新智元报道
编辑：倾倾
2025年底，OpenAI宣布：AI已正式进入物理实验室，跨越数字与现实的边界。
最新研究显示，GPT-5在无任何人工决策干预下，自主完成五轮实验迭代，提出全新RAPF方案，将分子克隆效率提升79倍。这不是代码模拟，而是真实生物实验的突破性进展。
所有结果均通过测序验证，并在自动化机器人平台上成功复现。这标志着AI首次在受控环境中实现从假设生成、实验设计到优化反馈的科研闭环。
79倍效率提升的双重突破
分子克隆效率长期受限于“组装”与“转化”两大瓶颈。GPT-5针对这两个环节分别实现跨越式优化，最终达成乘法级增益。
颠覆传统的“暴力”转化法
传统实验中，感受态细胞极为脆弱，操作需轻柔避免震荡。GPT-5反向设计T7优化法：通过离心浓缩细胞，减少液体体积后加入DNA，显著提高细胞与DNA碰撞概率。
该方法使转化效率提升超30倍，证明AI可突破人类经验束缚，直击物理本质。
纳米级“红娘”蛋白协同作用
GPT-5自主设计RAPF-HiFi方案，在酶促组装环节引入两种罕见联用蛋白：
- gp32蛋白：稳定并拉直DNA单链，消除二级结构干扰；
- RecA蛋白：驱动同源搜索，引导精准配对。
二者协同工作，使组装效率较基准HiFi方案提升约2.6倍。
RAPF-HiFi机制示意图：gp32理顺DNA链，RecA完成匹配，升温后辅助蛋白脱离，聚合酶补链、连接酶封口，实现高效组装。
乘法效应：叠加优化释放巨大潜力
2.6倍组装提升与30.4倍转化提升形成正向叠加，最终实现端到端79倍效率增长。
实验员以往需重复数十次才能获得的目标克隆，如今一次即可成功。
五轮自主迭代：AI如何进化为科学家
GPT-5并非检索已有知识，而是通过五轮“实验-反馈-优化”循环自主演化出最优方案。
拒绝幻觉，接受现实检验
初期多个理论合理方案在实际测试中失败。但GPT-5具备强大学习能力，能分析失败数据并快速调整方向。
优化轨迹图显示，模型逐步淘汰无效路径，第三轮后锁定高效机制。
从猜答案到设计机制
第三至第四轮，GPT-5展现出深度推理能力，主动提议引入gp32与RecA蛋白，并精确规划反应流程：
- 50°C预反应；
- 降温至37°C启动RecA配对；
- 再次升温至50°C使辅助蛋白失活；
- 聚合酶完成最终合成。
这种对多维变量的精准控制，体现其已具备科学级逻辑架构能力。
零人工干预的科研闭环
在整个五轮迭代中，人类仅负责执行与记录，不参与方案设计或决策判断。
关键路径的选择完全由AI基于实验反馈自主完成，标志着其在限定框架内已具备独立科研能力。
AI大脑+机器人双手：打通数字与物理世界
为验证普适性，OpenAI采用Robot on Rails自动化系统，彻底排除人为“手感”影响。
GPT-5通过中间层将自然语言协议（如“4°C下3000g离心5分钟”）转化为机器人可执行指令。
系统配备视觉识别模块，可实时定位孔板、离心管等耗材，即使位置偏移也能准确操作。
对比实验表明，机器人执行R8方案后，虽绝对产量略低于人工，但性能提升趋势高度一致。
这意味着，AI指令已能可靠转化为物理动作，科学发现的瓶颈正从人力转向算力与电力。
未来科学家的角色重构
本次实验严格限定在良性系统内，全程受控于安全框架，凸显对AI潜在风险的审慎态度。
当AI承担90%重复性优化任务，人类科学家将从“实验操作工”升级为“科学架构师”。
他们不再纠缠于试剂配比，而是聚焦于更高维度的科研命题设计。
这一节点揭示了一个不可逆趋势：AI与物理世界之间已建立起可持续的反馈回路。
当代码真正流入试管，一个全新的科研时代已然开启。