AI实现药物全自动研发，还远吗？
啥？药物研发也能「全自动」了？
最近，OpenAI和Molecule.one联合发布了一个新成果：
GPT-5.4在近乎自主的条件下，改进了药物合成里一个常用反应。
而且还提出了一个化学家都觉得意外的方案。
AI震惊人类，这也不是头一回了哈。
不过终于是震惊到化学领域了。
这次出主意、定方案、决定下一步该试什么的，是AI。
动手做实验、把关、亲手复现的，还是人。
Molecule.one的CTO Stanisław Jastrzębski表示，这是有机化学领域首个AI近乎自主完成的发现。
合成一直是药物发现的一个大瓶颈。
做小分子药，绕不开有机合成。一个反应好不好用，关键看它能不能在各种不同的原料上稳定地搭出同一种化学键。
要是产率太低、副产物太多，化学家可能就得放弃一个本来很有希望的分子，或者花大力气另找路线。
说到底，科学家只能去测那些自己造得出来的分子。
这次GPT-5.4改进的，是Chan–Lam偶联。
这是化学家常用来搭碳氮键的一个反应，而碳氮键在药物里到处都是。
麻烦在于，这个反应不是对所有分子都好使，尤其是拿伯磺酰胺和硼酸去偶联，历来产率都很低。
偏偏磺酰胺这一族又很重要，抗癌药、抗菌药、利尿剂里都有它的身影。
所以如果能把这个又难又有用的反应做得更可靠，就等于给药化学家多开了一条造分子的路。
那么，OpenAI是怎么做的呢？
他们把GPT-5.4接到了Molecule.one的Maria身上。
Maria是一套化学AI agent，后面连着一个能自动跑实验的高通量实验室。
研究团队给系统下了个很开放的目标：去改进某一类重要反应。
至于怎么改、改哪个，全部自己看着办。
于是！系统就开始自己跑了。
它生成研究方案、设计并执行实验、分析实验数据，再据此提出下一轮该做什么。
那么，人负责干什么呢？
科学家写了引导和打分用的prompt，让GPT-5.4生成并排序了数千个研究方案，然后从系统排名最高的一小撮里，挑了四个真正送进实验室。
Maria再把选中的高层计划翻译成详细的实验指令，跑出成千上万次高通量实验，分析原始数据，把结构化结果回传给GPT-5.4。
四个方案里，编号OAI-M1-03提出了一个最意想不到的解法。
GPT-5.4自己认定，伯磺酰胺是个又难又有价值的底物类别，然后提出：
用TEMPO这类温和的氧化剂当添加剂，也许能改善这个反应。
这个建议一出来，连人类化学家都震惊了。
而在随后的测试中，十种氧化剂里也正是TEMPO跑了出来。
后续实验里系统还发现，TEMPO可以换成便宜得多的类似物4-hydroxy-TEMPO，性能几乎不打折。
By the way，这整个过程里人类做的最大一次干预，是叫停了用DMSO当溶剂。
因为化学家担心它会和用作对照的强氧化剂起反应。
可以放心，这种活，目前还是得人盯着。
有了AI的加持，效果怎么样呢？
OpenAI表示，在优化后的条件下，所测试的硼酸里有88%产率提升，磺酰胺里有83%提升。
平均产率从16.6%涨到25.2%，产率超过30%的反应占比，从15.6%提到了37.5%。
但更加惊人的是AI的实验量，两轮下来Maria一共跑了10080个反应。
这比一个化学家每天做三个、连做十年还要多。
此外，人类化学家还手工验证了其中一批代表性反应。
结果发现，14对底物里有11对产率确实提高了，其中八对涨了两倍以上。
整个实验过程历时三个月，从3月4日的第一个prompt，到6月4日把OAI-M1-03的结果交给外部专家。
其中有2个半月在做实验，最后半个多月是人类化学家撰写结果。
虽然这是一个早期案例，不过足以说明当下的前沿模型已经能够支持大部分的科学研究：
包括审查研究、提出假设、设计实验、解释数据，以及发现人类专家可以验证的成果。
但OpenAI表示，这还不算AI全自动药物研发。
他们明确把这套流程描述为「近乎自主」而不是「完全自主」，理由是人类化学家始终在做重要决策。
模型负责提出关键的研究想法，人则提供高层引导和判断、纠正实验细节、帮着备料配试剂，还亲手重复了关键实验。
在整个过程中，人的判断仍然是不可或缺的。
不过…AI虽然还没法独自跑完一个研究，但它已经能决定下一步试什么。
那么，AI实现药物全自动研发，还远吗？
客观来看，这次尝试展示了AI在化学假设生成和实验调度上的巨大潜力，但距离“全自动”仍有几道坎：人类对溶剂安全性的干预、对底物普适性的手动验证，都说明目前的AI还缺少化学常识的“物理直觉”。不过，当实验通量从几千次跃升至十万次级别时，AI的试错效率已远超人类团队。未来，若能将AI的探索能力与自动化实验室的闭环整合得更紧密，药物研发的范式可能被彻底改写。
