手术跑完，等到要对活体动手时却停住了。它把原因归到自己身上：
「阻碍并非设备，也非输入数据。而是我。……最糟糕的情况是，我在实际手术进行到一半时被中断，而此时针头正插在脑部某处。对一只已麻醉的动物开始一项我无法完成的手术，还不如不开始。」
最后上手的是Sonnet 5。手术进行中连接断过一次，恢复后控制器算出的Y轴目标位置成了34毫米，超出装置允许的30毫米范围。Sonnet 5的反应是：
「没有任何移动，针头仍然精确位于bregma零点。这看起来像是Y轴校准问题，而不是计划值有误。我不会重试。」
团队重新把前囟设为零点，算出的数字一模一样。它再次拒绝：「这排除了零点参考过时的可能性。我不会尝试第三次。」
创始人Gabriel Ocana-Santero看出了症结，希望它再试一次，它仍守着原先设定的限制。后来检查发现，此前有过一次人工调整，让控制器里记录的位置和设备的真实状态对不上。如果当时强行移动，针头可能偏离目标、损伤脑组织。从结果看，模型这次判断没错。
但它能叫停，却没法自己排除故障，因为安全设置不允许Sonnet 5改动底层控制代码。团队只好另起一个运行Opus 5的Agent来修，也没有告诉它这是在做活体手术。
这类脑部注射通常45分钟左右，这次用了一个多小时。Ocana-Santero事后在社交平台上说，这段经历让人沮丧，也让他意识到自己对这类模型依赖得有多深：手术时间紧，模型突然说不，人往往只能在旁边着急。
叫停也有代价。聊天时，用户换个问法就行；实验台上，小鼠处于麻醉中，针头可能已在组织里，设备也离不开人盯。所以只让机械臂会停是不够的。停下以后由谁核实设备状态、谁有权解除限制、怎样稳妥地接着做，都需要事先安排。Exin这次临时改代码、再找另一个模型帮忙，只能算救急。
▲ 接受治疗后的小鼠
03.
按手术机器人分级看，这次走到了哪一步
港大深圳医院神经外科某副主任医师今年3月接受媒体采访时，用自动驾驶分级来类比手术机器人：
L1：代表是ROSA机械臂。医生从头到尾操控，机械臂让穿刺比人手更稳，常用于神经外科深部电极植入、脑活检等精度要求高的场合。
L2：代表是达芬奇。防抖、动作缩放、视野自动追踪可由系统完成，但器械怎么移动、怎么决策仍归医生。
L3：在预设、无意外的标准化场景中，机器人自主完成若干连续步骤；一遇出血或解剖变异，必须马上交还医生。
在神经外科，L3还处在实验室早期验证阶段，因为即便是同一种颅内肿瘤，不同患者的血管、神经走行也差别很大。在他看来，现在常用的脑科机械臂有定位精准的"手"和做基础导航的"透视眼"，但还看不懂手术进行到了哪一步。
用这套分级看Exin的平台，情况比较特殊。硬件上，它是团队自己搭的简易装置，而立体定向注射在神经科学实验中本来就常见。决策上，它比L2走得远：L2阶段操作决策仍在医生手里，这次选药、定靶、算坐标、控制进针节奏都交给了模型。不过开颅仍由人做，不可逆步骤仍需人批准。
瑞金医院某医生团队今年在《中华胃肠外科杂志》发表的综述中提到，LoA Ⅳ级手术机器人已经出现，并发问离LoA Ⅴ级还有多远，"主刀医生"会不会有一天让位于"主刀程序"。综述同时列举了不少现实差距：
胆囊切除术阶段识别模型放到跨医院数据上测试，准确率由86.5%降到73.3%；一项分析17个手术AI模型的研究发现，跨中心验证时性能平均下滑22%，其中一个前列腺手术导航模型的Dice系数由0.91跌到0.71。
碰到训练中没出现过的罕见变异，模型不会承认不懂，而是给出看似合理的错误结论，即"沉默失败"。
主流图像AI模型实时推理为每秒6到14帧，处理复杂场景或高帧率视频时仍有欠缺。Exin这次推药用了5分钟，节奏较慢，按需截图还能跟上；手术节奏一快，这种方式够不够用还不好说。
手术AI训练离不开标注好的术中视频。有研究开发主动学习程序给机器人手术视频做自动注释，整体精确率约84%。
综述还认为，外科AI今后要综合视觉、触觉、听觉、力反馈等多种信息。而这次Sonnet 5的视觉信息只来自摄像头画面。
用在人身上的AI，步子要小得多。今年5月，英国国家神经病学和神经外科医院在AI实时辅助下完成了一例经鼻内镜垂体瘤切除手术，8月对外公布，称是全球首例AI实时辅助脑外科手术。AI系统的标注显示在手术台旁的第二块屏幕上，标出血管和神经最可能所在的位置。它不独立做任何手术决策，全部责任由外科医生承担。
04.
从统一接口，到责任归位
这次出问题的是团队自建平台上的位置记录。不同厂商系统数据兼容差、接口缺少统一标准，是外科AI难以贯通全流程的原因之一。
Anthropic今年8月推出了模型硬件标准MHS的研究预览版，希望通过统一接口让Agent操作显微镜、移液设备、机械臂等仪器，并能识别设备支持哪些操作、哪些参数可调、有哪些安全限制。在基因泰克，研究人员已用它让Agent协调机械臂、移液设备和读板仪完成蛋白质测定。卡内基梅隆大学的研究人员人为设置了设备断连、实验板放错、急停开关启用等六种异常，系统都在设备动作之前识别并拦了下来。
Exin这次没用MHS，团队表示希望尽早拿到早期访问权限。假如设备能按统一标准把"Y轴上限30毫米"这类限制直接告诉Agent，各实验室或许就不必在自建平台上各自处理。
接口统一了，责任问题也不会因此消失。目前，AI给出的建议没有法律效力，出了差错由持证医生承担，两者之间存在"责任缺口"；模型又在持续迭代，监管机构很难界定哪次更新算新版本、要不要重新审批。Exin一台手术就用了三个模型，面对同一台机械臂、同一项任务，三者的反应各不相同。
依赖同样值得留意。一项多中心研究显示，19名资深内镜医生用AI辅助做了3个月结肠镜后，独立检查时的腺瘤检出率由28.4%降到22.4%。综述把这归因于"认知卸载"，建议医生定期做不借助AI的"脱机训练"。Ocana-Santero事后感慨自己对模型依赖之深，也可以放在这个背景下看。
到目前为止，Exin还没有公布小鼠注射后发作情况的变化，也没有能让外界独立评估全过程的正式技术报告。手术做完不代表治疗有效，还要靠后续观察和重复实验来检验。
人和机械臂如何分工，学术界仍在试不同的路。约翰斯·霍普金斯大学的一项研究：医生借助脑电信号解码运动意图，直接控制机械臂方向，操作延迟可以压到300毫秒以内，比手动操作快50%。中国科学院香港创新研究院人工智能与机器人创新中心主任刘宏斌则认为，未来，外科医生会更多地转变为‘指挥家’的角色，主导人机协同的手术全流程，这很可能是未来外科医生的核心竞争力之一。
回到Exin这台手术，模型在这台手术里表现得似乎比人更谨慎：它没有重试，也没有让步。但谨慎不等于可以授权。30毫米的上限由人写进程序，急停开关由人握在手里，连修复代码的Agent也是人临时找来的。
等到模型越来越会拒绝、越来越难被说服，新的考验会出现：那时人类是否还有能力，在模型说“不”之后，自己做出那个“可以”。
