药物研发领域迎来一项突破性进展——OpenAI与Molecule.one合作开发的系统，在有机化学实验中展现出接近自主决策的能力。该系统以GPT-5.4为核心，通过与化学AI代理Maria及高通量实验室的联动，成功优化了药物合成中的关键反应路径。
研究团队聚焦于Chan–Lam偶联反应的改良。这种常用于构建碳氮键的反应，在处理伯磺酰胺与硼酸时长期存在产率低下的问题。尽管磺酰胺类化合物广泛存在于抗癌、抗菌药物中，但低效的反应条件迫使化学家不得不放弃许多潜在分子或投入大量资源寻找替代方案。
系统运行机制体现了人机协作的新模式：GPT-5.4首先生成数千个研究方案，科学家从中筛选出四个最具潜力的方向；Maria将这些方案转化为具体实验指令，操控自动化设备完成10080次反应测试；实验数据反馈至模型后，系统自主调整参数并提出下一轮实验建议。整个过程中，人类仅在关键节点介入——例如叫停使用DMSO作为溶剂的实验，以避免潜在危险反应。
最令人瞩目的发现来自编号OAI-M1-03的方案。模型提出使用TEMPO这类温和氧化剂作为添加剂，这一建议最初令化学家感到意外。测试结果显示，在十种候选氧化剂中，TEMPO显著提升了反应效率。更惊喜的是，其廉价类似物4-hydroxy-TEMPO在保持性能的同时大幅降低了成本。
实验数据验证了系统的有效性：优化后的条件使88%的硼酸底物和83%的磺酰胺底物产率提升，平均产率从16.6%跃升至25.2%，产率超过30%的反应比例从15.6%增至37.5%。人类化学家对14组代表性反应的手工复现证实，11组产率确实提高，其中8组增幅超过两倍。
这项为期三个月的研究包含两个半月的高强度实验和半个月的结果整理。尽管系统展现了强大的自主探索能力，研究者仍强调当前阶段属于"近乎自主"而非"完全自主"。人类在高层目标设定、实验细节修正及关键结果验证等环节发挥着不可替代的作用，例如模型负责提出假设，而人类化学家需要判断这些假设是否符合化学原理。
该成果引发科学界对研发范式变革的讨论。系统在10080次反应中展现的探索效率，相当于单个化学家连续工作十年的工作量。这种突破不仅体现在数量上，更在于模型能够发现人类专家未曾考虑的解决方案——例如TEMPO添加剂的提出，展示了AI在跨领域知识迁移方面的独特优势。
研究团队特别指出，实验设计中的每个环节都经过精心考量。例如选择Chan–Lam偶联反应作为突破口，既因其重要性也因其改进难度；在评估氧化剂时，系统不仅考虑效率还兼顾成本因素；人类干预的唯一重大决策——停用DMSO，也凸显了经验判断在安全控制中的必要性。
随着自动化技术与基础模型的深度融合，药物研发正进入新的探索阶段。这项研究证明，AI系统已能承担从假设生成到实验优化的完整科研链条中的大部分工作，但人类专家的战略指导与实验验证仍是保障研究可靠性的关键支柱。人机协作的新模式，正在重新定义科学发现的边界。
