发生了什么
OpenAI 与生物数据公司 PerturbAI、斯克里普斯研究所联合完成了一次被称为「分布式生物推理」的实验：把小鼠全脑 CRISPR 图谱的分析任务拆分给 1946 个智能体，每个智能体只负责一个基因扰动，自行分析细胞响应并在科学文献中寻找解释，最后由系统汇总排序假设。整个流程耗时 32 分钟。
这份图谱记录的是基因扰动对不同脑细胞类型的影响，规模达到数百万个细胞。研究团队估计，若由人工完成同样的分析，需要数月至一年。Output 名为 Reasoning Atlas，已在 GitHub 公开，配套论文发布于 bioRxiv。
- 规模：1946 个智能体，按「一个基因扰动一个智能体」的自然单元切分，任务由串行转并行
- 产出质量：分布式系统引用 700 余篇文献，单智能体对照组仅引用 11 篇
- 盲评：30 位博士生物学家评审，分布式报告支持了原研究 55 项发现中的 48 项；75% 的对比中专家更偏好分布式报告
- 发现线索：两个疾病相关基因存在未预期的差异；DCTN1（与 Perry 综合征及类帕金森症状相关）表达变化与神经元内胆固醇合成通路基因上调存在关联
- 定位：结论用于确定优先验证的机制，属假设生成而非机制确认
为什么值得关注
真正可复用的不是某个模型，而是任务切分方式。生物医学数据的规模已远超人工阅读能力，而分析瓶颈往往不在数据本身，而在「把实验发现与散落数十年的文献连起来」这一步。按生物学上天然存在的单元（一个扰动、一个样本、一个通路）切分任务，让每个智能体各自检索文献再汇总，就把墙钟时间从分析师工时转成了可用算力。
对企业的启示在于这种模式的可迁移性：凡是能按自然单元切分、且每单元都需要外部知识检索的分析工作，都可以用同类架构并行化。临床试验方案筛选、专利与合规比对、供应链风险归因，结构上与这次实验接近。
需要保留的怀疑
论文是预印本，未经同行评审；「数月至一年」是研究团队自估，未经独立测量；75% 的偏好率对比的是单智能体，而不是人类分析师；所有发现都尚无湿实验验证。OpenAI 未披露智能体的精确数量以外的关键信息，包括 GPT-Rosalind 的上下文窗口、参数规模、训练截止时间与定价，也未公布这次 32 分钟运行的算力成本。因此目前可以说的是「吞吐量成立」，还不能说「发现被验证」。