79倍效率提升！GPT-5自主攻克分子克隆，AI物理元年正式開啟

新智元報道

編輯：傾傾

【新智元導讀】AI真正走入實驗室！OpenAI最新研究顯示：GPT-5在「零決策干預」下自主迭代5輪，獨創RAPF方案，竟將分子克隆效率暴力拉升79倍！ 這不是代碼模擬，而是真實物理世界的重塑。歡迎來到2025AI物理元年。

2025年底，OpenAI宣布：AI已經跨越數字邊境，正式進入物理實驗室！

在最新的研究中，GPT-5化身科學家，不僅優化了分子克隆，更是將實驗整體效率提升了79倍。

這不是模擬，不是假想，也不是「在某些條件下」可能實現。

所有數據都經過了測序驗證，且在自動化機器人平臺上得到了復現。

也許，我們可以把2025年，稱作AI的「物理元年」。

79倍背后的「兩把火」

要理解79這個數字，要先拆解分子克隆中兩個最讓實驗員頭疼的環節：「組裝」和「轉化」。

以往的優化往往是縫縫補補，但GPT-5是兩手都要抓，且兩手都要硬。

「暴力美學」打破實驗室的禁忌

在轉化環節，GPT-5提出了一個方案：T7優化法。

通常情況下，用來接收DNA的感受態細胞極其脆弱。因此實驗室有這樣一個潛規則：動作要輕，千萬別劇烈震蕩。

但GPT-5卻反其道而行之，它直接把細胞拿去離心，倒掉一半液體，濃縮后再加入DNA。

這種近乎粗暴的操作，通過大幅增加細胞與DNA的碰撞頻率，在最終驗證中，轉化效率提升超過30倍。

它證明了AI不靠所謂「實驗手感」，而是直指向最底層的物理概率。

納米級「紅娘」：RecA與gp32的跨界聯姻

如果說轉化優化是「大力出奇跡」，那么在酶促反應環節，GPT-5則展現了它的生物學直覺。

它自主設計了一套名為RAPF-HiFi的方案。在這個方案里，它找來了兩個此前的克隆方案極少聯用的蛋白：

• gp32蛋白：像一把納米級的「梳子」，負責把亂成一團的DNA單鏈理順，消除干擾。

• RecA蛋白：像一位「向導」，在理順的鏈條中進行同源搜索，引導匹配的DNA片段精準對接。

gp32負責理順，RecA牽線搭橋，在組裝環節，相比基準HiFi方案，效率提升約2.6倍。

RAPF-HiFi的核心機制示意圖：gp32先穩定并拉直單鏈DNA，消除二級結構干擾；隨后RecA介入，驅動同源搜索與精準配對。輔助蛋白在升溫后脫離，最終由聚合酶補鏈、連接酶封口，完成高效組裝

乘法效應：1+1＞2的化學反應

最讓研究人員驚喜的是，這兩項優化并不互斥，甚至可以完美疊加。

當2.6倍的組裝提升與30.4倍的轉化提升疊加，GPT-5 給出了一個端到端提升 79 倍的結果。

對實驗員來說，這不只是效率提升，而是實驗策略本身的改變。

以前可能需要重復做幾十次才能拿到的正確克隆，現在一次實驗就能收獲滿滿。

五輪迭代，AI是如何“進化”成科學家？

很多人好奇：GPT-5是不是從數據庫里搜出了一個古老的配方？

事實恰恰相反。OpenAI的報告顯示，這個方案是GPT-5在5輪嚴密的「實驗-反饋-優化」循環才進化出來的。

拒絕「幻覺」，接受現實的毒打

在早期輪次中，不少理論上合理的方案在現實實驗中直接失效。

GPT-5 在多輪實驗中的優化軌跡：每一輪包含多個候選方案，點表示不同實驗條件的結果，折線表示當前最優方案。隨著輪次推進，模型逐步淘汰無效路徑，并在第三輪后鎖定高效機制

