OpenAI 联手 Ginkgo：GPT-5 驱动自动化实验，蛋白质合成成本降 40%

数学和物理好的 AI，在屏幕里怎么算都行，但生物学不行。生物研究绕不开湿实验，必须有人在实验室里配试剂、摇瓶子、等结果，既费时间又烧钱。

现在 OpenAI 决定把 GPT-5 接进真实的实验室里。2 月 5 日，OpenAI 宣布与合成生物学公司 Ginkgo Bioworks 合作，利用自动化云实验室和 GPT-5 进行闭环实验，成功将无细胞蛋白质合成的成本降低了 40%。

让机器人给 AI 打工

无细胞蛋白质合成（CFPS）是一种不需要培养活细胞就能造蛋白质的技术。它直接把细胞里的“生产机器”抽出来，放进受控的液体里混合，当天就能测出结果，非常适合快速试错。

问题在于，这套反应极其复杂，里面有 DNA 模板、细胞裂解液、能量再生试剂和各种盐类，相互之间怎么影响，靠人类直觉很难摸透。而且工业级的试剂价格昂贵，一旦大规模铺开，成本往往吃不消。

这次他们搭了一套闭环系统。GPT-5 负责设计实验配方，Ginkgo 的自动化云实验室用机械臂远程执行，测完数据再直接喂回给 GPT-5，由它决定下一轮试什么。

为了防止模型满嘴跑火车，团队在中间加了一道严格的代码验证，只要配方在物理上没法被机械臂执行，就会被立刻拦下，杜绝那些“看起来很美但做不出来”的纸上方案。

在配上电脑、浏览器查阅论文和数据分析工具后，GPT-5 仅用了 3 轮实验、花了两个月时间，就刷出了新纪录。整个项目历经 6 轮闭环，在 580 块自动化孔板上测试了超过 36000 种反应组合，不仅把蛋白质生产总成本打掉 40%，试剂成本更是降了 57%。

机器才懂机器的难处

有意思的是，GPT-5 找到的很多最优配方，人类科学家以前根本没试过。

在传统实验室里，研究员一般用试管做实验，氧气足、混匀好；但自动化实验室用的是高通量微孔板，反应体积小，含氧量也低，很多常规配方在机器里根本不好使。

GPT-5 很快摸清了机器环境的脾气，专门针对低氧和微量环境挑出了鲁棒性更强的配方组合。它还发现，微调缓冲液、能量再生组分和多胺这些相对便宜的辅料，就能大幅提高昂贵原料的利用率。

不过这项技术目前还不算完全成熟。OpenAI 这次只在超级折叠绿荧光蛋白（sfGFP）和单一 CFPS 系统上跑通了流程，换成别的复杂蛋白灵不灵，还得继续验证。现场的试剂装载和部分操作，依然离不开人类实验员在旁盯着。

此外，这种让模型直接指导湿实验的能力也带来了生物安全风险，OpenAI 表示会将其纳入现有的防备框架（Preparedness Framework）进行监控。

为什么重要

过去几年，AI 在生物领域的最大成就大多停留在设计端，比如预测蛋白质结构的 AlphaFold。但会画图纸不等于能量产，怎么把成本打下来、怎么跑通合成，依然是一道脏活累活集中的鸿沟。

OpenAI 这一步走得相当聪明。他们没有试图去颠覆生物学底层理论，而是把大模型当成一个不知疲倦的实验管家，直接接入现成的自动化硬件。在试错空间极其庞大的高维参数里，人类科学家的直觉很容易遇到瓶颈，但对不知疲倦、能连续试几万次配方的 AI 来说，这恰恰是它的舒适区。

在我们看来，这标志着 AI 正在从“读论文的助理”变成“下场操作的研究员”。40% 的成本降幅放在实验室里可能只是省了科研经费，但要是推广到生物医药、酶制剂甚至日常化工品生产上，带来的杠杆效应会非常惊人。

当然，普通开发者现在还用不上这套方案，建立云实验室和自动化硬件的门槛依旧高得吓人。但它指明了一个非常明确的趋势：未来的生物学竞争，拼的可能不再是谁招的博士生更多，而是谁能把最聪明的模型和吞吐量最大的机械臂连在一起。