10 月 21 日，界面新闻报道，生物技术公司 PerturbAI 宣布与 OpenAI 及斯克里普斯研究所（Scripps Research）合作，开发一套 AI 推理框架，用数千个 AI 智能体并行分析生物实验数据、检索科学文献、提出可验证的研究假设。合作的下一步，是共同探索新的药物靶点。
这不是又一家 AI 制药公司拿大厂模型做包装的故事。真正值得注意的信号是：OpenAI 正在把它的智能体能力，从“帮员工写文档、做分析”的企业工具层，下沉到“帮科学家提假设、找靶点”的科研核心层。
过去两年，OpenAI 在生命科学领域的动作一直是横向的：给诺和诺德这样的药企提供模型，帮员工提升效率，优化制造和供应链。PerturbAI 这次合作的不同之处在于，智能体不再只是工具，而是直接嵌入到靶点发现的科学工作流里，与实验数据和文献检索深度耦合。
现象：一家小公司与 OpenAI 握手，背后是两条技术路线的合流
PerturbAI 给自己的定位是“AI-native therapeutics”，也就是 AI 原生疗法公司。它的核心资产不是化合物库，而是一张“因果图谱”：通过体内 CRISPR 扰动（Perturb-seq）技术，在完整生物体内测量基因功能，把基因、细胞、神经回路与疾病连成一张因果网络，再用这张图谱训练 AI 模型，预测基因和药物会如何改变生物系统。
2026 年 3 月 17 日，PerturbAI 从隐身模式走出，发布了当时全球规模最大的体内 CRISPR 图谱：覆盖 800 万个脑区细胞的数据集。公司在官方新闻稿中称，这是“在活体组织中生成的已知最大规模的因果基因组学资源”。这张图谱由 PerturbAI 与英伟达（NVIDIA）、艾伦脑科学研究所（Allen Institute for Brain Science）以及 10x Genomics（Nasdaq: TXG）合作生成与分析，绘制了数千次基因扰动在小鼠大脑数百种神经元细胞类型中的效应。
公司联合创始人兼 CEO Grace Zheng 博士在发布会上说：“鉴于我们团队横跨 CRISPR、基因组学与机器学习的深厚经验，我们有资格把体内 CRISPR 与新 AI 模型优化到新型疗法发现中，让它更可扩展、更可转化、更具成本效益。”联合创始人 Xin Jin 博士则把这次数据发布称为“生物学的基础性变化”：“第一次，我们能在完整的生物系统内部、以大规模方式测量基因功能。”
约七个月后，PerturbAI 拉上了 OpenAI 和斯克里普斯研究所。根据界面新闻援引的报道，这套新框架的关键动作有三步：数千个智能体并行分析生物实验数据、检索科学文献、提出可验证的研究假设。合作的下一步，是共同探索新的药物靶点。
把这两件事放在一起看，逻辑就清楚了：PerturbAI 提供的是“因果数据”，即在活体系统里测出来的、能区分因果关系与相关性修饰的基因功能图谱；OpenAI 提供的是“推理引擎”，即能阅读、推理、提出假设的智能体集群；斯克里普斯研究所提供的是转化医学与神经科学的实验验证能力。数据、推理、验证，三块拼图刚好补齐。
这种组合也解释了为什么是 PerturbAI，而不是其他 AI 制药公司拿到 OpenAI 的入场券。过去几年，AI 制药行业的主流打法是“生成式模型”：用深度学习生成分子结构、预测蛋白折叠、筛选候选化合物。这套叙事在 2025 年遇到了瓶颈。Drug Target Review 在 2026 年展望中写道，2026 年将是 AI 制药的“关键检验年”，这个领域已经从投机性技术走到早期临床验证，但“承诺与表现之间的差距仍然很大”，三期临床结果将决定 AI 能否规模化地产出真正有效的药物，而不仅仅是缩短临床前周期。
瓶颈的核心不是模型不够大，而是药物发现本质上不是一个“预测任务”，而是一连串“推理、实验、再推理”的循环。一个靶点是否值得追，要看它在特定细胞类型、特定脑区、特定疾病状态下会产生什么后果；一个假设是否成立，要同时消化实验数据、已发表文献、临床前结果和竞争格局。这不是单个模型一次前向传播能完成的工作。
这正是智能体架构的价值所在。2026 年 9 月 17 日，斯坦福医学院 James Zou 团队发布了一项极端实验：他们创建了一整家由数万个 AI 智能体组成的“虚拟生物科技公司”，每个智能体受训于药物开发的不同环节。这家虚拟公司不仅预测了药物试验成功率，还独立设计了一种肺癌疗法，后来在试验中得到验证。Zou 说：“AI 开始提出假设、提出问题、告诉我们如何设计实验，表现得更像一个伙伴、一个同事。”据 NBC Bay Area 报道，这家初创公司拥有超过 3 万个 AI 智能体。
PerturbAI 这次的做法与斯坦福路线相似，但有一个关键差异：斯坦福的智能体主要“读”的是已发表的论文，而 PerturbAI 的智能体“读”的是自己生成的体内因果图谱。前者是在公共知识里找关联，后者是在私有因果数据里找机制。对于药物发现这种容错率极低的领域，后者显然更接近靶点发现的真实需求。
分析一：OpenAI 的生物医药野心，不只是一纸合作协议
把视角拉远一点，PerturbAI 不是 OpenAI 在生命科学领域的第一个动作。2026 年 4 月 14 日，诺和诺德（Novo Nordisk）宣布与 OpenAI 建立战略合作，将 OpenAI 的最先进能力部署到从药物发现到商业职能的全球运营中，试点项目覆盖研发、制造和商业运营，目标是在 2026 年底前完成全面整合。OpenAI CEO 山姆·阿尔特曼当时说，AI 可以帮助“人们活得更健康、更长寿”。
