2022年，杰克逊实验室的免疫学家 Derya Unutmaz 遇到了一个让他困惑了三年的问题。他把早期 T 细胞分别放在低葡萄糖环境和含脱氧葡萄糖的环境中，预判两种条件下的分化方向应该差不多——结果完全出乎意料。
暴露于脱氧葡萄糖的 T 细胞绝大部分变成了促炎性 Th17 细胞，低葡萄糖组的 Th17 数量却远远不及。更诡异的是，即使移除脱氧葡萄糖分子，这种分化倾向仍持续存在。这不是能量不足能解释的。团队找不到答案，只能把数据封存——谜题一躺就是三年。
一个懂免疫学的 AI 协作者
Unutmaz 在 2024 年获得了 OpenAI Pro AI Award 资助。但“顿悟时刻”在 2025 年底 GPT-5 Pro 发布后才到来。他翻出三年前的实验数据上传给模型分析。
GPT-5 Pro 指出，脱氧葡萄糖干扰了 IL-2 蛋白的构建。IL-2 可以阻止 T 细胞变成 Th17 促炎性细胞。脱氧葡萄糖移除了这道“屏障”，使得 T 细胞无阻碍涌向 Th17 方向——而单纯低葡萄糖环境没有阻断 IL-2，转化率自然远低。
“GPT-5 提出了一个真正非凡的洞见，回头看其实非常合理，”Unutmaz 说。这个判断恰好超出了他自己的专业边界，实验室里没有任何人看到那个连接点。一个封闭三年的问题，需要一个同时理解免疫学、代谢生物学和蛋白质信号通路的认知框架才能解开。GPT-5 Pro 让人真正感受到它“懂”的科学深度——不止是检索和拼接。
预测一个从未见过的实验结果
Unutmaz 继续加码。他挑选了一个已完成但尚未发表的实验——针对淋巴瘤的 CD8+ T 细胞实验。湿实验已证明这些 T 细胞杀灭淋巴瘤细胞的能力显著增强。他请 GPT-5 Pro 模拟同样的实验，模型正确预测了这一结果。这个结果不可能从互联网“搜到”——Unutmaz 还没有发表。
“那一刻我意识到，这些模型已经达到了一个真正理解的临界点。”
从“解释数据”到“预测未知”——这是质的飞跃。
科学加速的三叉戟
Unutmaz 的故事不是孤例。2025年11月，OpenAI 与范德堡大学、伯克利、哥伦比亚、牛津、剑桥等机构合作发布了 89 页论文《Early science acceleration experiments with GPT-5》，系统记录了 GPT-5 在多个科学领域加速研究的案例。Unutmaz 的实验最引人注目——它不是文献综述或数据整理，而是真正的假设生成和因果推理。
如果用一个框架理解 GPT-5 在科学发现中的角色，可拆成三个层次：
第一层：文献引擎。每周数百篇新论文，AI 可快速扫描摘要、交叉引用，帮研究者锁定目标文献。
第二层：假设发生器。AI 在已有数据中发现人类忽略的模式，生成新的因果假设。这是 Unutmaz 案例展示的核心能力。
第三层：实验预测器。AI 不仅要理解过去，还要模拟未来实验结果。如能可靠预测，研究者可先用 AI 做“虚拟实验”筛选假设，再湿实验验证，极大缩短循环周期。
三叉戟叠加。大部分 AI 工具仍停留在第一层；Unutmaz 展示了第二、第三层正在变成现实。他后续还使用 Codex 和 GPT-5.2 Deep Research 整理大规模癌症突变数据集，生成了 T 细胞免疫疗法教科书草稿。“现在做科学没 AI 不可想象，”Unutmaz 说，“那就像同时失去双手，或失去半颗大脑。”
局限与边界
这个故事需要放在合适的参照系中。GPT-5 Pro 解开的是已知通路（糖代谢 + IL-2）中的跨界连接，没有发现全新通路。在更复杂疾病领域，AI 表现未知。实验数据是高质量流式细胞术数据，真实世界“脏数据”场景有待测试。IL-2 机制假设仍需额外湿实验验证——AI 加速假设生成，不能替代最终验证。
谁将成为赢家
对制药行业，这个案例释放了强烈信号：AI 已从“药物发现辅助工具”进化为“科学协作伙伴”。传统新药研发周期 10–15 年，靶点发现一个循环需数月甚至数年。如果假设生成和虚拟验证压缩到数天甚至数小时，成本和时间将大幅缩减。
最可能率先受益的是肿瘤免疫和自身免疫领域——正是 T 细胞功能研究最深入、转化路径最清晰的领域。Th17 分化机制直接关系到肿瘤微环境免疫调控和自身免疫触发。那些最先建立“人类科学家 + AI 协作者”双核研发团队的公司，将在靶点发现效率上获得显著优势。
三年打不开的锁，不是钥匙不见了，而是钥匙一直在隔壁房间。GPT-5 做的不是创造新钥匙——它走过去推开那扇门，把钥匙拿了过来。未来十年最深刻的科学突破，或许不是科学家独自想出来的，而是 AI 和科学家一起推门看到的。
快报