智东西

编译 梁颖琳

编辑 云鹏

智东西 4 月 15 日获消息，The Information 称 OpenAI 计划在本周推出新一代 AI 推理模型，即 o3 和 o4-mini。该模型的核心突破在于能够跨学科整合知识，还能提出创新实验方案。

新模型能够同步调用物理学、生物学、工程学等领域的知识库，进而可以自主生成创新实验方案，像设计核聚变反应参数或者优化病原体检测方法这样的。

OpenAI 打算将其高价瞄准企业市场，它准备以每月 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，这个费用是基础版 GPT 的 1000 倍。首批的目标客户包含石油公司、制药巨头以及国家级实验室。

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 新模型能够整合生物学、物理学、工程学等诸多领域的知识，并且可以自主地提出新的实验思路。比如，它能够为核聚变反应设计激光强度的相关参数，也能够结合生态学的方法来对病原体检测方案进行优化。

早期测试者透露，该技术有可能彻底改变科研协作模式。在传统模式中，需要多个领域的专家花费数周时间才能完成合作，而 AI 能够大幅缩短实验设计的时间。

二、实测案例：AI成科研“加速器”

美国阿贡国家实验室的分子生物学家 Sarah Owens 借助 OpenAI 现有的模型（o3-mini-high），仅仅花费了几分钟的时间，就完成了“用生态学统计法预测废水病原体”的实验设计，其效率与传统方式相比有了显著的提升。

一位化学家通过 AI 设计出了塑料降解实验的温度参数范围和压力参数范围，设计这个过程所花费的时间仅仅是自主研究所需时间的 1/10。

OpenAI 总裁布罗克曼在 2 月的能源部联合研讨会上表示：未来的模型能够通过“深度思考”来处理重大科学问题，并且可以使科研效率提升 10 到 100 倍。

目前，美国洛斯阿拉莫斯国家实验室已经部署了专用的超级计算机。它为九个联邦实验室提供了推理模型方面的支持。

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。

模型所建议的激光参数得通过模拟软件来进行测试，而化学实验则需要依靠实验室设备。OpenAI 正在开发诸如 Operator 这样的自动化 AI 代理，在未来，或许会将其与机器人相结合，以加快实验验证的进程。

OpenAI 有计划对推理模型收取高额费用，其目标客户涵盖石油公司以及药企等《财富》500 强企业。然而，它现有的 AI 代理，像 Operator ，在操作复杂网站时依然存在出错的情况。

公司打算利用“人类反馈强化学习”来对模型进行优化，具体做法是筛选出用户的成功案例，然后用这些案例来进行迭代训练。

结语：AI离“科研大脑”还有多远？

科学家指出，AI 不能够理解蛋白质与 DNA 的相互作用等微观层面的机制，而实验室的验证依然是必须要经历的道路。

阿贡国家实验室化学家 Massimiliano Delferro 曾说：“从开始的怀疑到后来的兴奋，其中的关键在于 AI 是否能够与模拟器以及机器人协同开展工作。”

AI 展现出了跨学科的创新潜力，然而 AI 的训练样本或许存在偏差。比如会忽视贫困地区那些无法联网的弱势群体，还有艺术生成 AI 的训练样本大多是以西方白人肖像为主要内容。

开发者在设计系统时，仍需将更多要素纳入考量。