<p><em>能够使用自然语言规划和执行复杂科学工作的代理型人工智能，能够自我配置平台，并提供可追溯和可重复的答案，能够通过治理测试</em></p>
<p>, /PRNewswire/ -- Dotmatics 今天宣布推出 Luma Agent，这是一种嵌入在 Luma 科学智能平台中的新型代理型人工智能能力。Luma Agent 是一个 AI 合作科学家，能够规划和执行复杂的科学工作，不仅仅是回答问题，还能完成从数据分析、生成报告、管理工作流程到配置平台的端到端任务。与在碎片化、非结构化数据上操作的一般用途 AI 工具不同，Luma Agent 建立在工作点捕获的结构化、基于本体的科学数据基础上。这一基础使得每个答案都可以验证，每个行动都可以追溯，每个结果都足够可信以供行动。</p>
<p>Luma Agent 改变了实验室内 AI 的作用——从分析转向行动。科学家用自然语言描述目标。他们可以探索数据、管理工作流程、执行计算，或将工作交给湿实验室。他们还可以自行配置平台，无需服务参与，包括通过对话设置数据模型和创建工作流程。Luma Agent 制定计划，在多个系统和步骤中执行，并返回完整结果。以前需要几天的手动查询和协调的工作，现在可以在几分钟内完成。为了确保安全和问责，每个行动都有完整的审计记录，任何数据更改都需要人类批准，并且可以被验证和重复。</p>
<p>&#34;科学家们想要的不仅仅是数据——他们想要的是可以采取行动的洞察、答案、信任，并且可以追溯到产生这些答案的工作。Luma Agent 就是基于这一原则构建的，&#34; Dotmatics 的首席产品官 Kalim Saliba 说。&#34;由于数据在初始科学工作中是结构化的，每个答案都可以追溯到产生它的查询和源数据。这种可追溯性使科学家对结果充满信心。我们设计 Luma Agent 使其能够作为任何 AI 工作流程中的一个节点，因此任何外部代理都可以在没有一般用途工具无法复制的完整科学上下文的情况下调用它。&#34;</p>
<p>Luma Agent 是 Luma 的一部分，Luma 是一个 AI 原生的科学智能平台，允许科学家用简单语言查询他们的数据——无需 SQL 或工具切换。Luma 及其科学应用支持多模态药物开发、团队协作以及研究和生产中的连接数据。它旨在开放，与第三方系统集成，以便数据在团队需要的地方流动。</p>
<p>&#34;Databricks 赋能 Luma 从原始数据到可操作智能的能力，&#34; Databricks 的医疗保健与生命科学 GTM 副总裁 Michael Sanky 说。&#34;通过 Luma Agent，生命科学团队现在可以利用这一结构化基础，不仅进行分析，还能采取行动，将洞察转化为实验，时间从几天缩短到几分钟。Luma Agent 通过使复杂的数据管道变得对话式和自我配置，改变了这一局面。这是朝着理解领域上下文的 AI 迈出的重要一步，而不仅仅是数据量。&#34;</p>
<p><strong>旨在通过治理门槛，阻止 80% 的 AI 代理</strong> 赋予 AI 行动能力提高了风险。当 AI 对答案错误时，你可以再问一次。当 AI 对生产科学数据采取错误行动时，那是完全不同的问题。Luma Agent 在其核心设计中考虑了这一区别。代理采取的每一步都被记录，完整的工具执行记录捕捉代理所做的确切操作、使用的输入以及返回的结果。科学家在每个决策中保持控制，而代理处理中间工作。</p>
<p>Gartner 预测，到 2026 年，80% 的医疗保健和生命科学领域的代理型 AI 项目将无法超越初始治理检查点，这并不是因为基础模型不足，而是因为大多数平台无法展示受监管环境所需的可追溯性和可解释性。Luma Agent 的架构专门设计用于通过这一门槛。</p>
