2026年10月21日，OpenAI联合PerturbAI与斯克利普斯研究所宣布，借助微调模型GPT-Rosalind驱动的数千个分布式智能体，仅用32分钟就完成了数百万个小鼠脑细胞全脑CRISPR突变数据集的解读与文献关联。官方宣称这套分布式生物推理架构跨越了单点人工耗时数月至一年的分析门槛，产出了一份涵盖基因表型与文献证据的推理图谱。
但这并不意味着人工智能在32分钟内破译了神经退行性疾病。这32分钟纯粹是调用计算集群与检索文献的墙钟时间，输出物是等待验证的科研线索，而非现成疗法。穿透算力包装的宣发数字，底层基准测试显露出的缺陷与能力边界，才是生命科学界决定是否跟进预算的关键。
32分钟背后的工程拆解与测评落差
该研究依托Sun等人于2026年10月16日发布在bioRxiv预印本平台的论文。实验采用全脑CRISPR-Cas9突变结合单细胞RNA测序所产生的数据集，核心瓶颈在于单细胞突变数据与海量散落文献之间的交叉验证。团队将任务拆解为分布式多智能体架构，让每个智能体绑定单一扰动，完成小切口推理后汇总。
在开源代码库jinlabneurogenomics/distributed_agent中，该项目沉淀了3,397条关联性生物学发现。然而，这些内容并非已经过实验证实的结论，而是由大模型串联的假说条目。在官方叙事中，分布式智能体比单智能体在最繁重任务下多引用了700多篇文献，专家盲审偏好率达到75%。但查看评测明细会发现，所谓75%的专家偏好，仅仅来自于20组配对比较中的60次打分，具体战绩为分布式智能体胜出45次、Codex对照组胜出10次、平局5次，专家独立打分样本也仅覆盖了60个发现。这代表报告结构和排期建议符合人类阅读习惯，与湿实验真阳性率无关。
更为关键的硬指标藏在模型对272个保留扰动靶标的预测表现中。在针对差异表达基因数量（DEG count）的预测任务中，分布式智能体的表现并未全方位胜过基线。
| 模型架构模式 | 平衡准确率 | 召回率 | 真实转录响应遗漏率 |
|---|---|---|---|
| 分布式多智能体（GPT-Rosalind） | 0.705 | 0.59 | 41% |
| 单智能体串行（逐个靶标运行） | 0.740 | 0.69 | 31% |
| 集中式单智能体（所有靶标堆叠） | 0.512 | 0.38 | 62% |
在保留靶标测试中，分布式智能体的平衡准确率为0.705，召回率为0.59，两者均低于按靶标逐一串行运行的单智能体对照组。最值得警惕的是，分布式架构在实际运算中遗漏了41%真实存在转录响应的扰动。它击败的只是上下文窗口被一次性撑爆的堆叠单智能体，通过多智能体拆包解决的是长文本吞吐瓶颈，并未在基础推理精度上实现跃升。
筛选漏斗还是机制发现
在具体生物医学推论中，多智能体系统确实呈现了两个具备启发性的案例。其一是Tsc1与Tsc2基因的功能分歧：这两个基因共同调控细胞代谢核心枢纽mTOR，智能体发现破坏二者在多数脑神经元中表现一致，但在小脑协调运动神经元中，敲除Tsc2会改变数十个神经通讯基因的表达，而Tsc1则无显著反应，这契合了结节性硬化症中TSC2突变多伴随小脑病变的临床病理。
另一个线索指向Dctn1基因。该基因突变与表现出帕金森样症状的Perry综合征直接挂钩。智能体发现敲除Dctn1会上调胆固醇合成通路，并结合既有文献提出了假设：Dctn1缺陷可能破坏神经元内部转运，引发代偿性胆固醇合成，进而加速神经退行性病变。
这两处线索展示了分布式系统的实用价值：它是一台效率极高的文献拼图机。研究人员面对海量单细胞测序结果时，常常受制于精力而只关注排名前几位的显著标记物，GPT-Rosalind则能把次级信号拉出来，比对冷门文献提出假说。
- 提醒.把相关性线索误判为成药机制，会导致下游实验室在错误靶点上耗费数十万甚至上百万元的试剂预算。
AI并没有直接观测到病理发生的生物物理过程，它只是在统计学显著的差异表达基因计数，与人类既往发表的论文摘要之间，建立了一条逻辑自洽的文本通道。
验证鸿沟与算力账本
评估科学智能系统的成熟度，必须横向审视行业内的同类方案。在AI辅助科学发现赛道上，各家技术路线存在显著分野。Google旗下的AI co-scientist选择将重点放在闭环验证上，其提出的部分假说已进入白血病细胞系及肝纤维化类器官的湿实验测试；FutureHouse推出的Kosmos系统专注于端到端推理，虽然长程分析能维持79.4%的事实陈述准确率，但在复杂的机制综合维度上，准确率骤降至57.9%。
生成假说只需消耗推理Token，验证假说却要消耗高纯度试剂与漫长的细胞培养周期。
科学发现的阻力从来不在于提出假说的速度，而在于如何证明其非假。OpenAI与斯克利普斯的研究团队在论文中申报了相关机构的任职与持股背景，评估指标本身带有作者自测倾向。更重要的是算力口径的不透明：发布材料着重强调32分钟的时钟时间，但并未公开数千个智能体并行运转所消耗的总Token量、API账单与计算硬件规模。如果这套系统的实际开销远超生信分析师的月度人力预算，那它目前只是一次用推理性算力洪流换取时间的工程展示。
- 建议.计算生物学团队在引入多智能体管道时，应将其定位在初级筛选题目的自动化辅助端，湿实验立项仍需人工严格审查原始测序比对文件与引文事实。
将数月的人工检索缩短到半小时，的确推进了生信数据的处理效率。但在漏检四成转录靶标、依赖存量文献编织假说的现实下，多智能体系统离真正替代科学家还隔着一道名为湿实验验证的深沟。