過去半年，我一直在追蹤誰在建造自驅動實驗室——那些由 AI 驅動、機器人運作、試圖讓「假設—實驗」形成閉環的科學平台。整理的成果是一張精選互動地圖：sdl-map.discoverylabs.nl，收錄 74 個條目，分為四個層級：國家計畫、學術團隊、商業公司，以及實驗室作業系統平台。
這不是搜尋引擎索引出來的清單，而是我建構的視角。哪些國家正用公共資金推動自主發現——加拿大 Acceleration Consortium、韓國 MOTIE 的五百實驗室計畫、法國 PEPR DIADEM、歐盟 BIG-MAP / FULL-MAP；哪些學術團隊真正在運作實體平台——A-Lab、Cooper、Cronin、Jensen、Abolhasani、江俊（Jun Jiang）；哪些公司已從願景簡報進入營運設施——Lila Sciences、Medra、晶泰科技、Cusp AI；哪些作業系統層在底層協調一切——Automata LINQ、Benchling、Artificial、Atinary。
做這張圖，是因為「這個領域在哪裡聚集、哪裡有斷點？」這個戰略問題，單一視角給不了答案。資助公告散落在新聞稿裡，團隊能力分散於各自網站，供應商版圖隱藏在產業報告中。這張地圖把它們融為一體。倉庫公開在 github.com/yetiswang/sdl-map，每個條目的元資料、座標、資金標籤與來源都寫在 JSON 裡，可自由 fork（複製擴展）。
退一步看：迴路中的表徵環節（characterisation-in-loop）仍然是最稀缺的能力。多數已營運的 SDL 合成做得不差，表徵卻很粗糙。只有少數真正把先進的多模態表徵整合進自主迴路。這才是值得持續關注的斷點。