数千个AI智能体上阵，OpenAI与PerturbAI、Scripps挖掘脑细胞数据

OpenAI在其官网案例文章中介绍了一项与PerturbAI、Scripps Research的合作：三方使用分布式的AI智能体，在来自数百万个脑细胞的生物数据中寻找新的研究线索。

这类数据的难点不在读取，而在筛选。单细胞层面的测量会产生海量、噪声高、彼此关联复杂的记录，研究人员真正需要的不是再多几张图表，而是从大量可能方向里挑出值得投入实验资源去验证的那几条假设。

OpenAI用“数千个AI智能体”来描述这套方法的规模，其中的关键词是分布式：把分析任务拆开，交给大量并行的智能体分别处理，再把结果汇总回研究流程。这与把整份数据塞进一次对话是两种完全不同的用法。

参与方的分工也值得注意。Scripps Research提供生物学问题与实验判断，PerturbAI处在数据与扰动实验的一侧，OpenAI提供模型与智能体编排能力。三方组合说明，前沿模型进入科研的方式正在从“辅助写作”转向“参与分析流程”。

对生命科学而言，这类尝试的现实意义是节省最稀缺的资源——研究人员的注意力与湿实验成本。如果智能体能把候选线索的范围收窄，哪怕只是把明显无效的方向提前排掉，实验排期就能更快转向真正有希望的假设。

当然，智能体给出的线索仍然是线索，而不是结论。生物数据中的相关性极易误导，任何由模型提出的候选方向都需要实验验证，这也是为什么文章把成果描述为“有前景的研究线索”而非发现。

后续值得观察的是这套方法能否被复用：其他数据类型、其他研究机构是否能用相似的智能体编排跑出结果，以及成本与可靠性在规模扩大后如何变化。如果答案是肯定的，多智能体并行的价值就不只停留在软件工程，而会成为科研基础设施的一部分。