湿实验室——AI 第一次摸到了试管

一、问题是什么

前九讲里的问题，都有一个共同点。答案可以写在纸上，或者算在电脑里。 数学家能读一篇论文判断对错，物理学家能算一个公式检验对错。AI 在这些地方能推进，是因为"检验"这一步不需要动手。

生物不一样。生物学的进展要经过实验室。你提出的机制对不对，得做出来才知道。

具体看一个例子。

分子克隆是生物实验室的基础工具之一。你有一段 DNA，想把它复制很多份，好用来做后续的研究。这件事听起来简单，但实际操作里有一步很容易出问题，就是把 DNA 导入细菌细胞。你做了一堆准备，把 DNA 和试剂配好，加进试管，希望细菌能把它吞进去并复制出来。结果往往不如意，导入效率低，一半甚至九成的 DNA 白费了。

导入效率低意味着什么？意味着你一次实验拿到的可用克隆太少。要凑够做实验的数量，就得跑更多次、用更多试剂、耗更多时间。

所以有一个非常具体的问题。

怎么把分子克隆的效率提高上去？

这个问题没有唯一答案，但可以量化。"效率提高了多少倍"是可以测的。它也不是纯理论问题，因为每一种改进都得真的做实验验证。

二、它从哪来

这件事由一家叫 Red Queen Bio 的生物安全创业公司和 OpenAI 合作完成，2025 年 12 月 16 日公布。

选这个题是有原因的。OpenAI 在自己写的报告里说得很直接。数学和理论物理的进展最显眼，因为那些想法不用碰物理世界就能严格检查。生物不一样，绝大多数进展依赖实验执行、反复迭代和经验验证。

而生物推理有安全含义。所以整个实验被放在严格受控的环境里。用的是无害的实验体系，任务范围被刻意限制住，同时评估模型的行为，为的是给生物安全风险评估和防护措施提供依据。

实验的具体安排是这样的。研究者搭了一套简单的分子生物学实验体系，让 GPT-5 去优化一个分子克隆流程的效率。

在这个过程里，人类的角色非常特殊。 模型自己推理这个克隆流程，提出修改方案，把新实验的数据吃进去，再据此提出进一步的改进。唯一的人工干预是，科学家把改过的流程实际做一遍，然后把数据上传回去。

也就是说，模型负责想，机器人（或者说实验员）负责做。模型不能自己碰试管，但它能决定下一轮做什么。

这个循环跑了好几轮。

三、卡在哪

先看结论有多惊人，再说难在哪。

GPT-5 找出了两个改进，各自独立地提高了克隆效率。

• 一个是酶学层面的改进，代号 RAPF（RecA-Assisted Pair-and-Finish HiFi Assembly），带来 2.6 倍提升
• 另一个是转化层面的改进，代号 T7，带来 36 倍提升

两个合起来，79 倍。

这个 79 不是加法，是乘法。2.6 乘 36 等于 93.6，但实际测出来是 79 倍，说明两个改进的效果大体上是叠加的、而不是互相干扰。这是原文里一个很有意思的细节。两个改进各自作用在流程的不同环节上，所以能同时保住。

难在哪？三个地方。

第一，评价不能靠推理，必须靠做。 克隆效率是个实验量。要说"这个方案更好"，得真的做一遍、测一遍。这跟数学完全不同。数学家可以坐在椅子里想出反例，生物学家不能。

第二，实验空间大到没法穷举。 克隆流程里能调的参数很多。温度、时间、试剂配比、反应顺序、每一步的静置时间…… 组合起来是一个巨大的搜索空间。靠人试，一辈子试不完。

第三，也是最关键的，改进会"缩水"。 原文有一段专门讲这个。研究者把完整优化过程中的前八名反应拿出来，用更宽范围的 DNA 稀释度重新测了一遍，发现很多改进的效果变小了。

这说明什么？说明在原来的实验条件下测出来的"提升"，有一部分是对特定条件的过拟合。换个条件，优势就掉。这跟机器学习里的过拟合是同一回事，只是发生在试管里而不是模型里。

四、现在到哪了

2026 年 2 月，同一个思路换到了更实际的地方。

OpenAI 和 Ginkgo Bioworks 合作，把 GPT-5 接进了一家云实验室。一个通过软件远程操控的自动化湿实验室，机械臂在里面执行实验、把数据传回来。

这次的目标不是效率，是成本。他们优化的是无细胞蛋白合成（CFPS）。

CFPS 是什么？一种不用养活细胞就能造蛋白的办法。传统做法是把 DNA 放进细胞里，等细胞把蛋白做出来；CFPS 则是把细胞里那套造蛋白的机器（细胞裂解液）倒出来，泡在配好的试剂里，直接在体外合成。它快，当天就能测结果，所以做快速验证很有用。

