合作与技术创新 - Ginkgo Bioworks与OpenAI合作，成功演示了一个能够以最少人工参与自主设计、执行并从生物实验中学习的AI系统[1] - 该系统将OpenAI的GPT-5推理模型与Ginkgo的云端实验室基础设施相结合，后者基于其可重构自动化推车技术和Catalyst自动化软件构建[3] - 在为期六个月的研究中，该系统进行了六轮迭代实验，设计了超过36,000种反应条件，并生成了近150,000个实验数据点[1][3][5] 实验成果与性能 - AI驱动的自主实验室将无细胞蛋白质合成的反应成本相对于现有技术降低了40%[1] - 具体而言，在实验条件下，标准基准蛋白超折叠绿色荧光蛋白的生产总反应组分成本降至每克422美元，而先前报道的先进水平为每克698美元[4] - 该自主实验室执行了超过580个384孔板，测试了36,000种反应组合[5] 系统运作与验证 - GPT-5模型被赋予了互联网访问权限、装有数据分析包的计算机、先前迭代的实验数据以及描述现有技术的预印本，使其能够像实验科学家一样操作[3] - 为确保实验设计的可行性，每个设计在执行前都通过Pydantic模型进行验证，检查包括板布局、标准品、对照、重复、试剂可用性和体积限制等因素[6] - 人类参与主要限于试剂准备、装载卸载和系统监督，而实验设计、执行、数据解释和假设生成均由GPT-5驱动的自主实验室处理[5] 商业应用与行业影响 - Ginkgo已在其试剂商店开始销售这种经AI改进的反应混合物，展示了AI驱动科学的商业潜力[7] - 公司认为，AI与自主实验室的结合对于保持美国在全球科学领域的竞争力至关重要，并提及了美国能源部主导的“创世纪任务”[7] - Ginkgo的云端实验室也通过其Datapoints and Solutions合同研究服务，以“云实验室”的形式对外提供[9] 研究细节与透明度 - 该研究成果已在一份科学预印本中描述，该预印本尚未经过同行评审，标题为“使用GPT-5驱动的自主实验室优化无细胞蛋白质合成的成本和滴度”[8] - GPT-5生成了人类可读的实验记录条目，记录了其分析、观察和原理，为其推理过程提供了透明度[6] - 值得注意的是，该模型还提出并优先考虑了要测试的新试剂，其中一些独立地预测了其未获访问权限的已发表研究中的发现[5]