OpenAI 官网发布文章《Using thousands of AI agents to uncover new leads in biological data》，介绍其以数千个 AI 智能体为执行单元、在生物数据中寻找新线索的研究工作。文章链接为 https://openai.com/index/scaling-ai-research-for-complex-biological-data，目前公开可获取的信息集中在标题与主题层面。
从标题看，这项工作有两个关键词值得注意。其一是“thousands of AI agents”，即研究主体并非单次调用的大模型，而是规模化的智能体集群，暗示任务被拆分、并行推进；其二是“scaling AI research”，也就是把 AI 参与科研本身当作可扩展的对象，而不是只把模型当作一次性问答工具。目标则落在“new leads”——在复杂生物数据中发现值得进一步验证的线索。
为什么重要：生物数据体量大、来源异构、噪声高，长期依赖专家逐层筛选，通量有限。若智能体集群能在真实科研流程中稳定产出可验证线索，意味着 AI for Science 的讨论重心会从“模型能否回答专业问题”转向“AI 系统能否承担研究中的重复性探索工作”，这会直接影响数据清洗、假设生成与筛选环节的分工方式。
需要说明的是，该文的具体方法设计、所用数据、评测口径与线索的验证结论，均未在现有摘要信息中体现，不宜据标题外推。对从业者而言，更值得跟进的是三点：智能体之间的协作与校验机制如何设计、规模化带来的成本与可复现性如何权衡、以及产出的“线索”以何种标准被判定为有效。这些细节需以原文披露为准。