<p>使这一切成为可能的基础是 Luma 的结构化、基于本体的数据，这些数据是在科学工作点捕获的，而不是事后重建的。这是大多数供应商忽视的表示层：AI 的可追溯性和可验证性只能与其操作的数据相匹配。</p>
<p><strong>构建实验室的代理</strong> 大多数生命科学中的 AI 工具都是分析性的，回答关于已有数据的问题。Luma Agent 更进一步。科学家和管理员可以用简单语言描述模式或数据流，代理会进行配置，自动编写底层 SQL、设置任务类型并添加元数据。以前需要专业服务参与的工作现在可以在一次对话中完成。</p>
<p>对于数字实验室和信息学团队来说，这改变了部署的经济学。入职培训更快，配置专业知识不再是瓶颈，团队可以在不打开支持票的情况下对平台进行迭代。帮助科学家分析噬菌体展示实验的同一代理可以在一天结束前帮助管理员设置下一个研究的数据模型。</p>
<p><strong>按设计开放：任何代理都可以调用的共同科学家</strong> Luma 旨在与每个团队已经使用的 AI 工具协同工作。开发人员可以通过模型上下文协议（MCP）将外部语言模型（例如 Claude、ChatGPT 或专有系统）直接连接到 Luma 代理，以查询实验结果、检索协议或进行计算，而无需重建科学上下文。但这种连接是双向的：外部 AI 工具不仅可以从 Luma 读取数据；它们还可以配置 Luma。科学家和管理员可以通过简单地询问任何连接的 AI 助手来构建模式、设置数据流和自定义工作流程，然后该助手会直接在 Luma 中执行这些更改。</p>
<p>&#34;在行业竞相连接更多数据源的同时，我们专注于使中心的数据值得连接，&#34; Saliba 说。&#34;我们正在构建生命科学团队选择构建的开放生态系统，在这里，他们的代理、他们的数据和我们的科学能力融为一体。我们使外部代理能够在自己的工作流程中调用 Luma 作为共同科学家，发布开发者资源，并加深与更广泛企业 AI 生态系统的集成，以便 Luma 在团队需要的地方都能发挥作用。&#34;</p>
<p>要了解更多关于 Luma 的先进 AI 能力或请求演示，请访问 https://www.dotmatics.com/luma/artificial-intelligence。</p>
<p><strong>关于 Dotmatics</strong> Dotmatics 是研发科学软件的领导者，连接科学、数据和决策。其企业研发平台和科学家最喜爱的应用程序提高了效率，加速了创新。超过 200 万科学家和 14,000 个客户信任 Dotmatics，帮助他们创造一个更健康、更清洁、更安全的世界。Dotmatics 是一个全球团队，致力于支持其在 180 多个国家的客户。公司的主要办公室位于波士顿，在全球设有 13 个办公室和研发团队。Dotmatics 是西门子数字工业软件的一部分。</p>
<p>1 转变生命科学中的研发：AI 共同科学家如何加速发现，Reuben Harwood，Gartner，2026</p>
<p>来源 Dotmatics Inc</p>
<p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNTEzJk5ld3NJdGVtSWQ9TkU1ODI2MiZUcmFuc21pc3Npb25fSWQ9MjAyNjA1MTMwNzA1UFJfTkVXU19VU1BSX19fX19ORTU4MjYy?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNTEzJk5ld3NJdGVtSWQ9TkU1ODI2MiZUcmFuc21pc3Npb25fSWQ9MjAyNjA1MTMwNzA1UFJfTkVXU19VU1BSX19fX19ORTU4MjYy"/></p>

