OpenAI 把科研拆给几千个智能体：32 分钟读完数百万个脑细胞，专家盲测 75% 选了它

凌晨的实验室里，最耗时的往往不是做实验，而是读结果。一份覆盖整只小鼠大脑的 CRISPR 图谱，意味着数百万个细胞、成百上千个基因干预，以及一个人可能终其一生也读不完的相关文献。

OpenAI 给出的新解法不是“更大的模型”，而是“更多的分析者”。它联合 PerturbAI 与斯克里普斯研究所（Scripps Research），把这项工作拆给数千个 AI 智能体并行执行，整个分析只用了 32 分钟。研究团队估算，若由人类研究者逐项分析实验结果并检索文献，完成同等规模的工作需要数月，甚至一年。

一分钟速览

• 做了什么：用数千个分布式 AI 智能体，分析一份覆盖整只小鼠大脑的 CRISPR 图谱，记录不同基因被干预后各类脑细胞的变化。
• 用了什么模型：专为生命科学研究设计的 GPT-Rosalind，而不是通用聊天模型。
• 快多少：32 分钟完成分析；人类团队估算需要数月到一年。
• 效果如何：20 组配对盲测中，生物学家在 75% 的评审里更偏好分布式智能体产出的报告，单个智能体只拿到 16.7% 的偏好，其余为平局。
• 引用差距：最大规模测试中，分布式智能体引用了 700 多篇文献，单个智能体只引用了 11 篇。
• 需要冷静的地方：论文 10 月 16 日发布在 bioRxiv，尚未经过同行评审；AI 提出的机制仍是被等待实验验证的假设。

不是“一个聪明的模型”，而是一支会分工的队伍

这套系统的关键设计是“一个智能体盯一个基因干预”。研究团队把庞大的分析任务切开，每个智能体只负责一种基因干预：读该干预对应的细胞反应数据，再去检索科学文献，为观察到的变化寻找可能的生物学解释。所有智能体的报告最后被汇总成一份名为“Reasoning Atlas”的推理图谱，把基因、细胞变化、参考文献和潜在作用机制串在一起。

这解释了一个容易被忽略的差别。单体模型再强，上下文窗口也是有限的，它很难同时装下上千种干预、上万篇文献；而分布式架构把“广度”交给了数量，把“深度”留给了单个智能体的专注。盲测结果和引用数量的差距，本质上不是模型智力差距，而是工作组织方式的差距。

两条值得关注的线索

研究团队提到，智能体不仅复现了部分已有结论，还提出了一些可以继续验证的方向。

第一条与结节性硬化症相关。Tsc1 和 Tsc2 都参与调控细胞生长与代谢，但分析发现，在小脑部分神经元中干预 Tsc2 会改变多种与神经元通信有关的基因表达，干预 Tsc1 却没有同等程度的变化。这种不对称，可能为理解该疾病相关的脑部异常提供新角度。

第二条涉及神经退行性疾病相关的 DCTN1。干预该基因后，部分与胆固醇合成有关的基因表达上升。智能体把这一现象与既有文献中胆固醇运输异常的研究联系起来，提出一个待验证的问题：DCTN1 功能异常是否会影响神经元内部的胆固醇分布，并进一步参与神经退行性变化。

真正的价值，可能不在“快”

32 分钟这个数字很抓眼球，但科研场景里，“快”本身不构成结论。更有意义的信号是：AI 开始承担“把结果和文献对上”的工作，而这恰恰是过去最消耗人力的环节。一个博士生可能要在几百篇论文里寻找一个能解释异常现象的机制，现在这项工作被拆成了可以并行的检索与推理。

风险也同样明确。大规模文献检索会放大“看起来合理但引用不成立”的问题，而生物学假设的价值又高度依赖实验验证。研究团队自己强调，推理图谱、分析流程和代码开放给研究者，是为了帮助他们筛选“值得优先做实验”的方向，而不是替代实验。

趋势：科研智能体正在从“助手”变成“课题组”

过去一年，AI for Science 的主流叙事是“更强的单模型”；这项研究给出了另一条路径：把科研流程拆成可并行的角色，用编排和引用约束来换取规模。它更接近一个课题组的组织方式，而不是一个天才。

对产业来说，这意味着评估标准要变。比“模型能不能答对一道生物题”更重要的，是它能不能在上千个任务里保持一致、能不能把结论追溯到具体文献、能不能被专家快速复核。分布式智能体的 75% 偏好率和 700 篇引用，说明这套组织方式已经跨过了“演示”阶段；但要成为真正的科研基础设施，它还得跨过同行评审和湿实验这两道门槛。

论文预印本：bioRxiv 10.64898/2026.10.15.759436