夜雨聆风
罗莎琳德·富兰克林这辈子最著名的贡献，是拍下了一张照片。
那张照片叫 Photo 51。1952年，她用X射线衍射技术拍到了DNA分子的结构影像。这张照片后来被她的同事偷偷拿给沃森看了。沃森和克里克据此提出了DNA双螺旋结构模型，拿了诺贝尔奖，名垂青史。
富兰克林1958年因卵巢癌去世，年仅37岁。诺贝尔奖不追授逝者。
她的名字在很长一段时间里，只是教科书脚注里的一行小字。
前两天，OpenAI发布了一个新的AI模型，名字叫 GPT-Rosalind。
以她的名字命名。
我看到这个名字的时候，愣了几秒。不是因为参数多震撼，而是觉得这个命名背后有人在认真想一些事情。
然后看了一眼这个模型是干什么的。
GPT-Rosalind不是另一个帮你写周报的AI，它是用来发现新药的。
生命科学专用模型。针对生物化学和基因组学深度微调。目标是帮科学家缩短药物研发周期，把数据分析变成高效智能科研流程。
我自己的第一反应是……等等，AI连药都能搞了？
仔细想想，其实不只是「能搞」，而是AI第一次以正式身份，走进了一个真正生死攸关的房间。
当AI不再帮你写周报
说实话，我自己用AI最多的场景就是写东西、整理信息、偶尔分析个数据。朋友圈里大家晒的也差不多，写邮件、做PPT、生成图片、翻译文档。
我也不例外。每天跟AI打交道的时间比跟人说话还多。但你要问我，AI有没有帮我做出过什么真正改变什么东西的事？我可能得想半天。
这些都很好，很重要。但你有没有一种感觉，AI到现在为止，做的事情都还停留在「效率工具」这个层面？帮你做得更快，但做的事情本身没变。
GPT-Rosalind不一样。
它做的不是帮你更快地完成已有的工作，而是帮你发现人类还没发现的东西。
新药研发这件事，说到底是一个搜索问题。在一亿多种可能的分子组合里，找到那一种能精准打击某种疾病的分子。
传统流程是这样的，先花3到5年做基础研究找到候选分子，再花1到2年在实验室合成，然后花3到6年做动物实验和 三期临床试验，最后走审批流程。
整个过程平均10到15年，花费超过20亿美元，成功率不到5%。
AI做的事情，是把「搜索」从人类肉眼的极限扩展到计算的极限。它可以同时在亿万种分子组合中做筛选、预测哪些分子最可能有效、模拟它们在人体中的反应路径。
这不是效率的提升，是搜索空间的质变。
巧合的是，谷歌在同一周开源了 MedGemma 1.5，一个能直接分析CT和MRI三维扫描影像的医疗AI模型。以前AI只能看X光平面图，现在它直接「看懂」立体的人体。
这些信号加在一起，传递的信息很明确。AI在生命科学里的角色，正在从「助手」变成「同行者」。
它不再只是帮你整理文献的工具，而是能在百万分子中替你筛选候选药物的合作伙伴。
这个转变的重量，比大多数人意识到的要大得多。
加速本身就是最大的问题
说到这你可能会想，这不就是又一个「AI又变强了」的故事吗？
坦率的讲，不完全是。
我想聊一个被大多数人忽略的角度。
大家都知道AI能加速新药研发。从15年缩短到5年，从5年缩短到2年。每缩短一年，就意味着多一批病人能等到救命药。听起来完美。
但加速本身就是最大的问题。
编程世界里，代码错了可以回滚。发布有bug可以热更新。最坏的情况是服务宕机几小时，赔点钱，道个歉。
但生命科学不是代码。
一个错误的分子进入人体，后果是不可逆的。你不能给一个病人发补丁，不能对他的器官做回滚。AI可以在几小时内筛选出100个候选分子，但验证这100个分子到底安不安全，依然需要时间、需要动物实验、需要临床试验、需要真实的人体数据。
生物系统的复杂性不是算力能暴力破解的。两个单独安全的分子，组合在一起可能有毒。一个在体外测试完美的药物，进入人体后可能和某种常见食物发生致命反应。
这些不确定性是写进生命系统里的，不是训练数据能覆盖的。
所以当AI把发现的速度提升十倍，验证的压力也放大了十倍。
你发现得越快，就越需要更严谨、更漫长的验证来接住这些发现。
这就像一辆跑车装了台更强劲的发动机，直道上跑得飞快，但制动系统没升级。跑得越快，弯道上翻车的风险不是变小了，是变大了。
想了一下，回到开头那个故事。
罗莎琳德·富兰克林拍了那张照片，那是发现。但沃森和克里克把它变成了全世界接受的理论，那是验证和传播。发现只需要一个人在一间暗室里的坚持，验证需要整个科学共同体的时间和共识。
发现和被验证、被承认之间，隔着一条比发现本身更长的路。
AI今天站在富兰克林当年站的位置上。它可以比任何人都快地发现候选药物，但让这些发现真正变成能救人的药，需要的不仅仅是速度。
需要时间。需要严谨。需要在「快」和「对」之间做出判断。
而判断这件事，恰好是AI最不擅长的。
OpenAI用Rosalind命名这个模型，也许是有意的致敬，也许只是觉得这是个好名字。但它无意中提醒了一件事。在科学史上，发现者往往不是最终为发现负责的人。
AI会发现新药。但谁为这些发现负责，才是真正值得想清楚的问题。
