OpenAI悄然上线生命科学模型Rosalind：药企工具供应商的野心与挑战

大模型厂商的军备竞赛正从通用能力全面转向垂直场景变现。近日有科技媒体注意到，OpenAI在其API价格页悄然新增了一个尚未正式发布的新模型条目——gpt-rosalind-discovery，被归入「生命科学模型」类目，与已公开的gpt-rosalind-research并列，定价完全一致：每百万Token输入5美元、输出25美元。模型文档页目前返回404错误，除了价格之外没有任何官方说明。一个连文档都没有的「空壳模型」，却已在行业内引发广泛关注和猜测：这究竟是OpenAI在生命科学领域的下一步棋，还是又一个抢占先机的营销动作？

首个为生命科学单独立项的通用大模型厂商

严格来说，gpt-rosalind-discovery的曝光并非毫无预兆。Rosalind作为OpenAI的生命科学品牌，早在2025年4月便已正式发布，命名致敬英国化学家罗莎琳德·富兰克林——她的X射线衍射图像为DNA双螺旋结构的发现奠定了关键基础。首发之际，GPT-Rosalind仅以研究预览形式向美国符合条件的机构开放，首批合作方包括安进（Amgen）、莫德纳（Moderna）、艾伦研究所以及赛默飞世尔科技等生命科学领域头部企业。后续OpenAI又发布了基于GPT-5.5训练的更新版本，强化了药物化学与基因组学能力，并将研究预览扩展至全球合规组织。目前该平台已形成三条清晰的产品路径：GPT-Rosalind模型、Rosalind Workbench研究工作空间，以及Codex编程智能体内连接逾50个科学工具和数据源的生命科学插件生态。从品牌命名到产品矩阵，OpenAI在生命科学领域的布局并非一时兴起，而是有计划、有节奏的长期投入。

从通用红海到垂直高价值赛道

大模型厂商为何纷纷押注生命科学？答案在于通用模型价格战的尽头，是一片付费意愿更强、痛点更明确的蓝海。近年来AI药物发现领域持续吸引资本关注，据市场研究机构PitchBook统计，自2019年以来该细分赛道累计获得超过170亿美元投资。药物发现早期阶段高度依赖人工经验，靶点选择、实验设计等环节稍有不慎便会导致巨额资源浪费——这恰恰是生成式AI最擅长介入的场景：降低人力成本、提高实验命中率。与Anthropic自研Claude Science并亲自下场做药物发现不同，OpenAI的角色定位更接近纯粹的「工具供应商」——仅向药企提供专用模型，基本不插手其研发管线，模型改进主要依赖客户使用反馈。这种「卖铲子而非淘金」的策略，在商业逻辑上回避了药企同等的研发风险，却对模型的真实能力提出了更高要求：客户是否愿意为看不见明确增益的专用模型付费？

落地闭环与验证周期之间的现实鸿沟

在产业实践层面，OpenAI并非空手而来。今年初，OpenAI与Ginkgo Bioworks合作，将GPT-5接入后者云端自动化实验室，由AI设计实验方案、机器人执行操作，最终将一种标准测试蛋白的原料成本从每克698美元降至422美元，降幅近40%。Ginkgo随后将改进后的反应配方上架销售，形成了「模型建议→实验验证→产品变现」的完整商业闭环。然而这恰恰暴露了当前生命科学AI应用的共性瓶颈：生物学验证依赖湿实验乃至数年临床试验，远不如代码任务那般「运行即验证」，模型难以快速获得反馈并迭代更新。用Ginkgo联合创始人雷什玛·谢蒂的话说：「选择值得解决的科学问题，仍然是人类更擅长的事。」当前模型能负责具体实验设计，但研究方向仍需人来判断，这使得AI在药物发现中的价值暂时停留在「减轻繁重人工劳动」层面，尚未渗透至更具战略价值的核心决策环节。

垂类模型拆分：是精准打击还是战略冒险

gpt-rosalind-discovery的出现，或许暗示了OpenAI在生命科学领域的下一步策略：在Rosalind品牌下按研究任务继续细分模型型号，分别面向广泛研究或专注候选分子筛选等不同环节。这种拆分的商业逻辑在于：药物发现流程各环节对模型能力的要求差异显著——文献检索、序列处理、实验规划、分子筛选各有侧重，针对单一环节集中优化既能提升专业表现，也能让客户按需选用、降低使用成本。然而风险同样显而易见：药物发现各流程环环相扣、联系密切，型号切分越细，越需要确保彼此之间的协同与衔接。目前discovery与research两款模型定价完全相同，也侧面印证了OpenAI或许尚未厘清不同型号的差异定位。横向来看，谷歌DeepMind虽在AlphaFold等科研工具上积累深厚，但其商业化主要由独立分拆的Isomorphic Labs负责；微软推出跨行业科研智能体平台Microsoft Discovery，允许用户接入多模型和多工具，但同样不提供专用模型。竞争格局中，OpenAI是目前唯一将生命科学推理能力做成独立模型条目的通用大厂，这条路能否走通，仍取决于后续能否拿出经实验验证的具体评测数据。

gpt-rosalind-discovery的上架，表面看只是一个未发布模型的价格条目，实则折射出OpenAI对垂直领域变现路径的深度思考。从「卖铲子」的供应商定位，到按任务拆分模型的精细化运营，再到自动化实验室闭环验证的商业构想，这条路机遇清晰、挑战同样具体。生命科学AI的真正突破，或许不在于模型本身的能力上限，而在于能否真正嵌入药企的研发流程、用可验证的实验数据证明价值——这才是各路玩家最终决胜的关键所在。