READ WITH
CONTEXT
OpenAI、Anthropic接连出手!中国黑马把实验室变成AI「进化训练场」

FEATURED STORY

从信息变化中
发现新的观察角度

以事实为基础,以清晰表达为目标,为每一次阅读保留足够的背景与思考空间。

Wul_S STORY / 01
问鼎娱乐· (国际)-官方网站 行业资讯 OpenAI、Anthropic接连出手!中国黑马把实验室变成AI「进化训练场」
返回资讯列表

OpenAI、Anthropic接连出手!中国黑马把实验室变成AI「进化训练场」

问鼎娱乐整理如下:

新智元报道 今年2月,OpenAI干了件挺轰动的事: 把GPT-5接进Ginkgo Bioworks的云实验室。

AI 设计实验, 机器人 执行,结果回传,AI再设计下一轮。

六轮迭代,3.

6万组反应配方,一种标准蛋白的生产成本直降40%。

人类只需配试剂、装卸板子、在旁边看着。

但论文里藏着一个细节: 真正驱动机器人干活的代码,不是GPT-5写的,是Ginkgo的工程师写的。

他们明确说,不让GPT-5碰执行代码。

也就是说,AI会「想」实验,还不会「做」实验。

它只能在人类划好的框里活动。

Anthropic也下场了,他们建了湿实验室,10月底还买下一家只有一个员工的biotech——创始人靠Claude编排11家外部实验室做药。

几乎同一周,OpenAI买了做药物研发编排的Orchestra Bio;

Google把AI智能体直接接上了实验台的机器人。

一夜之间,科技巨头们达成了同一个共识: 光有聪明的大脑不够,得给 AI 配一个能动手、能反馈的真实世界。

11月6日,上海进博会,涌生智能出牌了。

在「智能基座,世界共生」主题活动上, 华大智造上午先官宣了测序仪AI Ready,下午由子公司涌生智能发布云端自主实验室SE-Fab-SynBio。

这个实验室干的事,说起来很简单: AI 说「我想验证这个」,实验室就真的做一遍,然后把结果交还给AI——不光是结果,还带着实验条件、过程记录和质量信息。

AI拿着这些,接着设计下一轮。

一句话概括: 别人还在给AI配实验室,这边已经把实验室变成了AI的训练场。

而且不是PPT,平台已经上线开放预约,还先拿自家测序仪里要用的酶,跑出了结果。

AI一天能想100个点子 实验室可做不完 一名研究工业酶的科学家,想找到一种更耐高温的酶。

过去怎么办?

泡几周文献,凭经验挑几个方向,一轮一轮做实验。

现在有了AI,几分钟就给你甩出上百个候选方案。

然而你一转头,实验室设备在排队,试剂还没备齐,做实验的同事已经三个课题并行。

AI这边假设产得飞快,实验那边压根接不住。

更要命的是,AI给的候选大部分注定被淘汰。

一组真实的结合实验数据:AI设计了1,320个候选蛋白,最后只有354个表现出目标结合活性。

剩下73%,同样耗光了表达和纯化的资源。

这就是AI for Bio眼下撞上的现实。

生物学不是数学,证明对了不算完;

一种酶耐不耐高温、一种蛋白能不能跟靶点结合,只有真实实验能给答案。

模型说「我觉得行」不算数,现实世界回答「它确实行」才算。

卡在这里的,不只是高校课题组:做模型的AI团队手里有设计、没实验室;

Mithril那样的精简biotech,整条研发线都架在外部CRO网络上。

科研的瓶颈,正在从「想不出来」变成「验不过来」。

全球云实验室的兴起,就是冲着这个新瓶颈来的。

不是实验外包 是给AI造一个「真实世界」 一听「云实验室」,很多人第一反应是:在电脑里模拟实验?

恰恰相反。

它借的是云计算的思路—— 云计算让你不用自己建机房,云实验室让你不用自己建实验室。

真正的培养、反应、检测,依然发生在实体实验室里。

但涌生智能给SE-Fab-SynBio的定位,比「共享实验室」野心大得多: 训练科学大模型的物理 强化学习 环境。

搞AI的都懂:强化学习就是模型做个动作,环境给个反馈,模型据此调整,再来。

下棋的环境是棋盘,自动驾驶的环境是道路,生命科学AI的环境,就是实验室。

用他们自己的话说,核心价值就是给AI当verifier:让AI跟真实实验世界交互,拿回可信的数据反馈。

就在11月6日,OpenAI又发布了一个值得关注的研究:BioBasicsBench。

这次不是考AI懂多少生物知识,而是直接拿100项真实湿实验数据,考它能不能看懂实验结果、识别错误、做出正确判断。

about image

结果GPT-6 Astra在最高档推理设置下,平均只拿到66.

7%的可得评分;

GPT-5.

6 Sol更是只有43.

8%。

即便是GPT-6,仍会忽略关键实验对照、选错菌落,甚至把菌落数量高估约12%。

最前沿的基础大模型,距离可靠理解真实生命科学实验,仍有明显差距。

问题来了,怎么让AI真正跨过这道坎?