但GPT-5擁有極強的在線學習能力。

研究人員將第一輪失敗的數據喂給它，它會分析失敗原因，并在第二輪提案中迅速修正了方向。

從「猜答案」到「設計機制」

到了第三輪和第四輪，GPT-5開始展現出一種驚人的任務規劃能力。

它開始自主提議引入全新的工具——也就是我們前面提到的gp32和RecA蛋白。

最讓研究人員驚訝的是，GPT-5甚至詳細規定了這些蛋白的出場順序和溫度切換點：

先在50°C反應，然后降溫到37°C讓RecA工作；接著再次升溫到50°C讓輔助蛋白失活，由聚合酶完成收尾。

這種對實驗節奏的精準掌控，證明了它已經具備了深度的多維邏輯推理能力。

「零決策干預」下的科研奇跡

在5輪進化中，人類科學家只負責執行與記錄，不參與方案設計與方向判斷。

這意味著，關鍵機制的提出與路徑選擇，來自模型自身的推理，而非人類的實時指導。

在受控實驗框架內，AI已經能夠獨立提出、檢驗并修正新的實驗路徑。

在受控實驗空間內，模型已經能夠依靠實驗反饋，自主探索人類尚未明確給出的優化路徑。

跨越數字邊界

指令變成機器人的雙手

如果說GPT-5是大腦，那么由Robot on Rails驅動的自動化系統就是它的雙手。

生物實驗常被描述為依賴「手感」的工作，許多關鍵步驟難以標準化。

為了驗證AI方案的普適性，OpenAI徹底剔除了人類手感，讓機器人直接上場。

GPT-5通過一個「人到機器人」的大模型中間層，用自然語言寫出實驗協議，隨后翻譯成機器人的動作指令。

比如，輸入「在4°C下以3000g離心5分鐘」，機器人就能自主識別離心機的位置、平衡試管、并精準執行動作。

實驗室環境是動態的。為了讓機器人不「抓瞎」，系統配備了先進的視覺識別。

它能實時定位每一塊孔板、每一個離心管，即使實驗員隨手把試劑盒放歪了幾個厘米，機械臂也能通過視覺反饋，準確無誤地完成吸取。

實驗結果給出了最有力的證明。研究人員讓機器人執行了GPT-5優化的R8方案，并與人類專家的操作進行了對標。

人類與機器人執行同一優化方案的對比結果：在GPT-5提出的R8轉化方案下，機器人與人類實驗員獲得了高度一致的相對提升趨勢，盡管機器人在絕對產量上仍低于人工操作

在絕對菌落數量上，由于液路精度與溫控等硬件限制，機器人產出仍顯著低于人工操作。

但在「性能趨勢」上，機器人完美復刻了人類實驗的結果。

相比基準方案，機器人的優化提升倍數與人類高度一致。

當指令真正變成動作，實驗室的圍墻倒塌了。

這意味著，未來的科學發現可能不再受限于某個天才科學家的體力，而是受限于算力和電力。

從「實驗室計件工」進化為「科學架構師」

在整份報告的最后，OpenAI用了相當長的篇幅討論了一個嚴肅的話題：生物安全。

AI在特定受控實驗任務中展現出接近甚至不同于人類經驗路徑的優化能力，這既可能加速科學發現，也放大了潛在風險。

這也是為什么這次實驗被嚴格限定在「良性系統」內，并全程受控于OpenAI的預備框架之下。

這種謹慎本身，就是對AI強大能力的另一種側面證明。

如果說過去的科研像在迷霧中翻山越嶺，那么GPT-5正在將這片迷霧變成一馬平川的平原。

正如我們在實驗中看到的，當AI能夠獨立完成假設、驗證到優化的全閉環，科學發現的速率將不再受限于人類的體力極限、有限的實驗手感，甚至是短暫的科研生命。

這并不意味著人類科學家將無事可做。

相反，當AI承擔了90% 繁瑣、重復、充滿不確定性的底層優化工作后，科學家將被迫從「實驗室計件工」的角色中解脫出來。

未來的科學家，更像是一位「科學架構師」。

他們不再糾結于一管試劑的配比，而是去構思更具顛覆性的科研課題。

這份報告也許只是一個不起眼的節點，但它揭示了一個難以逆轉的趨勢：

AI與物理世界之間，第一次形成了可持續的反饋回路。

當代碼在試管中流動，一個全新的時代也隨之開啟。

參考資料：

https://openai.com/index/accelerating-biological-research-in-the-wet-lab/

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！