▲OpenAI宣布聯手Ginkgo實驗室。（圖／OpenAI）
記者吳立言／綜合報導
OpenAI 今（6日）宣布與合成生物學企業 Ginkgo Bioworks 達成里程碑式合作。透過將最新一代模型 GPT-5 連結至「雲端實驗室（Cloud Laboratory）」，AI 成功跨越了數位演算與實體實驗的鴻溝，在蛋白質合成領域取得重大突破。
突破科研瓶頸：當 GPT-5 遇上自動化機器人
在傳統生物學研究中，進展往往受限於「實驗室循環（Wet-lab cycle）」的漫長時間與高昂成本。OpenAI 指出，數學或物理問題可以在數位世界驗證，但生物學必須經過實體實驗。
為了打破這一僵局，雙方建立了一個「實驗室在環（Lab-in-the-loop）」的系統：
自主提案： GPT-5 獲取電腦、瀏覽器權限並閱讀最新科研論文。
設計實驗： 模型自主設計大規模實驗方案，並通過嚴格的程式驗證（Pydantic Validation），確保設計在物理機器人上可執行。
雲端執行： Ginkgo 的自動化機器人手臂根據指令執行實驗，並即時回傳數據。
學習迭代： GPT-5 分析結果後，立即修正假設，展開下一輪實驗。
驚人數據：3.6 萬次反應與 40% 的成本降幅
這項合作針對「無細胞蛋白質合成（CFPS）」這一關鍵生物技術進行優化。在為期兩個月、共六輪的自主循環中，系統展現了人類科學家難以企及的效率。系統在 580 個自動化反應盤中測試了超過 36,000 種 獨特的反應組合成份。僅經過三輪迭代，GPT-5 便超越了現有的技術基準（SOTA），將蛋白質生產成本降低了 40%，試劑成本更是大幅削減 57%。 GPT-5 更發現了許多人類直覺容易忽略的細微變量（如緩衝液、能量再生組件與多胺的微小調整），並優化了自動化實驗室常見的「低氧環境」反應配方。
為何這項進展至關重要？
蛋白質是現代醫學（藥物、診斷）與工業（酵素、清潔劑）的基石。CFPS 技術能在不培養活細胞的情況下快速製造蛋白質，是生物研發的「快速原型」。
OpenAI 表示，當蛋白質生產變得更便宜、更快速，科學家就能以更低的代價測試更多創意，縮短從早期研究到實際應用的距離。
未來挑戰與安全性
儘管成果豐碩，OpenAI 也坦言這項技術目前仍存在局限性。在通用性方面，由於目前主要針對 sfGFP 蛋白質進行測試，未來仍需進一步驗證該系統是否能同樣有效地應用於其他更複雜的蛋白質。此外，現階段的實驗過程並非完全自動化，仍需要人類專業人員協作處理試劑補充及特定操作規程的優化。
最後，隨著 AI 在實驗室能力的顯著提升，OpenAI 承諾將嚴格執行「備災框架（Preparedness Framework）」，透過完善的評估機制來防範潛在的生物安全風險，確保科學進步能在安全且負責的情況下加速進行。
自動化科學進展的開端
這項進展引發了「有效加速主義（e/acc）」支持者的熱烈討論。當 AI 具備自主研發能力時，藥物開發、材料科學與能源效率的進步速度將呈指數級增長。
傳統實驗室往往受限於人力操作的疲勞與主觀偏見，而「GPT-5 + 自動化實驗室」的組合，預示著一個 24/7 不間斷、自我進化的科研時代已經來臨。
