北京
新模型通过同步调用物理学、生物学、工程学等领域的知识库，可自主生成创新实验方案，例如设计核聚变反应参数或优化病原体检测方法。
其高价瞄准企业市场，OpenAI拟以每月2万美元（约合人民币14.5万元）的价格向《财富》500强企业提供该服务，费用是基础版ChatGPT的1000倍。首批目标客户包括石油公司、制药巨头及国家级实验室。
若商业化成功，该模型或成能源、材料研发领域的“标配工具”。
一、AI跨学科生成实验方案，能源制药企业或成首批用户
OpenAI新模型通过整合生物学、物理学、工程学等多领域知识，可自主提出新实验思路。例如，为核聚变反应设计激光强度参数，或结合生态学方法优化病原体检测方案。
早期测试者透露，该技术或彻底改变科研协作模式——传统需多领域专家耗时数周的合作，AI大幅可缩短实验设计时间。
二、实测案例：AI成科研“加速器”
美国阿贡国家实验室分子生物学家Sarah Owens利用OpenAI现有模型（o3-mini-high），仅用数分钟便完成“用生态学统计法预测废水病原体”的实验设计，效率较传统方式显著提升。
另一化学家则通过AI设计出塑料降解实验的温度与压力参数范围，耗时仅为自主研究的1/10。
OpenAI总裁布罗克曼在2月能源部联合研讨会上称：“未来模型将用‘深度思考’解决重大科学问题，让科研效率提升10至100倍。”
目前，美国洛斯阿拉莫斯国家实验室已部署专用超算，为九个联邦实验室提供推理模型支持。
三、从“想法”到“验证”仍有差距，以高价策略应对企业市场
尽管AI可生成实验方案，但验证仍需人工介入。
例如，模型建议的激光参数需通过模拟软件测试，化学实验需依赖实验室设备。OpenAI正开发自动化AI代理（如Operator），未来或结合机器人加速实验验证。
OpenAI计划对推理模型收取高额费用，目标客户包括石油公司、药企等《财富》500强企业。但其现有AI代理（如Operator）仍存在操作复杂网站时出错的问题。
公司拟通过“人类反馈强化学习”优化模型，即筛选用户成功案例迭代训练。
结语：AI离“科研大脑”还有多远？
科学家指出，AI无法理解蛋白质与DNA的相互作用等微观机制，实验室验证仍是必经之路。
正如阿贡国家实验室化学家Massimiliano Delferro所言：“从怀疑到兴奋，关键在于AI能否与模拟器、机器人协同工作。”
尽管AI展现了跨学科创新潜力，AI的训练样本可能存在偏差，例如忽视贫困地区无法联网的弱势群体，或者艺术生成AI的训练样本主要以西方白人肖像为主。
开发者在设计系统时，仍需将更多要素纳入考量。
来源：The Information
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
