人工智能与生命科学的融合正处于关键拐点。随着通用大模型在消费端应用逐渐饱和，科技巨头纷纷将目光投向具有高壁垒的垂直领域。此次动向若属实，不仅意味着生成式 AI 技术栈的进一步延伸，更预示着科研范式可能迎来新一轮的效率革命。
4 月 16 日周四，OpenAI 正式推出了专为生命科学研究设计的 AI 模型早期版本——GPT-Rosalind。该模型以 DNA 结构发现者罗莎琳德·富兰克林（Rosalind Franklin）命名，旨在利用生成式 AI 加速药物开发进程。通过从海量生化数据中提取洞察，GPT-Rosalind 能够协助研究人员进行证据合成、假设生成、实验规划及蛋白质工程分析，目标是将漫长的实验室研究更高效地转化为患者的医疗应用。
目前，该模型作为“研究预览版”向选定的企业客户开放。首批合作伙伴包括制药巨头 Amgen、疫苗制造商 Moderna、Thermo Fisher Scientific 以及非营利机构艾伦研究所。技术上，GPT-Rosalind 针对基因组学和化学领域进行了深度微调，在 LABBench2 等科学基准测试中表现优异，显示出在某些预测任务上超越人类专家的潜力。此外，OpenAI 同时推出了配套的生命科学插件，支持链接超过 50 种专业科学工具和数据库。
此举标志着 OpenAI 正式进入由 Google（DeepMind）和 Anthropic 主导的科学 AI 赛道。随着领先的人工智能实验室聚焦于医疗数据分析和新药辅助开发，AI 已从通用的聊天工具演变为研究基础设施。尽管关于”AI 取代成熟研发经验”的观察仍存在，但 OpenAI 的深层布局已在制药领域引起震动，部分生物技术公司的股价在公告后出现波动。
纵观整个 AI for Science 赛道，算法能力的突破仅仅是第一步，真正的挑战在于如何与现有实验流程无缝衔接以及数据的合规性。对于制药行业而言，评估此类模型的价值不应仅停留在发布消息层面，更需关注后续实际落地案例中的效率提升数据。这不仅是技术的较量，更是生态整合能力的比拼。
