近2000个AI智能体32分钟读完数百万脑细胞数据
OpenAI联合生物技术公司PerturbAI、斯克里普斯研究所周三公布了一项合作成果：数千个基于GPT-Rosalind的AI智能体并行工作，只用了32分钟，就完成了对数百万个小鼠脑细胞实验数据的分析——识别基因扰动与细胞反应的关联，检索科学文献，并给出可供验证的研究假设。按OpenAI的估算，同样的工作由人类逐项完成，需要数月至一年。
这套系统怎么运作的？简单说是把一个大问题拆成几千个小任务，每个智能体负责一小块：有的读实验数据，有的翻文献，有的负责交叉比对，最后汇总成一份“推理图谱”，把基因、细胞反应、已有研究和可能机制串起来。盲测结果很说明问题：人类专家在75%的情况下更偏好多智能体生成的报告，而不是单一智能体的报告。分布式模式下检索到的文献量是单智能体的数百倍。
数据的底子也值得一提。PerturbAI今年3月发布的全脑CRISPR图谱覆盖800万个细胞，是已知最大的活体因果基因组数据集，已被下载超4万次。这次合作之后，双方把方向指向下一个环节：联合发现新药靶点——用AI直接在活体数据里找候选靶标，而不是靠试错。
最扎心的结论藏在一个细节里：这套系统提出“胆固醇调节与神经退行性疾病存在潜在联系”的假设，还需要实验验证——AI负责提出线索，验证仍然要人。生物学的瓶颈从来不是数据不够，而是读数据的人不够。
我的判断：科研工作流的重构会先于大多数行业——因为“海量数据+文献过载”的痛点在生物学里最尖锐。32分钟替代一年，压缩的不只是时间，是把试错次数变成了变量。
你觉得AI做科研，最先取代的是哪个环节？评论区聊聊。