GPT-5 Giảm 40% Chi Phí Tổng Hợp Protein — AI Vừa Bước Vào Phòng Thí Nghiệm

Khi AI Trở Thành Nhà Khoa Học

Trong nhiều thập kỷ, ý tưởng về một AI tự chạy thí nghiệm — thiết kế chúng, phân tích kết quả, tinh chỉnh phương pháp, và lặp lại — vẫn thuộc về khoa học viễn tưởng. Vào tháng 2 năm 2026, nó trở thành kết quả được công bố. OpenAI hợp tác với Ginkgo Bioworks để kết nối GPT-5 trực tiếp với một phòng thí nghiệm cloud: một phòng thí nghiệm ướt tự động nơi robot thực hiện các thí nghiệm và trả về dữ liệu. Những gì diễn ra sau đó là một trong những minh chứng cụ thể nhất về khoa học tự trị do AI điều khiển cho đến nay.

Tổng Hợp Protein Không Tế Bào Là Gì?

Tổng hợp protein không tế bào (CFPS) là phương pháp sản xuất protein mà không cần sử dụng tế bào sống — làm cho nó nhanh hơn và linh hoạt hơn so với các phương pháp truyền thống. Nó được sử dụng rộng rãi để tạo mẫu nhanh trong nghiên cứu phát triển thuốc và công nghệ sinh học, vì các thí nghiệm có thể cho kết quả trong cùng ngày. Nhưng nó đắt đỏ và nổi tiếng khó tối ưu hóa. Quá trình này liên quan đến hỗn hợp phức tạp các thành phần tương tác, trong đó những thay đổi nhỏ có thể gây ra hiệu ứng lớn và khó lường.

Thí Nghiệm: 36.000 Phản Ứng, Sáu Vòng

Thiết lập đơn giản về mặt khái niệm nhưng đáng chú ý về quy mô. GPT-5 được cung cấp quyền truy cập internet, máy tính với công cụ phân tích dữ liệu, dữ liệu thí nghiệm trước đó và một preprint mô tả trình độ hiện tại. Từ đó, vòng lặp chạy tự động:

• GPT-5 thiết kế một loạt thí nghiệm
• Phòng thí nghiệm cloud robot của Ginkgo thực hiện các phản ứng trên các đĩa 384 giếng
• Kết quả phản hồi lại GPT-5, mô hình phân tích kết quả và tinh chỉnh phương pháp
• Chu kỳ lặp lại — tổng cộng sáu vòng, kéo dài sáu tháng

Qua các vòng đó, hệ thống đã thử nghiệm hơn 36.000 thành phần phản ứng duy nhất trên 580 đĩa tự động, tạo ra khoảng 150.000 số đọc. Mỗi thiết kế đĩa được kiểm tra bởi một quy trình lập trình tự động bao gồm bố cục, tính khả dụng của thuốc thử, kiểm soát và hạn chế thể tích — đảm bảo các đề xuất của GPT-5 luôn có thể thực hiện được trước khi một robot nào di chuyển.

Kết Quả: Chuẩn Mới Trong Ba Vòng

Trình độ tiên tiến trước đây để sản xuất protein phát huỳnh quang xanh siêu gấp (sfGFP) trong đĩa 384 giếng là 698 USD/gram. Đến vòng ba, GPT-5 đã vượt qua nó. Đến cuối sáu vòng, hệ thống đã giảm chi phí xuống còn 422 USD/gram — giảm 40% tổng chi phí thành phần phản ứng và cải thiện 57% chi phí thuốc thử cụ thể.

Điều quan trọng, GPT-5 đã tìm thấy các thành phần phản ứng mà các nhà nghiên cứu con người chưa thử nghiệm trong cấu hình này, dù đã có nhiều năm nghiên cứu tối ưu hóa CFPS trước đó. Mô hình đề xuất các kết hợp thuốc thử hoạt động đặc biệt tốt trong các ràng buộc cụ thể của phòng thí nghiệm tự động — oxy hóa thấp hơn, động lực khuấy trộn khác nhau, hình học thay đổi.

Vai Trò Con Người: Giám Sát, Không Thực Thi

Nhóm con người xử lý việc chuẩn bị thuốc thử, nạp và dỡ hệ thống tự động, và giám sát. AI xử lý mọi thứ còn lại — bao gồm cả việc tạo ra các mục nhập sổ tay thí nghiệm dễ đọc cho con người sau mỗi vòng. Đây là sự phân biệt có ý nghĩa: con người không chạy thí nghiệm. Họ đang vận hành cỗ máy chạy thí nghiệm.

Những Hạn Chế Đáng Lưu Ý

OpenAI thẳng thắn về các giới hạn. Kết quả này được chứng minh trên một protein (sfGFP) và một hệ thống CFPS. Khả năng tổng quát hóa cho các protein khác và các hệ thống không tế bào khác vẫn cần được chứng minh. Oxy hóa và hình học phản ứng có thể ảnh hưởng mạnh đến năng suất, và các yếu tố này thay đổi theo quy mô. Mức giảm chi phí 40% rất ấn tượng — nhưng đó là một kết quả, chưa phải một nền tảng.

Tuy nhiên, tầm quan trọng của những gì đã được chứng minh không nên bị đánh giá thấp: một mô hình AI tiên tiến, được trao các công cụ và hạ tầng phù hợp, có thể chạy một quy trình khoa học khép kín và vượt trình độ hiện tại trên một vấn đề tối ưu hóa sinh học thực tế.

Tín Hiệu Gì Từ Điều Này?

Nếu phép so sánh Cursor định nghĩa những gì AI làm cho phần mềm vào năm 2025, thí nghiệm này cung cấp cái nhìn rõ ràng hơn về những gì nó có thể làm cho khoa học vào năm 2026 và xa hơn. Không thay thế các nhà khoa học — mà hoạt động như một lớp nghiên cứu tự trị có thể khám phá không gian thí nghiệm với tốc độ và quy mô mà không đội ngũ con người nào có thể sánh kịp. Nút thắt cổ chai chuyển từ "chúng ta có thể chạy đủ thí nghiệm không?" sang "chúng ta có hạ tầng để AI lặp lại không?"

Với nghiên cứu phát triển thuốc, khoa học vật liệu, và bất kỳ lĩnh vực nào mà tối ưu hóa trên không gian tham số phức tạp là thách thức cốt lõi — đây là tín hiệu đáng chú ý rất cẩn thận.