AI 這次不是在答題，是真的走進實驗室做了實驗。6 月 17 日，OpenAI 與波蘭化學新創 Molecule.one 公布一項成果：GPT-5.4 搭配對方的 agent 系統 Maria 與一座自動化實驗室，跑了 10,080 筆化學反應，改良了醫藥化學界卡多年的一個偶聯反應。但這則新聞值得先踩個剎車：被打破的不是「智力」瓶頸，是「通量」瓶頸；成果可信是因為背後有一整套濕實驗室驗證迴路與人工守門，不是因為模型變聰明。看懂它解的是哪一類問題，比記住一萬這個數字重要。

自動化化學實驗室裡的實驗器材與試劑，象徵 AI 從答題走進濕實驗室做實驗

先把事情講清楚。這個反應叫 Chan-Lam 偶聯，是用銅催化把碳和氮接起來的方法，做藥時很常用。其中「初級磺醯胺（primary sulfonamide）」這個版本一直很難搞，產率偏低，而磺醯胺這個結構出現在九十多款美國 FDA 核准的藥裡，涵蓋腫瘤、抗菌到心血管，所以它一直是早期新藥開發的一個卡點。GPT-5.4 做的事，是自己選定這個題目、提出一個假設：用溫和的氧化劑 TEMPO（一種穩定的自由基）也許能拉高產率。接著 Maria 這座自動化實驗室分兩輪把它試出來。

實驗室裡整排裝著試劑的樣品瓶，象徵自動化高通量反應篩選

結果不差，但也別放大。平均產率從 16.6% 升到 25.2%，清過 30% 這個「實用門檻」的反應比例，從 15.6% 翻到 37.5%；測試的硼酸有 88%、磺醯胺有 83% 產率變好。注意絕對數字：25% 的平均產率放在做藥的標準裡還是偏低，這是「相對改善」，不是把難題一次做到好。真正紮實的地方在後面：人類化學家手工重做了 14 組代表性反應，其中 11 組真的更好、8 組產率翻倍以上，還有四位外部化學家審過，確認 TEMPO 用在這裡確實是文獻裡沒被好好試過的路子。

大量並排的化學反應試管，象徵一次跑上萬筆反應的規模

那問題來了：這反應卡了這麼多年，是因為以前的化學家不夠聰明嗎？我的判斷是不是。它卡住，主要是因為沒人跑得起一萬次反應。一位化學家一天做 3 個反應，一萬筆要做十年。TEMPO 這個線索本來就散在文獻各處，不是什麼沒人知道的祕密，只是沒人有本錢把它系統性地在這一大片反應空間裡試過一遍。所以這次真正被解掉的，是一個「通量問題」被當成「知識問題」擋在那裡很多年。AI 加自動化實驗室的貢獻，是把「便宜地、大規模地搜索」變成可能，讓那個藏在雜訊裡的線索浮出來。這件事很有價值，但它的價值來源要說準：不是模型憑空想出人類想不到的東西，是它能把一個過去做不起的搜索做起來。

分子結構模型示意，象徵化學假設需要濕實驗室逐筆驗證

再往下追一層，這套流程為什麼可信，也不在模型本身。OpenAI 自己說得很老實，這是 near-autonomous（近乎自動），不是全自動，因為關鍵決策還是人做的：科學家寫提示、從模型的提案裡挑要試哪些、逐筆審結果、親手驗證。我一直講一句話，可信度靠的是流程不是模型大小，這個案子剛好是個乾淨的示範。把自動化的濕實驗室和人工複核抽掉，GPT-5.4 剩下的就只是一台會講得頭頭是道的假設產生器，你沒辦法分辨它哪句對哪句錯。它敢大膽提假設，正是因為後面有一個便宜、確定、能當場打臉的驗證機制在接。模型負責前段的廣度篩選，實驗室負責把它拉回現實，人負責守門，這三層各司其職，缺一層信任就會在那裡破掉。這跟醫療 AI 要靠合規守門引擎把關、AI 只做前置篩選不取代人的判斷，是同一個道理。

製藥研發實驗室裡的科學家與儀器，象徵台灣生技該補的自動化實驗與資料基礎

那台灣該從這條新聞讀出什麼？不是「趕快買一顆更強的模型」。這個案子真正的護城河，是那座能自動跑一萬筆反應的高通量實驗室、乾淨可用的反應資料、加上把關的驗證迴路。台灣的底子其實在對的位置：我們有很強的臨床試驗與腫瘤新藥研發生態系，也有像 Insilico 那種用 AI 設計藥物、真的讀出二期數據的案例在跑。缺的往往不是聰明，是把「自動化實驗＋結構化資料＋驗證機制」這條迴路湊齊的基礎建設。一家生技公司或 CRO 該問自己的，不是「我有沒有用最新的模型」，而是「我有沒有能讓 AI 提的假設便宜地被試錯、被驗證的實驗室和資料」。從一個觀察到的相關性，到一個有足夠證據可以拿去做藥的結論，中間隔的是一段系統性距離，AI 是把這段距離的起點往前挪，不是把終點直接搬到你面前。

看懂這件事，AI 確實從答題往做實驗跨了一步，但這一步是自動化和人工驗證付的錢，不是智力自己走過去的。把它讀成「AI 會自己做科學了」，就會去解錯題、把預算押在錯的地方。

常見問題

AI 這次是真的自己做出化學發現嗎？
算是，但要講準。GPT-5.4 自己選了題目、提了「用 TEMPO 提升產率」的假設，這部分是模型做的；但真正把它試出來的是一座自動化實驗室（跑了 10,080 筆反應），驗證是人類化學家手工複核的。OpenAI 自己也說這是 near-autonomous、不是全自動，關鍵決策還是人做。

產率從 16.6% 提到 25.2%，這樣算厲害嗎？
算有意義的改善，但別當成把難題做到好。25% 的平均產率在做藥的標準裡還是偏低，重點是清過 30% 實用門檻的反應比例翻了一倍多（15.6% 到 37.5%），代表這個過去很難用的反應版本，變得比較多情況下堪用了。它是相對改善，不是一步到位。

Chan-Lam 偶聯和初級磺醯胺為什麼重要？
Chan-Lam 偶聯是用銅催化把碳氮接起來的常用製藥反應，而磺醯胺這個結構出現在九十多款 FDA 核准的藥裡。它的初級磺醯胺版本一直產率偏低，是早期新藥開發的一個卡點，所以把它做順一點對藥物合成有實際幫助。

台灣生技要跟進的話，該投什麼？
重點不是買更大的模型，是補齊「自動化實驗室＋結構化反應資料＋人工驗證迴路」這條基礎建設。台灣本來就有很強的臨床試驗與新藥研發生態系，缺的通常是讓 AI 提的假設能便宜試錯、被驗證的實驗與資料環節，把這條迴路湊齊，模型才有地方發揮。