光靠继续学习文献、扩大模型参数还不够。

它需要真实的实验数据,需要知道自己哪里判断错了,更需要一个能不断试错、验证、获得反馈的物理环境。

这恰恰是涌生智能的核心定位: 不是再造一个更大的生物模型,而是为科学大模型提供突破智能上限所需要的真实数据和物理 强化学习 环境。

而且,这套基础设施不只服务于基础科学研究,也能为AIDD(AI驱动药物研发)中的分子优化、虚拟细胞预测与校准提供真实的实验执行和验证环境。

AI负责提出假设,真实实验负责检验假设,再把成功与失败的数据交还给AI,让下一轮设计更有依据。

模型负责变聪明,云实验室负责让它接受真实世

问鼎娱乐将持续关注后续动态。

上一篇队报:科纳特在皇马开局不错,但国家队生涯正处于关键时刻...
下一篇《哥斯拉:负零》北美首周3160万美元,全球开画6300万...

觉得内容有用?

分享给朋友,让更多人看到这篇内容。

正在被关注

查看近期访问较多的资讯内容,快速了解用户正在讨论的方向。

或许两岸统一,会由一个人,以意想不到的方式实现

或许两岸统一,会由一个人,以意想不到的方式实现

有没有想过这么一个场景——某天清晨打开电视,画面里不是导弹不是军舰,而是一个熟悉的面孔站在镜头前,宣布一件足以载入史册的事。统一这件事,可能不像很多人想的那样,非得靠谈判桌或者炮火硬碰硬。 它或许就卡在一个人的一念之间。这个人是谁,现在还不好说,但轮廓已经隐隐出现。 一年前,外界几乎没人把宝押在她身上。那时候蓝营内部最被看好的,是台中市长卢秀燕。 资历摆在那,"市长妈妈"的招牌也响,竞逐党主席,再

10中8,15中9,19中13,这就是勇士要交易追梦的原因

10中8,15中9,19中13,这就是勇士要交易追梦的原因

北京时间2026年11月10日,记者Sam Amick报道,勇士将在交易截止日前听取关于追梦的报价,追梦也知道此事。 追梦2012年第35位被勇士队选中,本赛季是他为勇士效力的第15个赛季,他是勇士能4次夺冠的功臣,也是库里的亲密搭档,那为何传出勇士要交易他的消息呢? 一个关键原因是勇士本赛季的目标变了,他们有了争冠打算,所以需要补强。勇士之所以目标改变,和11号秀伦德伯格关系很大,这个新秀成长迅

邮报:古斯托对一月离开切尔西持开放态度,夏窗被标价7500万镑

邮报:古斯托对一月离开切尔西持开放态度,夏窗被标价7500万镑

据《每日邮报》报道,尽管切尔西在夏窗为古斯托标价7500万英镑并最终留人,这位法国边后卫对一月离队持开放态度。 本赛季在哈维-阿隆索麾下,古斯托在英超联赛中累计出场307分钟。这位23岁的球员此前在恩佐-马雷斯卡执教斯坦福桥期间曾是阵中宠儿。 曼城在去年夏天曾关注过这名边后卫,利物浦则在转会截止日询问过他的情况。欧洲其他俱乐部也对他有意。 由于切尔西高昂的要价,交易未能成行。每日邮报体育版在六月中

我妈刚过60岁生日,就被我哥送进养老院,8年多没看过一次,第9年我哥想接她回家,我妈说:我刚花几千万环游世界回来

我妈刚过60岁生日,就被我哥送进养老院,8年多没看过一次,第9年我哥想接她回家,我妈说:我刚花几千万环游世界回来

我妈生日那天,我哥叫了一桌子菜。 红烧肉、清蒸鱼、排骨汤,都是我妈爱吃的。 彭玉嫔破天荒给我妈夹了块鱼肉,我妈愣了一下,赶紧用手去接。 我看见我妈的手哆嗦了一下,筷子没夹住,鱼肉掉在桌上。 我哥笑着说“没事没事”,转身从包里掏出张宣传单,递到我妈面前。 “妈,您看这个养老院,条件特别好。” 我妈没吭声,低头把那块掉在桌上的鱼肉夹起来,送进嘴里,慢慢嚼着。 窗外有人按喇叭。我哥站起来:“车来了。”

斯卡洛尼:我们需要习惯梅西不在;球队必须用表现向球迷自证

斯卡洛尼:我们需要习惯梅西不在;球队必须用表现向球迷自证

北京时间11月14日,在一场友谊赛中,阿根廷1-2乌拉圭。赛后,阿根廷主教练斯卡洛尼出席了发布会。 以下是发布会的第二部分 在丢球之前,我看到球队在进攻空间的利用和创造力方面都表现得很清晰。丢球之后,球队依然坚持动态进攻的思路,但我觉得球员们变得非常急躁,在进攻最后阶段没有做出最好的选择。你是否认同这样的看法? 斯卡洛尼:是的,最终决定一切的就是进攻最后阶段的处理。不过,在到达那个阶段之前,我认为