AI每日新闻——OpenAI杀入制药圈,GPT-Rosalind来了:这次,AI要动生命科学的根了

大家好，我是AI视听小学生。

故事是这样的。

前两天OpenAI悄悄放了个大招，很多人可能还没注意到。

他们发布了一个新模型，名字叫GPT-Rosalind。

不是用来写文案的，不是用来画图的，不是用来帮你改代码的。

是用来搞药的。

对，你没看错。OpenAI正式跨界进入了制药和生命科学领域。而且一上来，合作名单就是安进、莫德纳、赛默飞世尔这种级别的巨头。

这不是试水，这是带着航母编队下场。

先说说这个名字。Rosalind，取自Rosalind Franklin，DNA双螺旋结构的关键发现者之一。一个在生前没有得到应有认可的女科学家，诺贝尔奖给了Watson和Crick，她的名字被历史亏欠了几十年。

OpenAI用她的名字来命名这个模型，坦率的讲，我觉得这个选择本身就很有意思。

不只是致敬，更像是一种宣言，AI要去做那些「被忽略的、被低估的、但真正重要的事」。

那GPT-Rosalind到底能干嘛？

简单来说，它是一个专门针对基因组学和生化领域做了深度微调的模型。它干的活，大概可以分成这么几块：

证据合成。 你想想，一个做新药研发的科学家，每天要面对多少论文、多少实验数据、多少临床报告？成千上万篇文献堆在那里，光是把相关证据理清楚就是一个巨大的工程。GPT-Rosalind可以从海量生化数据里把关键信息抽出来，帮你搞清楚「现在学界对这个靶点到底知道些什么」。

假设生成。 这个更狠。做过科研的人都知道，提出一个好的假设，有时候比验证它还难。模型可以基于已有的数据和文献，帮你生成新的研究假设。不是拍脑袋的那种，是有数据支撑的、有逻辑链条的假设。

实验规划。 假设有了，下一步怎么设计实验去验证？变量怎么控制？对照组怎么设？GPT-Rosalind在这块也能给出方案建议。

蛋白质工程分析。 这个是真正的硬核能力。蛋白质是药物研发的核心战场，理解蛋白质的结构、功能、相互作用，是新药开发的基础中的基础。

说白了，OpenAI想做的事情是，把一个新药从实验室到患者床头的整个流程，全面提速。

你可能会问，这玩意到底靠不靠谱？

OpenAI给出的数据是，在LABBench2这个科学基准测试上，GPT-Rosalind的表现相当亮眼。

甚至在部分预测任务上，超过了人类专家。

我知道「超过人类专家」这个说法现在已经有点通货膨胀了，每家AI公司发新模型都喜欢这么说。但这次的场景不太一样。

这不是在考试里超过人类。这是在真实的生化预测任务里，模型给出的判断比领域专家更准。

这件事如果是真的，影响是非常深远的。

因为药物研发这个行业，有一个所有人都知道但谁也没办法解决的老大难问题，太慢了，太贵了，失败率太高了。

一个新药从发现到上市，平均要10到15年。研发成本动辄十几亿美金起步。而且绝大多数候选药物，走到最后都会失败。临床一期过了，二期挂了。二期过了，三期挂了。挂了就是几个亿打水漂。

这种效率，在AI时代，是不是该变一变了？

OpenAI显然觉得该变了。

而且他们不只是扔出一个模型就完事了。他们同步推出了一套生命科学插件，支持链接超过50种专业科学工具和数据库。

这一步我觉得特别关键。

因为单独一个AI模型，再强也只是个大脑。但当这个大脑能直接调用几十种专业工具和数据库的时候，它就变成了一个完整的研究系统。

你可以这么理解，GPT-Rosalind不只是一个会读论文的AI，它是一个能连接到真实实验数据、基因组数据库、化学分子库的AI研究员。它能看到的信息面，可能比任何一个单独的人类科学家都大。

50多种工具和数据库，这已经不是一个Demo了。这是一个生态。

再看看首批合作方的名单。

安进（Amgen），全球最大的生物技术公司之一，肿瘤、心血管、骨科都是他们的地盘。

莫德纳（Moderna），mRNA疫苗的王者，新冠期间一战成名。他们本身就是一家极度依赖计算和数据的公司，mRNA技术天然适合AI加持。

赛默飞世尔（Thermo Fisher Scientific），科学仪器和实验耗材的巨头，可以理解为做药的人几乎都要用他们家的东西。

艾伦研究所（Allen Institute），保罗·艾伦创立的非营利研究机构，专攻脑科学和细胞生物学。

这四家放在一起，你会发现OpenAI的策略非常清晰。制药巨头负责验证临床价值，mRNA公司负责验证前沿技术匹配度，仪器公司负责验证工具链整合，非营利研究所负责验证基础科学场景。

