夜雨聆风AI攻克癌症的那一天，也许比我们想象的要近得多。
2026年4月17日，OpenAI正式宣布推出一款专为药物研发设计的AI模型早期版本——GPT-Rosalind。这个名字致敬了DNA双螺旋结构的关键发现者罗莎琳德·富兰克林（Rosalind Franklin），象征着OpenAI进军生命科学领域的雄心。目前，该模型以研究预览形式向部分顶级生物科技企业开放，包括安进（Amgen）、莫德纳（Moderna）以及艾伦研究所（Allen Institute）。
这是OpenAI历史上第一次为单一垂直行业专门打造一个独立的旗舰AI模型，背后承载的是整个制药行业数十年未能解决的老难题——药物研发太慢、太贵、失败率太高。
在理解GPT-Rosalind之前，需要先认识一下药物研发的残酷现实。
从一个化合物被发现有潜在药效，到它最终通过FDA审批上市，平均需要10到15年时间，花费超过26亿美元。在这漫长的旅程中，超过90%的候选药物会在临床试验阶段折戟沉沙。
失败的原因多种多样：靶点选择错误、毒副作用超出预期、药物在人体内的代谢方式和预测不符、临床试验设计不合理……每一步都可能让前期所有投入化为乌有。
AI介入的价值，正是在于用计算能力压缩这个失败漏斗。当AI能够在分子设计阶段就预测出更高概率有效、更低毒副作用的候选化合物，整个研发周期就会从根本上被重塑。
GPT-Rosalind不是一个通用大模型接了个制药行业的API，它是一个专门针对生命科学研发流程深度训练的专业模型，核心能力集中在四个方向：
一、靶点发现与验证。 从海量生物医学文献、基因组数据、蛋白质结构数据库中提取见解，帮助研究人员更快识别哪些分子靶点与特定疾病有关联，降低靶点选择的盲目性。
二、分子生成与优化。 基于给定靶点，生成具有潜在活性的候选药物分子结构，并对其在成药性（ADMET属性：吸收、分布、代谢、排泄、毒性）方面进行预测评估。这一步如果做得好，能显著减少进入动物实验的"垃圾候选分子"数量。
三、文献理解与假设推理。 制药研究每年产生数十万篇论文，任何一个研究人员都不可能读完。GPT-Rosalind能对大量文献进行深度语义理解，自动综合不同研究的发现，提出值得验证的新假设。
四、临床数据分析。 对已有临床试验数据进行深度分析，帮助研究人员识别哪些患者亚群对特定疗法的响应更好，为精准医疗提供数据支撑。
安进是全球最大的生物技术公司之一，产品线覆盖癌症、心血管病、骨科疾病等核心领域。莫德纳则因mRNA技术平台在疫苗领域大放异彩，近年来正在将mRNA技术扩展至癌症、心脏病等治疗领域。
这两家公司有一个共同的特点：它们都在用新平台技术挑战传统制药的范式，而平台技术的成功高度依赖于对海量数据的高效处理和高质量的分子设计能力。GPT-Rosalind在这两个方向上恰好击中了它们的需求痛点。
对莫德纳而言，AI辅助的mRNA序列优化是一个极有吸引力的方向——更好地预测哪些mRNA序列能稳定表达目标蛋白、产生更强的免疫原性，是整个mRNA药物开发效率的关键瓶颈。
事实上，AI制药并不是一个OpenAI开创的方向。在GPT-Rosalind发布之前，这个赛道早已群雄割据：
谷歌DeepMind的AlphaFold系列已经几乎解决了蛋白质结构预测问题，并将结果全部开源，成为全行业的基础设施；最新的AlphaFold 3更将预测范围扩展到了DNA、RNA和小分子配体，直接覆盖了药物-靶点结合预测。
Insilico Medicine的生成式AI平台已经有候选药物进入二期临床试验，被视为AI原生制药公司中进展最快的一家。
Recursion Pharmaceuticals则在2024年与英伟达合作，构建了基于GPU加速的细胞图像分析平台，用于高通量药物筛选。
OpenAI的入局是一个重要信号，但它面对的是一群有先发优势的专业玩家。GPT-Rosalind的差异化在于其语言理解能力和推理能力——在整合非结构化文献信息、辅助研究人员进行高层次科学推理方面，OpenAI有自己的核心优势。
把视角从商业竞争拉回到最基本的问题：AI制药的突破，对真实患者意味着什么？
一个乐观的推算是：如果AI能将药物研发周期从10年压缩到5年，将研发成本降低一半，那么同样的资金和时间，能开发出两倍的新药。这意味着更多目前无药可治的罕见病患者，可能在有生之年等到有效疗法。
一个更保守的预期是：AI不会替代药物研发的全流程，但会在特定环节（靶点发现、分子生成、临床数据分析）大幅提升效率，让研究人员把时间和精力聚焦在真正需要人类判断的地方。
不管哪种路径，AI对制药行业的改造正在从"概念验证"走向"真实落地"。GPT-Rosalind的发布，是这个进程中一个新的加速节点。
在这场AI制药的全球竞赛中，中国也在快速跟进。
晶泰科技、英矽智能（Insilico Medicine，总部已迁香港）、望石智慧等AI制药公司，正在构建各自的平台技术。华为盘古药物分子模型、百度文心医疗版、腾讯云AI医药解决方案，也都在不同层面布局这一赛道。
中国特有的优势是海量的临床数据积累和相对更开放的数据获取渠道——在某些肿瘤、糖尿病、心血管疾病领域，中国的临床数据规模是全球独一档的。如何将这些数据优势转化为AI模型的训练优势，是中国AI制药公司需要抓紧解答的课题。
AI正在成为下一个时代的"超级科学家"。药物研发的工业化时代，正在加速到来。
