蛋白质生产成本直降40%！GPT-5自主实验室颠覆生物制造
原创 lizimo 我是建设者2026年2月6日 22:28上海
AI4S，一场革命正在实验室中悄悄发生。
2026年2月5日，Ginkgo Bioworks与OpenAI联合宣布，其GPT-5驱动的自主实验室在无细胞蛋白质合成领域取得突破性进展，将蛋白质生产成本从每克698美元降至422美元，降幅达40%，同时蛋白质产量提升了27%。
这项成果不仅展现了AI在真实世界科学探索中的强大能力，更预示着生物学研究范式的根本性转变。
这场合作的核心是将OpenAI的GPT-5推理模型与Ginkgo Bioworks的云实验室基础设施深度融合。GPT-5被赋予了互联网接入权限、数据分析工具和科学文献数据库，能够像人类科学家一样进行实验设计、结果分析和假设生成。而Ginkgo的自动化实验室系统则提供了物理执行能力，通过可重构自动化推车（RAC）技术和Catalyst自动化软件，将AI的设计转化为实际实验。
整个系统形成了完整的闭环工作流程：GPT-5设计实验方案，经Pydantic模型验证确保科学合理性后，由机器人系统执行实验，产生的数据再反馈给AI进行分析和学习。在六个月的周期内，这一系统完成了六轮迭代实验，测试了超过36,000种反应条件，几乎不需要人工干预。人工参与仅限于试剂的准备和系统监控，而真正的科学探索工作完全由AI自主完成。
传统蛋白质生产依赖细胞培养，过程复杂且成本高昂，而无细胞蛋白质合成CFPS技术虽然避免了活细胞的限制，避免了整个细胞培养的复杂性，但其优化过程同样耗时费力。无细胞蛋白质合成技术之所以被选为这项突破性研究的测试平台，是因为它完美契合了AI自主实验室的技术特点。
CFPS技术虽然简化了生产过程，但其本身的优化却异常复杂：反应混合物包含数十种组分，包括DNA模板、细胞裂解液、能量源、氨基酸等，各组分之间的相互作用难以预测。
传统的优化方法依赖科研人员的经验和直觉，通常只能进行有限次数的实验。而AI驱动的自主实验室能够系统性地探索巨大的参数空间，快速识别出最优组合。更重要的是，在自动化实验室环境中，试剂成本成为主要限制因素，这与AI优化降低成本的目标高度一致。CFPS技术的广泛应用前景也使得其优化具有重要的实用价值，从药物研发到基础研究都能从中受益。
实验过程分为六个明确的阶段，每个阶段都体现了AI学习能力的提升。在初始阶段（Step 0），GPT-5在没有任何先验实验数据的情况下，仅凭模型内部知识生成了第一批实验设计。这一阶段完成了146个384孔板的测试，涵盖了7,502种独特的反应组合，为后续优化奠定了基础。
随着实验的推进，GPT-5获得了更多的工具和数据访问权限。从第三步开始，模型获得了互联网接入、计算机工具和最新研究文献，这使其性能出现了质的飞跃。模型能够结合最新科学发现与自己的实验数据，设计出更加精准的实验方案。
上面这个图表清晰地展示了六轮实验中成本与滴度的优化轨迹。每一轮实验都在前一轮基础上实现进步，最终形成了明显优于基准的表现。特别是在384孔板反应条件下，最佳反应组合的性能提升更加显著，这反映了AI对实验条件的精细把握能力。
实验过程中，GPT-5展现了令人印象深刻的分析能力。它识别出HEPES缓冲液浓度对防止产量崩溃的关键作用，发现了磷酸盐缓冲的最佳浓度范围，并验证了亚精胺等低成本组分对提高产量的显著效果。这些发现不仅具有实用价值，更展现了AI在复杂生化系统中识别模式的能力。
这项研究最直接的成果是开发出了性能显著提升的CFPS反应配方。最佳反应组合（编号1777863_77）在2毫升试管中实现了每克422美元的成本，同时将蛋白质滴度提升至3.04克/升。这一配方在商业化试剂盒中已经可以通过Ginkgo可用，为科研社区提供了即时的实用价值。
除了具体的配方优化，这项研究还验证了AI驱动自主实验室的可行性。系统在六个月内完成了传统科研团队需要数年才能完成的实验规模，生成了近15万个高质量数据点。GPT-5生成的人类可读实验记录展现了其推理过程的透明度，为AI在科学研究中的可信度提供了支持。
更令人惊叹的是，从预印本发布到商业化产品上市仅用了一天时间，这种从科研到应用的转化速度在传统科研模式中是不可想象的。
然而，这一突破也存在明显的局限性。目前的结果仅针对单一模型蛋白（sfGFP）进行了验证，对于其他蛋白质的普适性仍需进一步测试。不同规模的实验条件对结果有显著影响，一些优化可能对特定的反应体积和氧合条件敏感。此外，尽管实验设计和执行实现了高度自动化，但试剂处理和质量控制仍然需要经验丰富的人员参与。
展望未来，这项研究的成功为生物技术领域指明了清晰的发展方向。AI驱动自主实验室不仅能够加速特定技术（如CFPS）的优化过程，更可能彻底改变科学研究的进行方式。随着模块化实验室自动化的普及和推理模型的不断进步，自主实验将逐渐取代传统的实验室工作。
未来，我们可以期待看到类似方法在更广泛的生物学和化学领域得到应用。从酶工程优化到新材料发现，从药物筛选到代谢途径设计，自主实验室都有潜力大幅提升研发效率。特别是与现有的蛋白质设计工具相结合，AI驱动实验将形成从设计到验证的完整闭环。
当AI走出代码世界，直接操控试管和移液器，一场生物学效率革命正在上演，更预示着生物制造即将进入‘自主时代’。
当AI成为第一作者，Ginkgo的自主实验室要让科学家们失业？
我们正站在科学研究新范式的门槛上。
我是建设者
LIVE!LIFE!! OME!OME!!
529篇原创内容
公众号
参考：
https://www.prnewswire.com/news-releases/ginkgo-bioworks-autonomous-laboratory-driven-by-openais-gpt-5-achieves-40-improvement-over-state-of-the-art-scientific-benchmark-302680619.html
https://reagents.ginkgo.bio/products/cfps-economy
https://openai.com/index/gpt-5-lowers-protein-synthesis-cost/
