<p><em>能夠使用自然語言規劃和執行復雜科學工作的代理型人工智能，能夠自我配置平台，並提供可追溯和可重複的答案，能夠通過治理測試</em></p>
<p>, /PRNewswire/ -- Dotmatics 今天宣佈推出 Luma Agent，這是一種嵌入在 Luma 科學智能平台中的新型代理型人工智能能力。Luma Agent 是一個 AI 合作科學家，能夠規劃和執行復雜的科學工作，不僅僅是回答問題，還能完成從數據分析、生成報告、管理工作流程到配置平台的端到端任務。與在碎片化、非結構化數據上操作的一般用途 AI 工具不同，Luma Agent 建立在工作點捕獲的結構化、基於本體的科學數據基礎上。這一基礎使得每個答案都可以驗證，每個行動都可以追溯，每個結果都足夠可信以供行動。</p>
<p>Luma Agent 改變了實驗室內 AI 的作用——從分析轉向行動。科學家用自然語言描述目標。他們可以探索數據、管理工作流程、執行計算，或將工作交給濕實驗室。他們還可以自行配置平台，無需服務參與，包括通過對話設置數據模型和創建工作流程。Luma Agent 制定計劃，在多個系統和步驟中執行，並返回完整結果。以前需要幾天的手動查詢和協調的工作，現在可以在幾分鐘內完成。為了確保安全和問責，每個行動都有完整的審計記錄，任何數據更改都需要人類批准，並且可以被驗證和重複。</p>
<p>&#34;科學家們想要的不僅僅是數據——他們想要的是可以採取行動的洞察、答案、信任，並且可以追溯到產生這些答案的工作。Luma Agent 就是基於這一原則構建的，&#34; Dotmatics 的首席產品官 Kalim Saliba 説。&#34;由於數據在初始科學工作中是結構化的，每個答案都可以追溯到產生它的查詢和源數據。這種可追溯性使科學家對結果充滿信心。我們設計 Luma Agent 使其能夠作為任何 AI 工作流程中的一個節點，因此任何外部代理都可以在沒有一般用途工具無法複製的完整科學上下文的情況下調用它。&#34;</p>
<p>Luma Agent 是 Luma 的一部分，Luma 是一個 AI 原生的科學智能平台，允許科學家用簡單語言查詢他們的數據——無需 SQL 或工具切換。Luma 及其科學應用支持多模態藥物開發、團隊協作以及研究和生產中的連接數據。它旨在開放，與第三方系統集成，以便數據在團隊需要的地方流動。</p>
<p>&#34;Databricks 賦能 Luma 從原始數據到可操作智能的能力，&#34; Databricks 的醫療保健與生命科學 GTM 副總裁 Michael Sanky 説。&#34;通過 Luma Agent，生命科學團隊現在可以利用這一結構化基礎，不僅進行分析，還能採取行動，將洞察轉化為實驗，時間從幾天縮短到幾分鐘。Luma Agent 通過使複雜的數據管道變得對話式和自我配置，改變了這一局面。這是朝着理解領域上下文的 AI 邁出的重要一步，而不僅僅是數據量。&#34;</p>
<p><strong>旨在通過治理門檻，阻止 80% 的 AI 代理</strong> 賦予 AI 行動能力提高了風險。當 AI 對答案錯誤時，你可以再問一次。當 AI 對生產科學數據採取錯誤行動時，那是完全不同的問題。Luma Agent 在其核心設計中考慮了這一區別。代理採取的每一步都被記錄，完整的工具執行記錄捕捉代理所做的確切操作、使用的輸入以及返回的結果。科學家在每個決策中保持控制，而代理處理中間工作。</p>
<p>Gartner 預測，到 2026 年，80% 的醫療保健和生命科學領域的代理型 AI 項目將無法超越初始治理檢查點，這並不是因為基礎模型不足，而是因為大多數平台無法展示受監管環境所需的可追溯性和可解釋性。Luma Agent 的架構專門設計用於通過這一門檻。</p>
<p>使這一切成為可能的基礎是 Luma 的結構化、基於本體的數據，這些數據是在科學工作點捕獲的，而不是事後重建的。這是大多數供應商忽視的表示層：AI 的可追溯性和可驗證性只能與其操作的數據相匹配。</p>
<p><strong>構建實驗室的代理</strong> 大多數生命科學中的 AI 工具都是分析性的，回答關於已有數據的問題。Luma Agent 更進一步。科學家和管理員可以用簡單語言描述模式或數據流，代理會進行配置，自動編寫底層 SQL、設置任務類型並添加元數據。以前需要專業服務參與的工作現在可以在一次對話中完成。</p>
<p>對於數字實驗室和信息學團隊來説，這改變了部署的經濟學。入職培訓更快，配置專業知識不再是瓶頸，團隊可以在不打開支持票的情況下對平台進行迭代。幫助科學家分析噬菌體展示實驗的同一代理可以在一天結束前幫助管理員設置下一個研究的數據模型。</p>
<p><strong>按設計開放：任何代理都可以調用的共同科學家</strong> Luma 旨在與每個團隊已經使用的 AI 工具協同工作。開發人員可以通過模型上下文協議（MCP）將外部語言模型（例如 Claude、ChatGPT 或專有系統）直接連接到 Luma 代理，以查詢實驗結果、檢索協議或進行計算，而無需重建科學上下文。但這種連接是雙向的：外部 AI 工具不僅可以從 Luma 讀取數據；它們還可以配置 Luma。科學家和管理員可以通過簡單地詢問任何連接的 AI 助手來構建模式、設置數據流和自定義工作流程，然後該助手會直接在 Luma 中執行這些更改。</p>
<p>&#34;在行業競相連接更多數據源的同時，我們專注於使中心的數據值得連接，&#34; Saliba 説。&#34;我們正在構建生命科學團隊選擇構建的開放生態系統，在這裏，他們的代理、他們的數據和我們的科學能力融為一體。我們使外部代理能夠在自己的工作流程中調用 Luma 作為共同科學家，發佈開發者資源，並加深與更廣泛企業 AI 生態系統的集成，以便 Luma 在團隊需要的地方都能發揮作用。&#34;</p>
<p>要了解更多關於 Luma 的先進 AI 能力或請求演示，請訪問 https://www.dotmatics.com/luma/artificial-intelligence。</p>
<p><strong>關於 Dotmatics</strong> Dotmatics 是研發科學軟件的領導者，連接科學、數據和決策。其企業研發平台和科學家最喜愛的應用程序提高了效率，加速了創新。超過 200 萬科學家和 14,000 個客户信任 Dotmatics，幫助他們創造一個更健康、更清潔、更安全的世界。Dotmatics 是一個全球團隊，致力於支持其在 180 多個國家的客户。公司的主要辦公室位於波士頓，在全球設有 13 個辦公室和研發團隊。Dotmatics 是西門子數字工業軟件的一部分。</p>
<p>1 轉變生命科學中的研發：AI 共同科學家如何加速發現，Reuben Harwood，Gartner，2026</p>
<p>來源 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>