美国医疗保健供应商 ETF - iShares

华夏中证全指医疗器械ETF

医疗业 ETF - SPDR

<p>Dotmatics 推出了 Luma Agent，这是一款集成在 Luma 科学智能平台中的 AI 共同科学家。这个智能 AI 能够使用自然语言规划和执行复杂的科学任务，管理工作流程，并分析数据，同时确保可追溯性和可重复性。与通用 AI 不同，Luma Agent 在结构化科学数据上运行，使科学家能够配置平台并在几分钟内完成任务，而不是几天。Luma Agent 旨在满足治理标准，记录每一个操作，并要求对数据更改进行人工审批，从而增强科学研究中的安全性和问责制</p>

<p><em>Agentic AI that can plan and execute complex scientific work using natural language, configure the platform itself, and deliver traceable and reproducible answers that will pass the governance test</em></p>
<div class="lb-trans"><p><em>能够使用自然语言规划和执行复杂科学工作的代理型人工智能，能够自我配置平台，并提供可追溯和可重复的答案，能够通过治理测试</em></p>
</div><p>, /PRNewswire/ -- Dotmatics today announced Luma Agent, a new agentic AI capability embedded in the Luma Scientific Intelligence Platform. Luma Agent is an AI co-scientist that plans and executes complex scientific work, going beyond answering questions to completing tasks end-to-end, including analyzing data, generating reports, managing workflows, and configuring the platform. Unlike general-purpose AI tools that operate on fragmented, unstructured data, Luma Agent is built on a foundation of structured, ontology-backed scientific data captured at the point of work. That foundation makes every answer verifiable, every action traceable, and every result trustworthy enough to act on.</p>
<div class="lb-trans"><p>, /PRNewswire/ -- Dotmatics 今天宣布推出 Luma Agent，这是一种嵌入在 Luma 科学智能平台中的新型代理型人工智能能力。Luma Agent 是一个 AI 合作科学家，能够规划和执行复杂的科学工作，不仅仅是回答问题，还能完成从数据分析、生成报告、管理工作流程到配置平台的端到端任务。与在碎片化、非结构化数据上操作的一般用途 AI 工具不同，Luma Agent 建立在工作点捕获的结构化、基于本体的科学数据基础上。这一基础使得每个答案都可以验证，每个行动都可以追溯，每个结果都足够可信以供行动。</p>
</div><p>Luma Agent shifts what AI does inside the lab—from analyzing to acting. Scientists describe a goal in natural language. They can explore data, manage workflows, execute calculations, or hand off work to the wet lab. They can also configure the platform themselves without requiring a service engagement, including setting up data models and creating workflows through conversation. Luma Agent builds a plan, executes it across multiple systems and steps, and returns a complete result. Work that previously took days of manual querying and coordination can now be completed in minutes. To help ensure safety and accountability, every action is logged with full audit trails, requires human approval before any data changes, and can be verified and reproduced.</p>
<div class="lb-trans"><p>Luma Agent 改变了实验室内 AI 的作用——从分析转向行动。科学家用自然语言描述目标。他们可以探索数据、管理工作流程、执行计算，或将工作交给湿实验室。他们还可以自行配置平台，无需服务参与，包括通过对话设置数据模型和创建工作流程。Luma Agent 制定计划，在多个系统和步骤中执行，并返回完整结果。以前需要几天的手动查询和协调的工作，现在可以在几分钟内完成。为了确保安全和问责，每个行动都有完整的审计记录，任何数据更改都需要人类批准，并且可以被验证和重复。</p>
</div><p>&#34;Scientists want more than data—they want insights, answers they can act on, trust, and trace back to the work that produced them. Luma Agent is built on that principle,&#34; said Kalim Saliba, chief product officer at Dotmatics. &#34;Because data is structured during the initial scientific work, every answer can be traced back to the queries and source data that produced it. That traceability is what gives scientists confidence in the result. We've designed Luma Agent to be able to function as a node in any AI workflow, so any external agent can call it with the full scientific context that no general-purpose tool can replicate.&#34;</p>
<div class="lb-trans"><p>&#34;科学家们想要的不仅仅是数据——他们想要的是可以采取行动的洞察、答案、信任，并且可以追溯到产生这些答案的工作。Luma Agent 就是基于这一原则构建的，&#34; Dotmatics 的首席产品官 Kalim Saliba 说。&#34;由于数据在初始科学工作中是结构化的，每个答案都可以追溯到产生它的查询和源数据。这种可追溯性使科学家对结果充满信心。我们设计 Luma Agent 使其能够作为任何 AI 工作流程中的一个节点，因此任何外部代理都可以在没有一般用途工具无法复制的完整科学上下文的情况下调用它。&#34;</p>
</div><p>Luma Agent is a part of Luma, the AI-native Scientific Intelligence Platform that lets scientists query their data in plain language—no SQL or tool-switching. Luma and its scientific applications support multimodal drug development, team collaboration, and connected data across research and production. It's built to be open, integrating with third-party systems so data moves wherever teams need it.</p>