但诺和诺德式的合作，本质上是“大药企加通用模型”：用 AI 分析复杂数据集、提升员工 AI 素养、优化制造与供应链。它是横向的效率工具。PerturbAI 式的合作则是纵向的能力共建：OpenAI 的智能体直接嵌入到靶点发现的科学工作流里，与实验数据和文献检索深度耦合。
这两种模式会走向不同的终点。横向整合决定的是大药企的成本曲线，也就是谁能更快、更便宜地把药做出来；纵向共建决定的是靶点发现的命中率，也就是谁能找到别人找不到的靶点。对 OpenAI 而言，前者是现金流，后者是护城河。
这也解释了为什么 OpenAI 愿意与一家刚完成 Pre-Seed 轮、融资金额都未披露的公司合作。PerturbAI 的 Pre-Seed 轮在 2025 年第三季度完成，公司称该轮“超额认购”，但投资方名单与具体金额均未公开。其技术资产，也就是那张 800 万细胞的体内 CRISPR 图谱，恰恰是训练“懂生物学”的推理智能体最稀缺的燃料。模型可以买，数据买不到。
OpenAI 的选择透露出一个趋势：当通用模型厂商在 C 端和企业工具层的增长逐渐见顶，它们会把智能体能力下沉到垂直领域，寻找那些数据稀缺、专业壁垒高、付费意愿强的场景。生物医药正是这样一个场景：数据高度私有、实验成本极高、一个成功靶点的价值足以覆盖整个合作成本。
同样的逻辑也在其他巨头身上上演。谷歌旗下 Isomorphic Labs 用 AlphaFold 系列模型切入结构生物学，微软与强生合作把生成式 AI 放进免疫学研究，英伟达则通过 BioNeMo 平台把自己变成 AI 制药的基础设施供应商。PerturbAI 的官网新闻列表显示，它已经是英伟达 BioNeMo Agent Toolkits 的启动合作伙伴之一。这条赛道上，模型厂商、云厂商、数据持有方正在重新划分势力范围。
分析二：智能体制药的赛道正在变宽，但赢家还没出现
资本已经在为这个方向投票。Mordor Intelligence 的数据显示，制药领域的智能体 AI 市场规模预计将从 2025 年的 1.8 亿美元增长到 2026 年的 2.5 亿美元，并在 2031 年达到 12.3 亿美元，年复合增长率 37.68%。如果把口径放宽到整个 AI 药物发现市场，Grand View Research 的估算是 2026 年 29 亿美元、2033 年 138 亿美元，年复合增长率 24.8%。
两个数字口径差了一个数量级，恰恰说明这个市场还在定义期。狭义的智能体 AI 只是 AI 制药大盘里的一个新兴子集，但它的增速明显高于大盘。更关键的是结构：药物发现与先导化合物识别是智能体 AI 在制药领域最大的应用板块，2025 年占据 38.44% 的市场份额；云端部署则占据半壁江山，2025 年占比 50.27%。这意味着智能体的主战场正在从“辅助办公”转向“辅助科研”，而这场竞赛的基础设施正在云端聚集，小公司可以用云上的算力和模型，去挑战大药企几十年积累的湿实验能力。
但风险同样明显。PerturbAI 目前聚焦的是复杂的代谢与慢性疾病，尤其是心脏代谢疾病。这是诺和诺德靠 GLP-1 打下的主战场，也是竞争最拥挤、临床转化最难的方向之一。把智能体放进这个赛道，短期内很难用临床结果证明自己。2026 年对 AI 制药行业的判断同样适用于 PerturbAI：真正的考验不是能不能提出假设，而是能不能把假设变成三期临床里站得住的药物。
还有一个更深层的不确定性：智能体提出的假设，监管机构认不认。Mordor Intelligence 在报告中提到，2026 年 1 月，美国 FDA 和欧洲 EMA 裁定，AI 生成的假设面临与人类提出的假设相同的证据要求。这条裁定消除了 Phase I 项目申报的一个瓶颈，但也意味着 AI 假设并不会获得任何监管捷径。智能体可以加速发现，但不能加速审批。
结论：谁在卖铲子，谁在挖金矿
PerturbAI 与 OpenAI 的合作，给 AI 制药行业划出了一条新的分水岭。过去，AI 制药公司大多是“数据加模型”的垂直整合者，自己建数据、自己训模型、自己找靶点，重资产、慢周转、高风险。现在出现了一种新分工：拥有稀缺因果数据的公司提供“矿脉”，拥有推理智能体的公司提供“挖掘机”，研究机构提供“冶炼厂”。
在这条新链条上，OpenAI 的角色正在从“模型供应商”变成“科研基础设施”。它不再只是把 API 卖给制药公司，而是亲自下场，与数据持有方共建智能体工作流。这对其他 AI 制药公司是一个提醒：当通用智能体厂商开始垂直整合，单纯“套壳大模型讲制药故事”的估值逻辑会迅速失效。
对投资者而言，接下来要盯的不是哪家公司的智能体数量更多，而是哪家公司的数据闭环更稀缺、验证路径更短。智能体可以复制，因果图谱不能。
一个反直觉的判断是：在这场智能体制药的竞赛里，最先跑出来的可能不是最大的模型公司，也不是最大的药企，而是那些手里握着别人没有的因果数据、并且愿意把数据开放给最强推理引擎的小公司。PerturbAI 押上的正是这张牌：它没有诺和诺德那样的营收规模，也没有 OpenAI 那样的模型能力，但它有别人没有的 800 万细胞体内因果图谱。
药物发现的下一个十年，拼的不是算力，是数据的所有权。
快报