美國醫療保健供應商 ETF - iShares

華夏中證全指醫療器械ETF

醫療業 ETF - SPDR

<p>Dotmatics 推出了 Luma Agent，這是一款集成在 Luma 科學智能平台中的 AI 共同科學家。這個智能 AI 能夠使用自然語言規劃和執行復雜的科學任務，管理工作流程，並分析數據，同時確保可追溯性和可重複性。與通用 AI 不同，Luma Agent 在結構化科學數據上運行，使科學家能夠配置平台並在幾分鐘內完成任務，而不是幾天。Luma Agent 旨在滿足治理標準，記錄每一個操作，並要求對數據更改進行人工審批，從而增強科學研究中的安全性和問責制</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>能夠使用自然語言規劃和執行復雜科學工作的代理型人工智能，能夠自我配置平台，並提供可追溯和可重複的答案，能夠通過治理測試</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 今天宣佈推出 Luma Agent，這是一種嵌入在 Luma 科學智能平台中的新型代理型人工智能能力。Luma Agent 是一個 AI 合作科學家，能夠規劃和執行復雜的科學工作，不僅僅是回答問題，還能完成從數據分析、生成報告、管理工作流程到配置平台的端到端任務。與在碎片化、非結構化數據上操作的一般用途 AI 工具不同，Luma Agent 建立在工作點捕獲的結構化、基於本體的科學數據基礎上。這一基礎使得每個答案都可以驗證，每個行動都可以追溯，每個結果都足夠可信以供行動。</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 改變了實驗室內 AI 的作用——從分析轉向行動。科學家用自然語言描述目標。他們可以探索數據、管理工作流程、執行計算，或將工作交給濕實驗室。他們還可以自行配置平台，無需服務參與，包括通過對話設置數據模型和創建工作流程。Luma Agent 制定計劃，在多個系統和步驟中執行，並返回完整結果。以前需要幾天的手動查詢和協調的工作，現在可以在幾分鐘內完成。為了確保安全和問責，每個行動都有完整的審計記錄，任何數據更改都需要人類批准，並且可以被驗證和重複。</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;科學家們想要的不僅僅是數據——他們想要的是可以採取行動的洞察、答案、信任，並且可以追溯到產生這些答案的工作。Luma Agent 就是基於這一原則構建的，&#34; Dotmatics 的首席產品官 Kalim Saliba 説。&#34;由於數據在初始科學工作中是結構化的，每個答案都可以追溯到產生它的查詢和源數據。這種可追溯性使科學家對結果充滿信心。我們設計 Luma Agent 使其能夠作為任何 AI 工作流程中的一個節點，因此任何外部代理都可以在沒有一般用途工具無法複製的完整科學上下文的情況下調用它。&#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 是一個 AI 原生的科學智能平台，允許科學家用簡單語言查詢他們的數據——無需 SQL 或工具切換。Luma 及其科學應用支持多模態藥物開發、團隊協作以及研究和生產中的連接數據。它旨在開放，與第三方系統集成，以便數據在團隊需要的地方流動。</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 賦能 Luma 從原始數據到可操作智能的能力，&#34; Databricks 的醫療保健與生命科學 GTM 副總裁 Michael Sanky 説。&#34;通過 Luma Agent，生命科學團隊現在可以利用這一結構化基礎，不僅進行分析，還能採取行動，將洞察轉化為實驗，時間從幾天縮短到幾分鐘。Luma Agent 通過使複雜的數據管道變得對話式和自我配置，改變了這一局面。這是朝着理解領域上下文的 AI 邁出的重要一步，而不僅僅是數據量。&#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>旨在通過治理門檻，阻止 80% 的 AI 代理</strong> 賦予 AI 行動能力提高了風險。當 AI 對答案錯誤時，你可以再問一次。當 AI 對生產科學數據採取錯誤行動時，那是完全不同的問題。Luma Agent 在其核心設計中考慮了這一區別。代理採取的每一步都被記錄，完整的工具執行記錄捕捉代理所做的確切操作、使用的輸入以及返回的結果。科學家在每個決策中保持控制，而代理處理中間工作。