<div class="lb-trans"><p>Luma Agent 是 Luma 的一部分，Luma 是一个 AI 原生的科学智能平台，允许科学家用简单语言查询他们的数据——无需 SQL 或工具切换。Luma 及其科学应用支持多模态药物开发、团队协作以及研究和生产中的连接数据。它旨在开放，与第三方系统集成，以便数据在团队需要的地方流动。</p>
</div><p>&#34;Databricks powers Luma's ability to move from raw data to actionable intelligence at scale,&#34; said Michael Sanky, VP, Healthcare &amp; Life Sciences GTM at Databricks. &#34;With Luma Agent, life sciences teams can now leverage that structured foundation to not just analyze, but to act, turning insights into experiments in minutes rather than days. Luma Agent changes the equation by making complex data pipelines conversational and self-configuring. It's an important step toward AI that understands domain context, not just data volume.&#34;</p>
<div class="lb-trans"><p>&#34;Databricks 赋能 Luma 从原始数据到可操作智能的能力，&#34; Databricks 的医疗保健与生命科学 GTM 副总裁 Michael Sanky 说。&#34;通过 Luma Agent，生命科学团队现在可以利用这一结构化基础，不仅进行分析，还能采取行动，将洞察转化为实验，时间从几天缩短到几分钟。Luma Agent 通过使复杂的数据管道变得对话式和自我配置，改变了这一局面。这是朝着理解领域上下文的 AI 迈出的重要一步，而不仅仅是数据量。&#34;</p>
</div><p><strong>Designed to Pass the Governance Gate That Will Stop 80 Percent of AI Agents</strong> Giving AI the ability to act raises the stakes. When AI is wrong about an answer, you ask again. When AI takes the wrong action on production scientific data, that is a different problem entirely. Luma Agent is engineered with this distinction at its core. Every step the agent takes is logged, with full tool execution traces capturing exactly what the agent did, with what inputs, and what it returned. The scientist remains in control of every decision while the agent handles the work in between.</p>
<div class="lb-trans"><p><strong>旨在通过治理门槛，阻止 80% 的 AI 代理</strong> 赋予 AI 行动能力提高了风险。当 AI 对答案错误时，你可以再问一次。当 AI 对生产科学数据采取错误行动时，那是完全不同的问题。Luma Agent 在其核心设计中考虑了这一区别。代理采取的每一步都被记录，完整的工具执行记录捕捉代理所做的确切操作、使用的输入以及返回的结果。科学家在每个决策中保持控制，而代理处理中间工作。</p>
</div><p>Gartner predicts that 80 percent of agentic AI initiatives in healthcare and life sciences will not progress beyond initial governance checkpoints in 20261, not because the underlying models are insufficient, but because most platforms cannot demonstrate the level of traceability and explainability that regulated environments demand. Luma Agent's architecture is designed specifically to pass that gate.</p>
<div class="lb-trans"><p>Gartner 预测，到 2026 年，80% 的医疗保健和生命科学领域的代理型 AI 项目将无法超越初始治理检查点，这并不是因为基础模型不足，而是因为大多数平台无法展示受监管环境所需的可追溯性和可解释性。Luma Agent 的架构专门设计用于通过这一门槛。</p>
</div><p>The foundation that makes this possible is Luma's structured, ontology-backed data, captured at the point of scientific work rather than reconstructed after the fact. This is the representation layer most vendors overlook: AI can only be as traceable and verifiable as the data it operates on.</p>
<div class="lb-trans"><p>使这一切成为可能的基础是 Luma 的结构化、基于本体的数据，这些数据是在科学工作点捕获的，而不是事后重建的。这是大多数供应商忽视的表示层：AI 的可追溯性和可验证性只能与其操作的数据相匹配。</p>
</div><p><strong>The Agent That Builds the Lab</strong> Most AI tools in life sciences are analytical and answer questions about data that already exists. Luma Agent goes further. Scientists and administrators can describe a schema or a data flow in plain language and the agent configures it, writing the underlying SQL, setting up task types, and adding metadata automatically. What previously required a specialist services engagement now happens in a single conversation.</p>
<div class="lb-trans"><p><strong>构建实验室的代理</strong> 大多数生命科学中的 AI 工具都是分析性的，回答关于已有数据的问题。Luma Agent 更进一步。科学家和管理员可以用简单语言描述模式或数据流，代理会进行配置，自动编写底层 SQL、设置任务类型并添加元数据。以前需要专业服务参与的工作现在可以在一次对话中完成。</p>
</div><p>For digital lab and informatics teams, this changes the economics of deployment. Onboarding is faster, configuration expertise is no longer a bottleneck, and teams can iterate on the platform without opening a support ticket. The same agent that helps a scientist analyze a phage display campaign can help an administrator set up the next study's data model before the day is out.</p>
