夜雨聆风
2026年4月16日，OpenAI正式推出GPT-Rosalind，一款专为生物学、药物发现和转化医学打造的前沿推理模型。它不是通用大模型的简单微调，而是OpenAI首个针对特定行业构建的垂直领域模型。以DNA结构发现者罗莎琳德·富兰克林命名，这一举动释放了一个明确信号：当DeepMind用AlphaFold解决了蛋白质“长什么样”的问题，OpenAI选择正面切入的，是从靶点发现、分子设计到临床转化的全链路AI研发工作流。首批合作伙伴包括安进、莫德纳、艾伦研究所、赛默飞世尔科技等全球顶尖制药与科研机构。这场AI与生物科技的融合，正在进入巨头贴身肉搏的新阶段。
垂直赛道上的差异化突围：与DeepMind分道扬镳
在AI与生命科学的交叉地带，一场微妙的路线分野正在发生。
谷歌DeepMind的AlphaFold解决了蛋白质结构预测，Demis Hassabis与John Jumper凭借这一突破与David Baker共同摘得2024年诺贝尔化学奖。而GPT-Rosalind选择了另一条路——它不是去预测蛋白质长什么样，而是解决“用这个蛋白质，应该怎么干出创新药”的问题。
与谷歌、微软等科技巨头推出的通用科学模型不同，GPT-Rosalind走垂直路线，专注于生物学领域。OpenAI生命科学产品负责人王昀昀在发布会上指出，生物学研究正面临两大核心障碍：数十年基因组测序积累的海量数据，以及高度细分的专业术语壁垒。一位专注于特定基因的遗传学家，在面对海量神经生物学文献时往往束手无策。
为此，OpenAI在通用大模型基础上，引入了50种常见生物工作流及主流公共数据库访问能力，通过专项训练让模型能够通过已知通路和调控机制连接基因型与表型，推断蛋白质的结构或功能属性，并据此筛选潜在药物靶点。这是从“会聊天”到“会科研”的能力跨越。
一个容易被忽略但至关重要的设计，是GPT-Rosalind内置了“批判性推理”机制。为了抑制大语言模型常见的“阿谀奉承”倾向，OpenAI针对性调整了模型，让它在面对低价值靶点时更倾向于直接否定而非盲目附和。在新药研发中，早期错判靶点被一路执行到临床三期，是烧掉十亿美元最典型的方式之一。全球新药从靶点发现到最终上市，平均超过十年，成功率不足10%——这就是GPT-Rosalind要打入的时间轴。
性能实测：从BixBench到Dyno Therapeutics的全维度验证
衡量一个科研AI模型的价值，不能靠口号，得看真实测试。
在生物信息学基准BixBench上，GPT-Rosalind以0.751的Pass@1得分领跑所有已公开模型，超越GPT-5.4（0.740）、Grok 4.2（0.698）和Gemini 3.1 Pro（0.550）。BixBench包含53个真实世界分析场景和296个研究问题，专门用于评估AI在生物信息学任务中的表现。
在涵盖文献检索、序列操作、实验方案设计等11项研究任务的LABBench2基准上，GPT-Rosalind在6项任务中超越GPT-5.4，提升最显著的是分子克隆实验设计（CloningQA）。
但真正有说服力的验证来自与AI基因治疗公司Dyno Therapeutics的实战合作。双方基于全新的、未被训练数据污染的RNA序列进行测试，并将其与57位顶尖人类生物专家的历史表现做了对比。结果显示，在RNA序列功能预测任务上，GPT-Rosalind的表现超过了95%的人类专家；在序列生成任务上，也超越了约84%的人类专家。
这组数据的意义远超排名本身。它证明GPT-Rosalind不是依靠“记住”训练数据中的答案来应对测试，而是具备了在未见过的新型生物数据上进行推理和预测的能力。换言之，它正在接近从“知识检索”到“科学创造”的质变门槛。
不过，理性看待这份成绩单也很有必要。有分析指出，GPT-Rosalind在BixBench上领先GPT-5.4的幅度约为1.5个百分点，这与通用大模型在垂直任务上的边际提升区间大致吻合。幻觉问题仍是悬而未决的挑战——大语言模型在解释推理步骤时可能生成看似合理实则错误的内容，这在严谨的科学研究中风险极高，OpenAI坦言尚未完全解决这一顽疾。
