夜雨聆风OpenAI做了个"科学家助手"：GPT-Rosalind想让10-15年的药物研发，变成几年？
药物研发是人类历史上最贵、最慢的事情。
一款新药从靶点发现到监管审批，平均需要10到15年，烧掉数十亿美元。大部分时间不是花在突破性发现上，而是埋在浩如烟海的文献里、设计试剂、解释复杂的生物数据。
OpenAI说：AI可以压缩这个时间线。
4月16日，OpenAI正式推出GPT-Rosalind，这是其首个性命科学专用模型，也是这家以"通用人工智能"为使命的公司，第一次发布如此垂直的领域专用产品。
这不是来取代科学家的。这是来帮科学家"加速"的。
从"大模型包打一切"到"专用模型干专业事"
GPT-Rosalind的设计逻辑非常清晰：不做全能选手，做一个在生物学和基因组学领域真正能干活的专业助手。
它能做什么？一个研究基因疗法的科学家，以前需要：翻阅数百篇最新论文，在蛋白质结构中找出规律，设计克隆协议，然后预测某个RNA序列在细胞中的行为。每个步骤都需要不同的工具、不同的专家、大量时间。
GPT-Rosalind把这些能力整合在一个界面里：它可以查询专业数据库，解析最新科研文献，与计算工具交互，提出新实验路径建议。
OpenAI还同步推出了面向Codex的Life Sciences研究插件，将模型连接到了超过50种科学工具和数据源，让研究人员可以通过熟悉的开发者界面访问生物数据库和计算流程。
数字说话：95百分位的人类专家水平
性能数据是这场发布最值得认真看的地方。
BixBench（一个围绕生物信息学和数据分析设计的基准测试）上，GPT-Rosalind取得了0.751的通过率——这意味着它能正确完成约75%的真实生物信息学家实际任务，包括处理测序数据、运行统计分析、解释基因组输出。
在LABBench2的11项任务中，GPT-Rosalind在6项上超越了GPT-5.4，尤其在CloningQA（需要端到端设计分子克隆协议试剂的任务）上提升最显著。
最惊人的数据来自与Dyno Therapeutics的真实合作。
他们用从未公开过的RNA序列来测试模型——这些数据从未出现在任何公开训练集中，排除了"背诵"的可能。在Codex环境中评估时，模型的最佳十次提交中，在预测任务上位列人类专家的前95百分位，在序列生成任务上达到第84百分位。
这是一个相当炸裂的结果。
野心与克制之间的张力
值得注意的是这次发布的谨慎程度。
GPT-Rosalind通过ChatGPT、Codex和OpenAI API开放，但采用Trusted Access计划，只为符合条件的美国企业客户提供访问权限。OpenAI内置了技术安全措施，包括标记潜在危险活动的系统，以及对模型使用方式的限制。
获取权限的前提是：组织必须致力于改善人类健康 outcomes，开展合法的性命科学研究，并保持强有力的安全标准。
为什么这么谨慎？
因为这件事的敏感性是真实的。AI+生物研究 = 双刃剑中的双刃剑。帮助科学家加速药物研发，和帮助某些人设计更危险的病原体，可能用的是同一个模型。
OpenAI选择了一条严格管控的发布路径，这本身就是一个信号：他们在认真对待"AI for Science"的安全边界。
为什么这件事值得关注？
我看到一些评论在说"OpenAI也开始做垂直化了，这是黔驴技穷的开始"。
我认为这个解读是错的。
GPT-Rosalind的意义不在于"OpenAI做不过别人了所以收缩战线"，而在于AI技术演进的一个深层逻辑终于浮出水面：
通用大模型是基础设施，专用模型才是落地工具。
就像互联网时代，真正改变世界的不是做"通用搜索"的Google，而是把搜索技术落地到电商、落地到旅游、落地到本地生活的垂直平台。AI时代也一样——通用模型的竞争已经接近天花板，真正创造价值的，是把模型能力塞进具体行业、解决具体问题的垂直应用。
生命科学是AI落地价值最显著的领域之一。新药研发的平均成本是数十亿美元、时间是10-15年，任何能压缩这个周期的技术，都意味着数以亿计的商业价值。
这不只是商业逻辑，也是人类逻辑——如果AI真的能把一款药物的研发周期从15年压缩到8年、5年，那意味着什么？意味着很多现在无药可治的疾病，患者可能等得到新药。
一个值得观察的信号
过去一年，AI领域的叙事经历了两次转向：
第一次是从"AI将取代一切"到"AI只能辅助"的认知回调；第二次是现在开始出现的新趋势——不是AI取代人类工作，也不是AI什么都做不了，而是AI成为特定领域的最强专家。
GPT-Rosalind不是来替代生物学家的。它是来让一个生物学家干以前三个人的活。
同样的逻辑正在出现：Codex是程序员的助手，GPT-Rosalind是生物学家的助手，未来的AI还会有更多这样的"专业分身"。
这不是AI的退步，这是AI终于找到了自己的位置——不是万能冠军，而是细分领域的金牌辅助。
对于正在担心"AI会不会取代我"的人，这个思路可能是一个答案：不会取代你，但会造出一个比你更专业的AI同事。
你唯一需要回答的问题是：你是那个设计AI的人，还是那个被AI设计掉的人？