</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 預測，到 2026 年，80% 的醫療保健和生命科學領域的代理型 AI 項目將無法超越初始治理檢查點，這並不是因為基礎模型不足，而是因為大多數平台無法展示受監管環境所需的可追溯性和可解釋性。Luma Agent 的架構專門設計用於通過這一門檻。</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>使這一切成為可能的基礎是 Luma 的結構化、基於本體的數據，這些數據是在科學工作點捕獲的，而不是事後重建的。這是大多數供應商忽視的表示層：AI 的可追溯性和可驗證性只能與其操作的數據相匹配。</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>構建實驗室的代理</strong> 大多數生命科學中的 AI 工具都是分析性的，回答關於已有數據的問題。Luma Agent 更進一步。科學家和管理員可以用簡單語言描述模式或數據流，代理會進行配置，自動編寫底層 SQL、設置任務類型並添加元數據。以前需要專業服務參與的工作現在可以在一次對話中完成。</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>對於數字實驗室和信息學團隊來説，這改變了部署的經濟學。入職培訓更快，配置專業知識不再是瓶頸，團隊可以在不打開支持票的情況下對平台進行迭代。幫助科學家分析噬菌體展示實驗的同一代理可以在一天結束前幫助管理員設置下一個研究的數據模型。</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>按設計開放：任何代理都可以調用的共同科學家</strong> Luma 旨在與每個團隊已經使用的 AI 工具協同工作。開發人員可以通過模型上下文協議（MCP）將外部語言模型（例如 Claude、ChatGPT 或專有系統）直接連接到 Luma 代理，以查詢實驗結果、檢索協議或進行計算，而無需重建科學上下文。但這種連接是雙向的：外部 AI 工具不僅可以從 Luma 讀取數據；它們還可以配置 Luma。科學家和管理員可以通過簡單地詢問任何連接的 AI 助手來構建模式、設置數據流和自定義工作流程，然後該助手會直接在 Luma 中執行這些更改。</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;在行業競相連接更多數據源的同時，我們專注於使中心的數據值得連接，&#34; Saliba 説。&#34;我們正在構建生命科學團隊選擇構建的開放生態系統，在這裏，他們的代理、他們的數據和我們的科學能力融為一體。我們使外部代理能夠在自己的工作流程中調用 Luma 作為共同科學家，發佈開發者資源，並加深與更廣泛企業 AI 生態系統的集成，以便 Luma 在團隊需要的地方都能發揮作用。&#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>要了解更多關於 Luma 的先進 AI 能力或請求演示，請訪問 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>關於 Dotmatics</strong> Dotmatics 是研發科學軟件的領導者，連接科學、數據和決策。其企業研發平台和科學家最喜愛的應用程序提高了效率，加速了創新。超過 200 萬科學家和 14,000 個客户信任 Dotmatics，幫助他們創造一個更健康、更清潔、更安全的世界。Dotmatics 是一個全球團隊，致力於支持其在 180 多個國家的客户。公司的主要辦公室位於波士頓，在全球設有 13 個辦公室和研發團隊。Dotmatics 是西門子數字工業軟件的一部分。</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 轉變生命科學中的研發：AI 共同科學家如何加速發現，Reuben Harwood，Gartner，2026</p>
</div><p>SOURCE Dotmatics Inc</p>
<div class="lb-trans"><p>來源 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

醫療器械ETF永贏

BlackRock, Inc.

美國醫藥設備 ETF - iShares

招商中證全指醫療器械ETF

標普醫療保健服務 ETF - SPDR

標普健康醫療設備 ETF - SPDR

醫療業 ETF - Vanguard

標普全球醫療股指數 ETF - iShares

加特納

Dotmatics 推出 Luma Agent：這是一款基於結構化科學數據的 AI 共事科學家