OpenAI把Codex带进实验室了。新发布的Rosalind Workbench，不再满足于替研究者回答一个生物学问题，而是试图把查证据、看结构、跑分析、设计实验这些原本分散的步骤，放进同一套可追踪的工作环境。它背后的信号很清楚：AI模型的下一场较量，不只是谁的聊天答案更漂亮，而是谁能在专业场景里沿着证据把一项工作推进到可复核的结果。
Rosalind Workbench目前以研究预览形式嵌入ChatGPT，并出现在Codex的产品导航结构下。它以GPT-Rosalind作为生物学和药物研发方向的推理模型，在BixBench测试中取得公开模型中的顶尖成绩，并结合药物化学、基因组学、病理学和湿实验室协助等工具。OpenAI希望让多个智能体组成研究团队，但现阶段仍强调由研究人员审批计划、检查证据和决定是否进入下一步。
把实验室工具连起来
生命科学研究长期面对一个看似普通、实际非常昂贵的问题：数据、软件和结论不在同一个地方。基因组数据可能存放在一套系统里，蛋白质结构要用另一款工具查看，文献证据又分散在数据库和论文中，最后的实验记录还要由研究人员手工整理。每一次切换都可能带来格式转换、上下文丢失和重复劳动。
Rosalind Workbench的价值，首先就在于把研究目标作为主线，而不是把工具作为主线。用户可以从蛋白质设计、小分子设计、安全性与可开发性、结构和序列、基因组学、病理学以及实验验证等任务进入工作流。例如，系统可以围绕候选分子排序、蛋白质序列比较或测序数据质控生成计划，再等待研究者确认后调用相应工具。这样的设计更接近一名研究助理，而不是一个只负责生成段落的聊天机器人。
三类证据进入同一窗口
此次产品中最直观的变化，是三个专业查看器。分子结构查看器可以展示蛋白质与药物的三维结合关系，并把结构解释、蛋白序列和空间视图放在一起；生物序列与比对查看器可以高亮不同变体之间的关键残基；病理切片查看器则用于在组织图像中圈定值得医生进一步复核的区域。
对于计算量更大的测序任务，NGS Analysis Workbench提供了从FASTQ质控到单细胞RNA测序、DNA变异分析、ATAC测序和物种分类分析等流程。它并不是把实验结果包装成一句确定的结论，而是先列出分析计划，研究者批准后再协调调用工具，最后返回能够追溯的中间步骤和结果。科研场景最需要的不是“听起来聪明”，而是知道这句话依据哪份数据、哪次计算以及哪一个参数得出。
一人一药的计算难题
个性化肿瘤疫苗的进展，说明AI for Science为什么需要专业工作台。Moderna与默沙东合作的个性化mRNA肿瘤疫苗，在黑色素瘤术后辅助治疗的三期试验中达到无复发生存期和无远处转移生存期终点。它的基本思路是根据患者肿瘤突变寻找新抗原，训练免疫系统识别肿瘤，再与PD-1药物联合，让免疫系统既能认出目标，又能持续发动攻击。
这类疗法的难点，不只是找到一个看起来有效的候选序列。每位患者的肿瘤突变都不同，候选抗原筛选、免疫反应预测、生产质量控制和临床验证必须形成一条完整链路。AI可以帮助研究者在更大的搜索空间里寻找线索、比较结构和安排实验，但“个性化”也意味着每个结果都必须经过更严格的质量与安全判断。三期试验的积极结果，是技术路线获得临床证据的重要一步，并不等于所有癌种都已找到通用答案。
从模型到专业插件
Rosalind Workbench没有试图让一个通用模型包办全部科学任务。OpenAI接入了Boltz、Tamarind Bio和Adaptyv等专业合作伙伴的能力，分别覆盖结构预测、分子建模和蛋白质合成等方向。通用模型负责理解问题、编排流程和解释结果，垂直模型负责更窄但更深的计算，这种组合比单纯扩大参数更符合科研工作的现实。
这也解释了为什么AI科研产品会从聊天窗口向工作台发展。研究者需要的不只是一次问答，而是一个能够保存上下文、调用数据、记录假设、保留失败路径并允许人工接管的环境。机构如果要长期运行这类任务，还要考虑算力弹性、数据隔离、访问权限和日志留存。对于需要部署模型、运行分析流程或承载团队协作的业务，速维云提供云服务器与弹性算力资源，能作为基础设施选型中的一个实际参考，但真正决定科研结果的仍是数据质量、实验设计和复核机制。
语音和三维世界也在补底座
同一批资讯里，谷歌发布Gemini 3.5 Transcribe，支持八十五种以上语言，能处理口误、重复表达、语气词、说话人分离和逐词时间戳。实时版本的词错误率为百分之四，较上一代模型的转录延迟降低百分之七十。它看起来只是听写模型，实际却在补齐语音智能体的输入层：用户可以用自然语言说出带有停顿和临时修改的需求，系统再把意图交给后续Agent执行。
群核科技发布的Lux3D则把另一块底座往前推。模型可以由图片或文字生成网格、材质与三维高斯资产，最快约二十秒完成一个模型，最低成本约为零点零七元。它的意义不只在于做出一个好看的物体，还在于把货架、托盘、控制柜等大量普通资产批量铺进数字场景，为游戏、工业孪生和机器人训练准备可编辑的三维环境。语音负责把人的意图送进系统，专业工作台负责组织证据，三维模型负责让智能体拥有可以观察和交互的世界。
真正的科学家仍然需要人
OpenAI目前把Rosalind分为Explore和Research两种使用模式。前者面向一般科学探索，后者面向复杂生物学问题和高级科研工作流，需要机构验证，个人访问权限尚未全面开放。这种限制并非产品不够完整，而是专业领域的错误代价远高于普通问答。一个被模型误读的病理区域、一条未经复核的基因组结论，都可能影响后续实验甚至临床决策。
因此，AI科学家的合理形态不是把研究人员从流程中删掉，而是把他们从重复检索、格式整理和工具搬运中解放出来，把时间投入到问题定义、证据判断、实验设计和结果解释。未来的竞争会同时发生在模型、插件、数据、算力和治理层：谁能把这些环节连接起来，谁就更有机会让AI从“会提出可能性”走到“能留下证据并推动下一步”。
参考资讯：Rosalind Workbench、个性化mRNA肿瘤疫苗、Gemini 3.5 Transcribe、Lux3D
