生物技術與人工智能的融合正為科研領域帶來突破性變革。OpenAI與生物技術企業Ginkgo Bioworks聯合宣布，通過部署GPT-5構建的自動化系統，成功將無細胞蛋白質合成（CFPS）技術的生產成本降低40%，試劑成本降幅達57%。這一成果標志著AI首次在實體科學實驗中實現全流程閉環控制。
該系統創造性地將GPT-5與云端濕實驗室直接連接，形成"設計-執行-分析-優化"的完整閉環。AI不僅承擔實驗方案設計任務，更能指揮機械臂完成試劑調配、反應監測等操作，并通過實時數據分析自主規劃后續實驗步驟。在580塊自動化孔板上進行的36000余次反應測試中，系統展現出超越人類專家的優化能力——僅通過三輪迭代就突破了傳統方法保持的效率紀錄。
無細胞蛋白質合成技術通過提取細胞內的蛋白質生產機器（如核糖體），在體外環境中直接合成目標蛋白。這種技術雖避免了細胞培養的復雜性，但涉及DNA、裂解液及數十種生化成分的精密調控，傳統優化方式高度依賴科研人員的經驗積累。研究團隊特別指出，GPT-5在處理高維度參數空間時表現出獨特優勢，成功發現多個未被人類探索過的低成本配方組合。
實驗數據顯示，在低氧等特殊條件下，AI設計的配方展現出極強的穩定性。其中對緩沖液成分和微量多胺的調整策略尤為亮眼——這些看似微小的改動使蛋白質產量顯著提升，而成本增幅幾乎可以忽略不計。這種"四兩撥千斤"的優化效果，正是傳統試錯法難以企及的。
為確保實驗可靠性，系統采用多重驗證機制：所有AI生成的方案必須通過物理世界執行測試，數據回傳后再次由AI進行交叉驗證。這種"虛實結合"的模式有效避免了純理論推導的局限性，使優化過程始終基于真實實驗數據。研究團隊形象地將該系統比作"永不疲倦的數字科學家"，其24小時不間斷工作的特性大幅縮短了研發周期。
此次合作揭示了AI在實體科學領域的巨大潛力。當人工智能突破數字世界的邊界，直接操控物理實驗設備時，科研范式正經歷著根本性轉變。這種轉變不僅體現在成本降低和效率提升，更在于為解決復雜生物問題提供了全新的方法論——通過機器學習與自動化技術的深度融合，人類正在開辟科學探索的新維度。