研究伙伴而非替代者：合作伙伴阵容与安全策略
GPT-Rosalind的定位，从一开始就不是“替代科学家”。OpenAI生命科学研究负责人Joy Jiao在媒体简报会上明确表示，AI可以真正帮助研究人员在科学流程中最复杂、最耗时的环节提速，但目前并不认为AI可以独立提出新的疾病治疗方案。Joy Jiao是哈佛大学系统生物学博士，曾在谷歌任职，2022年加入OpenAI，如今主导着OpenAI的生命科学研究部门。
首批合作伙伴名单揭示了GPT-Rosalind的落地场景深度。制药巨头安进、疫苗制造商莫德纳、赛默飞世尔科技、非营利机构艾伦研究所均已率先采用。此外，合作名单还包括诺和诺德、Oracle Health and Life Sciences、英伟达、Benchling、加州大学旧金山分校药学院，麦肯锡、BCG和贝恩担任顾问机构。安进高级副总裁Sean Bruich的评价颇具代表性：“GPT-Rosalind使我们能够以新的创新方式应用OpenAI最先进的能力和工具，有潜力加速我们将药物交付给患者的过程。”
在能力边界之外，安全是另一个核心维度。生物安全风险若被恶意利用以优化病毒传染性，后果不堪设想。为此，OpenAI实施严格的访问限制，目前仅向通过资质审核的美国企业客户开放研究预览版，预览期间不消耗现有API额度。生命科学研究负责人Joy Jiao强调，参与机构必须维持严格的生物安全防滥用控制，具备明确的治理和合规机制，仅向安全可控环境中的授权用户开放访问。与之配套的Codex生命科学研究插件则向更广泛用户开放，可连接超过50个公共多组学数据库、文献源和生物工具，覆盖人类遗传学、功能基因组学、蛋白质结构、生物化学等领域。
OpenAI联合创始人兼总裁Greg Brockman将GPT-Rosalind的使命概括为“加速科学进程并提升人类成果，是该公司最重要的目标之一”。
巨头入场与AI制药赛道的格局重塑
GPT-Rosalind的发布，发生在一个高度密集的时间窗口。
就在此前两天，诺和诺德宣布与OpenAI建立全栈战略合作伙伴关系，将AI深度部署至药物研发、生产制造及商业运营全业务流程，覆盖约170个国家的市场。此前一天，亚马逊AWS推出了Amazon Bio Discovery，一个集成40多种生物AI模型的药物发现智能体平台。而在更早的4月3日，Anthropic以4亿美元收购了AI生物技术初创公司Coefficient Bio。科技巨头们在AI制药赛道上的布局，正以前所未有的密度密集展开。
消息公布后，资本市场迅速做出反应。薛定谔公司和Recursion Pharmaceuticals等AI制药相关上市公司股价跌幅超过5%。投资者将OpenAI这一强大的通用AI平台，视为计算生物学领域专业软件和服务的直接竞争对手。这个赛道正在从创业公司的游乐场，变成科技巨头的主战场。
对于这个赛道中的中国公司而言，压力与机遇并存。英矽智能的核心管线Rentosertib（ISM001-055）是全球进展最快的AI原生药物，IIa期临床数据于2025年6月发表在《自然·医学》：接受60mg每日一次治疗的特发性肺纤维化患者，用力肺活量均值增加98.4毫升，而安慰剂对照组均值下降20.3毫升。2025年12月30日，英矽智能在港交所挂牌上市，录得1427.37倍超额认购。晶泰科技、华深智药等本土AI制药公司同样在不同环节构建着自己的差异化壁垒。当OpenAI这样的通用大模型公司直接下场做垂直行业模型，本土AI制药企业面临的核心问题是：自己的数据壁垒和行业理解深度，能否抵御通用大模型平台的降维打击？
GPT-Rosalind的战略意图远超产品本身。OpenAI给出的理由是：一款新药从靶点发现到获批上市平均需要10至15年，AI在早期发现阶段的提速会向下游复利式传导，更好的靶点选择、更强的生物学假设、更高质量的实验设计，最终提高整条管线的成功率。在OpenAI约8520亿美元的私有估值、约33%的毛利率、预计2026年约140亿美元亏损以及IPO前需要向市场讲述新故事的背景下，选择生命科学作为第一个垂直行业，本身就是一道精心计算的战略棋局。
作者：胡乔皓 Andy