<div class="lb-trans"><p>对于数字实验室和信息学团队来说，这改变了部署的经济学。入职培训更快，配置专业知识不再是瓶颈，团队可以在不打开支持票的情况下对平台进行迭代。帮助科学家分析噬菌体展示实验的同一代理可以在一天结束前帮助管理员设置下一个研究的数据模型。</p>
</div><p><strong>Open by Design: A Co-Scientist Any Agent Can Call On</strong> Luma is built to work with the AI tools each team already uses. Developers can connect external language models (e.g. Claude, ChatGPT, or proprietary systems) directly to Luma Agent via Model Context Protocol (MCP) to query experimental results, retrieve protocols, or run calculations without rebuilding scientific context. But the connection works both ways: external AI tools don't just read from Luma; they can also configure it. Scientists and admins can build schemas, set up data flows, and customize workflows by simply asking any connected AI assistant, which then executes those changes directly in Luma.</p>
<div class="lb-trans"><p><strong>按设计开放：任何代理都可以调用的共同科学家</strong> Luma 旨在与每个团队已经使用的 AI 工具协同工作。开发人员可以通过模型上下文协议（MCP）将外部语言模型（例如 Claude、ChatGPT 或专有系统）直接连接到 Luma 代理，以查询实验结果、检索协议或进行计算，而无需重建科学上下文。但这种连接是双向的：外部 AI 工具不仅可以从 Luma 读取数据；它们还可以配置 Luma。科学家和管理员可以通过简单地询问任何连接的 AI 助手来构建模式、设置数据流和自定义工作流程，然后该助手会直接在 Luma 中执行这些更改。</p>
</div><p>&#34;While the industry races to connect more data sources, we've focused on making the data at the center worth connecting to,&#34; Saliba said. &#34;We're building the open ecosystem life sciences teams choose to build on, where their agents, their data, and our scientific capabilities work as one. We're enabling external agents to call on Luma as a co-scientist within their own workflows, publishing developer resources, and deepening integrations with the broader enterprise AI landscape so Luma works wherever teams need it.&#34;</p>
<div class="lb-trans"><p>&#34;在行业竞相连接更多数据源的同时，我们专注于使中心的数据值得连接，&#34; Saliba 说。&#34;我们正在构建生命科学团队选择构建的开放生态系统，在这里，他们的代理、他们的数据和我们的科学能力融为一体。我们使外部代理能够在自己的工作流程中调用 Luma 作为共同科学家，发布开发者资源，并加深与更广泛企业 AI 生态系统的集成，以便 Luma 在团队需要的地方都能发挥作用。&#34;</p>
</div><p>To learn more about Luma's advanced AI capabilities or request a demo, visit https://www.dotmatics.com/luma/artificial-intelligence.</p>
<div class="lb-trans"><p>要了解更多关于 Luma 的先进 AI 能力或请求演示，请访问 https://www.dotmatics.com/luma/artificial-intelligence。</p>
</div><p><strong>About Dotmatics</strong> Dotmatics is a leader in R&amp;D scientific software connecting science, data, and decision-making. Its enterprise R&amp;D platform and scientists' favorite applications drive efficiency and accelerate innovation. More than 2 million scientists and 14,000 customers trust Dotmatics to help them create a healthier, cleaner, safer world. Dotmatics is a global team dedicated to supporting its customers in over 180 countries. The company's principal office is in Boston, with 13 offices and R&amp;D teams located around the world. Dotmatics is part of Siemens Digital Industries Software.</p>
<div class="lb-trans"><p><strong>关于 Dotmatics</strong> Dotmatics 是研发科学软件的领导者，连接科学、数据和决策。其企业研发平台和科学家最喜爱的应用程序提高了效率，加速了创新。超过 200 万科学家和 14,000 个客户信任 Dotmatics，帮助他们创造一个更健康、更清洁、更安全的世界。Dotmatics 是一个全球团队，致力于支持其在 180 多个国家的客户。公司的主要办公室位于波士顿，在全球设有 13 个办公室和研发团队。Dotmatics 是西门子数字工业软件的一部分。</p>
</div><p>1 Transforming R&amp;D in Life Sciences: How AI Co-Scientists Are Accelerating Discovery, Reuben Harwood, Gartner, 2026</p>
<div class="lb-trans"><p>1 转变生命科学中的研发：AI 共同科学家如何加速发现，Reuben Harwood，Gartner，2026</p>
</div><p>SOURCE Dotmatics Inc</p>
<div class="lb-trans"><p>来源 Dotmatics Inc</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNTEzJk5ld3NJdGVtSWQ9TkU1ODI2MiZUcmFuc21pc3Npb25fSWQ9MjAyNjA1MTMwNzA1UFJfTkVXU19VU1BSX19fX19ORTU4MjYy" alt="" original-src="https://rt.prnewswire.com/rt.gif?NewsItemId=NE58262&amp;Transmission_Id=202605130705PR_NEWS_USPR_____NE58262&amp;DateId=20260513"/></p>

07:05 ETDotmatics introduces Luma Agent: the AI co-scientist built on structured scientific data

prnewswire

医疗器械ETF永赢

BlackRock, Inc.

美国医药设备 ETF - iShares

招商中证全指医疗器械ETF

标普医疗保健服务 ETF - SPDR

标普健康医疗设备 ETF - SPDR

医疗业 ETF - Vanguard

标普全球医疗股指数 ETF - iShares

加特纳

Dotmatics 推出 Luma Agent：这是一款基于结构化科学数据的 AI 共事科学家