实验规模是这样的。六轮往返迭代，跑了超过 36000 个不同的反应配方，用了 580 块自动化平板。 GPT-5 负责设计一批实验，实验室负责执行，结果回传给模型，模型据此提出下一轮。这个循环重复了六次。

GPT-5 用三轮实验就建立了一个新的最好成绩，蛋白生产成本降低 40%，其中试剂成本降低 57%。而且给出的新配方对自动化实验室里常见的那些反应条件更稳健。这一条很实用，因为自动化实验室的条件往往不够"标准"，人工优化时考虑不到。

这里有个细节值得注意。CFPS 之所以难优化，是因为它是一堆互相作用的成分，编码蛋白的 DNA 模板、细胞裂解液、能量来源、各种盐…… 小的改动可能影响很大，但影响的方向经常不明显，最好的组合不跑大量实验根本找不到。以往用机器学习做这件事的进展是"增量的"，因为要彻底搜索这个空间太费人力。

成本这个目标也不是随便挑的。 商业试剂盒是按人的节奏定价的，而自动化实验室在人类团队跑几十个反应的时间里能跑几千个。到了那个规模，试剂成本就成了真正的瓶颈。所以这个实验的落点很实在。

OpenAI 在写这份报告时，语气是克制的。它明确说这些改进只针对他们那套克隆体系，仍然需要人类科学家去搭建和运行流程。它也点出了一个限制。这个 AI 与实验室之间的循环用的是固定提示词、全程无人工干预。 好处是干净地测出了模型自己能提出真正新颖的方案；坏处是系统被锁在"探索"模式里，没法去把新发现的想法榨到最好。

探索与利用的平衡，这是强化学习里的老问题。现在它也是 AI 驱动实验的核心问题。

这个专题怎么走

这是「AI 攻克的数学难题」的第十讲，也是最后一讲。

前面九讲讲的都是"纸上的事"。几何、组合、群论、理论物理、评估做法。这一讲跨到了物理世界。AI 的指令要真的在实验室里执行才算数。

回头看这十讲，有一条线贯穿。每讲都在回答同一个问题的不同侧面，怎么判断一个说法是不是真的？

单位距离问题靠的是证明本身能被检查（Lean 形式化证书）；纳维-斯托克斯除了形式化，还靠外部数学家独立核查；First Proof 那一讲直接把这个难题摊开来讲，专家批改 AI 的答卷，其中有一题被判定为错误并公开承认；科学基准那一讲讲的是怎么出题才不至于被背下来；而这一讲，判据最朴素。做一遍实验，测出来。

给学生的入口建议。这一讲里最难的东西是专业术语（无细胞蛋白合成、裂解液、转化效率）。如果这些词让你读不下去，可以完全跳过，只抓住两个数字，79 倍和 40%。 你只需要理解一件事。这些东西是真的在实验室里做出来的，不是纸上谈兵。 这和前九讲不一样。

思考与拓展

1. 回顾一下你自己的学习。 有没有哪次作业或考试，你写完觉得"我猜对了一半，但不确定另一半"？这种感觉对应今天讲的哪个问题？

2. 实验和数学的检验方式有什么根本不同？ 提示。数学的检验是一次性的（对就是对，错就是错），实验的检验是有噪声的（同一套方案重做三次，结果可能不一样）。想想看，如果实验结果会飘，79 倍这个数字的可信度受什么影响？

3. 原文里那个"换个条件效果就缩水"的发现，请你用数学的语言重述一遍。 提示。把"原来的实验条件"记作点 $x_0$，"改进的效果"记作函数 $f(x)$。在 $x_0$ 处测出的大提升，只能说明 $f(x_0)$ 大。这个性质叫什么名字？

4. 回到教材。 高中数学里有"用样本估计总体"的内容，也有多次测量取平均的做法。为什么要取平均？ 结合今天讲的"实验有噪声"，说说如果只测一次就下结论，会犯什么错？ 这个问题跟上一讲（008 讲的"专家审阅 AI 答卷"）其实是同一个道理的两面。

一句话总结

前九讲里 AI 的答卷被证明、被核查、被形式化；这一讲里，它的答卷被做成了试管里的液体。 判断真伪的方式回到了最朴素的一招。做一遍，测出来。

---

原始报道 OpenAI《Measuring AI's capability to accelerate biological research in the wet lab》，2025 年 12 月 16 日；《GPT-5 lowers the cost of cell-free protein synthesis》，2026 年 2 月 5 日。