药物研发这件事，正在被AI悄悄改写。
OpenAI携手Molecule.one近期公布了一项进展：在几乎不需要人工干预的情况下，GPT-5.4成功优化了一种制药行业常用的化学反应，并且给出了一种连专业化学家都没料到的解决思路。
AI让人类大跌眼镜，早已不是新鲜事。但这一次，轮到化学界感到震撼了。
整个项目的分工很明确：拿主意、定路线、判断下一步往哪走的是AI，而真正动手做实验、把关结果、亲自重复验证的，依然是人。Molecule.one首席技术官Stanisław Jastrzębski称，这是有机化学领域第一次出现由AI近乎独立完成的科研发现。
一、GPT-5.4跑通药物自主研发
从一个老大难反应说起
合成路线一直是药物研发链条上最容易卡壳的环节。
研发小分子药物离不开有机合成，而一个反应是否实用，很大程度取决于它能否在多种不同原料上稳定地构建出同一种化学键。一旦产率太低、副产物太多，原本有潜力的候选分子也可能被迫放弃，或者团队不得不花费大量精力去重新寻找合成路径。归根结底，研究人员能测试的分子，永远受限于他们实际造得出来的分子。
这次GPT-5.4出手优化的，正是化学家常用来构建碳氮键的Chan–Lam偶联反应——碳氮键在药物分子中几乎无处不在。问题在于，这个反应并非对所有底物都友好，尤其是用伯磺酰胺与硼酸进行偶联时，产率一直偏低。而磺酰胺这一类结构又格外重要，广泛存在于抗癌药、抗菌药和利尿剂之中。换句话说，谁能把这个难搞却又有价值的反应做得更稳定，谁就为药物化学家打开了一条新的造分子路径。
OpenAI是怎么做的
具体操作上，OpenAI把GPT-5.4接入了Molecule.one旗下的化学AI智能体Maria，而Maria背后连接着一套能够自动运行实验的高通量实验室。
研究团队给出的任务相当开放：去优化某一类重要反应，至于具体怎么改、改什么细节，全交由系统自行判断。系统随即自主运转起来：生成研究方案、设计并执行实验、分析数据，再据此规划下一轮实验该做什么。
那人类在其中做什么呢？科学家负责编写用于引导和评分的提示词，让GPT-5.4生成并排序了数千套研究方案，再从排名靠前的少数方案里，挑出四个真正送进实验室验证。Maria随后把这些高层次方案转化为详细的实验操作指令，跑出成千上万次高通量实验，分析原始实验数据，并将结构化的结果反馈给GPT-5.4。
在四个候选方案中，编号为OAI-M1-03的方案给出了最出人意料的答案。GPT-5.4自行判断伯磺酰胺是一类既难处理又极具价值的底物，进而提出：加入TEMPO之类的温和氧化剂作为添加剂，或许能改善该反应的表现。这一建议让人类化学家也感到意外。后续测试中，在十种候选氧化剂里，TEMPO确实脱颖而出。更进一步的实验还发现，TEMPO可以替换成成本低得多的类似物4-hydroxy-TEMPO，性能几乎没有损失。
值得一提的是，整个过程中人类做出的最关键一次干预，是叫停了使用DMSO作溶剂的方案——化学家担心它会和实验中作为对照的强氧化剂发生反应。这也说明，目前这类工作依然离不开人的全程把关。
二、数据说话
效果方面，OpenAI给出的数据显示：在优化后的反应条件下，测试涉及的硼酸底物中有88%产率得到提升，磺酰胺底物中这一比例为83%。
整体平均产率从16.6%提升至25.2%，产率超过30%的反应占比也从15.6%上升到37.5%。
更让人吃惊的，是AI的实验吞吐量——两轮实验下来，Maria总共完成了10080次反应，相当于一位化学家每天做三个实验、连续做十年的工作量。
此外，人类化学家还对其中一批具有代表性的反应进行了手工复核：14对底物组合里，有11对的产率确实得到了提升，其中8对的提升幅度超过两倍。
整个项目历时约三个月：从3月4日发出第一条提示词开始，到6月4日把OAI-M1-03方案的成果提交给外部专家评审为止。其中两个半月用于实验执行，最后半个多月则是人类化学家撰写研究结果。
离“全自动”还有多远
这虽然只是一个早期案例，却足以说明：当前的前沿AI模型已经能够支撑大部分科研工作的开展，包括梳理已有研究、提出假设、设计实验、解读数据，乃至给出经得起人类专家验证的发现。
不过OpenAI也强调，这还算不上AI完全自主的药物研发。团队特意将整个流程定性为“近乎自主”而非“完全自主”，原因是人类化学家始终在关键节点上把握方向——模型负责提出核心的研究思路，人类则承担高层次引导与判断、纠正实验细节、协助备料配试剂，并亲自重复验证关键实验。可以说，在整个流程中，人的判断仍然是不可替代的一环。
只是，尽管AI目前还无法独立跑完一整套研究，它却已经具备了决定“下一步该试什么”的能力。
那么问题来了：AI真正实现药物研发的全自动化，还有多远？
AI 速览
