OpenAI推出专为生命科学打造的AI助手GPT-Rosalind，加速新药研发

4月16日，OpenAI正式发布一款专为生命科学研究设计的AI模型——GPT-Rosalind，以纪念DNA双螺旋结构的关键发现者罗莎琳德·富兰克林（Rosalind Franklin）。这款模型并非又一个通用聊天机器人，而是为生物学家、药物研发团队量身打造的“数字助手”，目标是缩短从实验室发现到临床应用的漫长路径。

与传统AI不同，GPT-Rosalind不是靠泛泛的互联网文本训练出来的。它在数以亿计的基因组数据、蛋白质结构、化学反应记录和已发表的科研论文中进行了深度训练，尤其在基因编辑、小分子设计和蛋白质折叠预测等关键任务上表现突出。在独立的科学基准测试LABBench2中，它在多个任务上的准确率超越了当前主流模型，甚至在部分预测任务中接近或达到了资深科研人员的水平。

目前，该模型以“研究预览”形式向首批合作机构开放，包括全球制药巨头安进（Amgen）、mRNA疫苗领导者莫德纳（Moderna）、生命科学仪器与试剂巨头赛默飞世尔（Thermo Fisher Scientific），以及专注于生物医学开放研究的艾伦研究所（Allen Institute）。这些机构将利用GPT-Rosalind辅助分析实验数据、生成可验证的科学假设、优化分子结构，甚至规划下一步实验流程，减少重复性工作，把更多时间留给真正需要创造力的环节。

为提升实用性，OpenAI同步上线了一套生命科学插件系统，可直接对接超过50个专业工具和数据库，包括PDB（蛋白质数据库）、ChEMBL（化合物活性数据库）、UniProt（蛋白质信息库）和PubChem等。研究人员无需切换平台，就能在对话中调取最新结构数据、比对已知药物靶点，或生成符合药代动力学规律的候选分子。

AI正从“聊天工具”变成科研标配

过去几年，DeepMind的AlphaFold彻底改变了结构生物学，Anthropic也在探索AI在临床试验设计中的应用。如今，OpenAI带着GPT-Rosalind正式加入这场竞赛。这不是一次营销噱头，而是一次基础设施级的布局——当科研人员开始习惯用AI来“读文献、提假设、筛分子”，它就不再是辅助工具，而是像显微镜或PCR仪一样，成为实验室的标配。

市场反应迅速。消息公布后，多家生物技术公司股价出现波动，投资者开始重新评估AI对药物研发周期的影响。据行业分析，传统新药研发平均耗时10–15年、耗资超20亿美元，而AI驱动的流程有望将早期发现阶段缩短30%以上。虽然AI还无法替代经验丰富的科学家，但它能帮人更快地排除错误方向，避免“在错误的树上摘果子”。

一位参与内测的莫德纳研究员表示：“过去我们花两周整理文献、比对靶点，现在用GPT-Rosalind，一小时就能得到一份结构清晰的分析报告，剩下的事，是人来判断值不值得试。”

这张图，是OpenAI官方发布的模型界面示意图，展示了科研人员如何通过自然语言与系统交互，获取结构预测、分子建议和实验设计参考。

未来已来，但路还很长

GPT-Rosalind的发布，标志着AI从“能聊天”走向“能做科研”。但它仍处于早期阶段：结果需要人工复核，数据来源依赖已有文献，对罕见病或小样本研究的泛化能力仍有待验证。更重要的是，科学发现的本质是质疑与突破，而AI擅长的是归纳与优化。

真正值得关注的，不是AI会不会“取代”科学家，而是它会不会让科学家不再被繁琐事务拖住脚步。当AI承担起信息整合、模式识别和初步筛选的工作，人类的智慧才能更专注在那些真正关键的问题上：为什么这个分子有效？这个靶点真的值得赌吗？我们是不是漏掉了什么更根本的机制？

这场变革，正在实验室里悄然发生。