先说结论：这是头一回，一个 AI 模型自己挑了道化学难题，从翻文献一路做到实验室验证，全程没让人牵着走。
事情是 OpenAI 的 GPT-5.4 和波兰一家叫 Molecule.one 的公司一块干的，6 月 17 日把结果放了出来。
它们盯上的，是制药圈一个老大难——Chan-Lam 偶联。
这道题难在哪
Chan-Lam 偶联是个铜催化的反应，专门用来在分子里搭碳氮键。这种键在药里到处都是。问题出在一类叫”伯磺酰胺”的原料上：拿它来做这个反应，产率一直低得让人头疼，长期卡着早期药物研发的脖子。
伯磺酰胺这东西不冷门。它是 91 种 FDA 批准上市药物里的关键骨架，抗癌的、抗感染的、利尿的，都有它的身影。把这道反应的产率提上去，是实打实能省钱省时间的事。
GPT-5.4 给的答案，是往里加一味东西——TEMPO，一种温和的自由基氧化剂。
加了它之后，那些原本会把原料白白消耗掉的副反应被压住了，主产物反而生成得更顺。
数字不唬人,是真测出来的
这不是模型嘴上说说。两轮高通量实验跑下来，一共做了 10080 次反应。结果：
| 指标 | 加 TEMPO 前 | 加 TEMPO 后 |
|---|---|---|
| 平均产率 | 16.6% | 25.2% |
| 产率超 30% 的反应占比 | 15.6% | 37.5% |
后面人工又挑了 14 对底物复核，其中 11 对产率确实涨了，大多翻了一倍还多。
也就是说，AI 挑的这个方向，经得起在真瓶子里验。
AI 干了多少,人干了多少
这事最值得说的，不是产率涨了几个点，是分工。
整条链是这么跑的：
- GPT-5.4 自己定了研究方向、生成并给一堆实验方案排了序
- 人类化学家 从里头挑了四个方案去试——这一步还是人说了算
- Molecule.one 的 Maria AI 把方案翻成实验室能执行的指令，跑筛选、读数据，再把结果喂回给 GPT-5.4 让它接着想
来回迭代，前后两个半月。
研究者自己也把话说在了前头：这套流程是”接近自主”，不是”完全自主”。挑方案、定计划、做验证，关键的几道闸还攥在人手里。
但即便如此，这仍是头一回有 AI 系统独自把一道开放式的有机化学问题，从读文献一路推到实验确认，全程走通。
这意味着什么
过去 AI 在制药里干的活，多半是”算一算”：预测分子结构、筛一筛候选化合物。真正动手做实验、看着结果改方向这一步，一直是人的地盘。
这回 AI 头一回把这一步也接了过去——虽然还得人盯着，但它确实自己挑了题、自己找到了那个没人想到的添加剂。
化学这行，很多突破靠的不是算力，是”试出来”的运气和经验。如果 AI 能把”试”这件事也学会、还学得比人快，那药物研发那条又慢又贵的链子，松动的可能就不止一环。
这套打法能不能复制到别的反应、别的领域，现在还不好说。但口子，算是开了。
参考来源：OpenAI and Molecule.one Demonstrate Near-Autonomous AI Chemist（AI Weekly）；CocoLoop、AI Drug Discovery Chemistry Hits Wet Lab: GPT-5.4 Boosts Chan-Lam Yields in 10,080 Reactions（Tech Times）；OpenAI's AI Chemist Improves Drug Discovery Chemistry（techscurrent）