四个方向同时打通，一次性把「这东西到底有没有用」的问题从四个维度回答掉。

这种布局不是拍脑袋做的。

说到这个，就不得不聊聊行业大背景了。

AI进入生命科学，GPT-Rosalind不是第一个，OpenAI也不是第一家。

Google旗下的DeepMind，早在2020年就靠AlphaFold把蛋白质结构预测这个50年的老难题给基本解决了。2024年他们的升级版AlphaFold 3更是把预测范围扩展到了几乎所有生物分子。诺贝尔化学奖直接颁给了这项工作。

Anthropic也一直在科学推理方面下功夫，Claude在学术文献理解和科学问答上的能力，做过科研的人应该有体感。

还有一堆垂直领域的AI公司，Insilico Medicine用AI发现新药已经进入临床试验，Recursion在用AI做大规模表型筛选，Isomorphic Labs是DeepMind直接孵化出来专门做AI制药的。

所以OpenAI这次发布GPT-Rosalind，与其说是开创，不如说是入局。

但OpenAI入局这件事本身，信号意义巨大。

因为它意味着，AI制药不再是一个小众赛道，而是所有头部AI实验室都在争夺的核心战场。

我自己的感受是，这件事的深远程度，可能被很多人低估了。

我们之前聊AI，聊的基本都是效率提升。写文章快一点，做PPT快一点，写代码快一点。这些当然很重要，但说到底，都是在现有框架里做优化。

但AI进入制药和生命科学，性质不太一样。

这是在改变人类理解生命本身的方式。

过去我们理解一个蛋白质的功能，可能需要一个实验室团队花几年时间，做无数次实验，不断试错。现在AI可以在几分钟内预测它的结构，在几小时内分析它与其他分子的相互作用，在几天内给出可能的药物候选方案。

当然，我不是说AI能替代湿实验。真正的药物研发，最终还是要回到实验室里做验证，要经过严格的临床试验，要过FDA的审批。这个流程一步都少不了。

但AI能做的是，大幅缩小搜索空间。

过去你要在十万个候选分子里大海捞针，现在AI可能帮你把范围缩到一百个。过去你要花两年时间确认一个靶点是否可行，现在AI可能帮你在两个月内给出高置信度的判断。

省的不只是时间和钱，省的是那些原本可能等不到新药上市的患者的生命。

想到这个就觉得，这事儿怎么夸张都不过分。

当然，也得说说风险。

GPT-Rosalind现在还是「研究预览」阶段，只对部分企业客户开放。这个定位其实说明OpenAI自己也知道，这东西现在还不能直接拿去指导临床决策。

生命科学和聊天写作不一样。如果AI生成的文案有点小错误，最多是尴尬。但如果AI在药物研发中的预测出了偏差，后果可能是灾难性的。

一个错误的靶点预测，可能浪费一个团队三年的时间。一个不准确的毒性评估，可能危及患者安全。

所以这个领域的AI应用，验证门槛会比任何其他领域都高。不是在benchmark上跑个分就行的，需要大量的真实实验验证，需要长期的临床数据支持。

市场的反应也说明了这一点。消息出来之后，部分生物技术公司股价出现波动，有涨有跌。说明投资者也在博弈，到底是利好还是会挤压现有公司的空间。

但我觉得，长期来看，这个方向的确定性是非常高的。不是「AI能不能用在制药」的问题，而是「多快能用到什么程度」的问题。

最后聊几句更大的图景。

你有没有发现，过去这一两年，AI行业有一个很明显的趋势。

AI正在从「通用聊天工具」变成「垂直领域基础设施」。

编程有Cursor、Claude Code、Codex。设计有Midjourney、Figma AI。法律有Harvey。教育有Khanmigo。现在生命科学有了GPT-Rosalind。

每一个垂直领域，都在长出自己的专属AI。

这让我想起了互联网早期。最开始大家觉得互联网就是一个上网冲浪的东西，后来它变成了电商的基础设施，变成了社交的基础设施，变成了金融的基础设施，变成了一切的基础设施。

AI也在走同样的路。

只不过这一次，走得快了十倍不止。

从ChatGPT发布到现在，不到三年。AI已经从一个让人觉得新鲜的聊天玩具，变成了真正在改变药物研发流程的科研工具。

三年。

想想互联网花了多久才走到这一步。

Rosalind Franklin一生都在用X射线衍射技术解析分子结构，她的Photo 51直接揭示了DNA的双螺旋。但她没能等到荣誉到来的那一天。

现在，一个以她命名的AI，正试图用计算的方式去理解生命最深层的密码。

我不知道她如果能看到今天这一切，会作何感想。

但我觉得，这可能是对她最好的纪念方式。

不是一座雕像，不是一枚邮票。

是让她毕生追求的那件事，以一种她当年无法想象的速度，继续向前。

大时代啊，朋友们。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标。