AI驱动的Biohub：Mark Zuckerberg 与 Priscilla Chan为何投资数据——来自 Latent.Space

摘要

• CZI正将未来10年的慈善事业集中于Biohub，因为科学——尤其是AI与生物学的结合——已证明是其前10年影响力最大的方向。 Chan说，他们先后尝试了教育、社区支持和科学，最终得出结论：“天啊，就是这个。” Zuckerberg如今称Biohub是这项慈善事业的核心，同时谨慎界定其使命：帮助科学家治愈或预防疾病，而不是宣称由自身完成治愈。

• 制度性瓶颈在于，变革性科学工具可能需要10至15年、数亿美元投入，而传统资助体系主要支持规模更小、彼此独立的团队。 因此，CZI运营研究机构，让生物学家、工程师和AI研究人员共同办公，并连接 Stanford、UCSF 与 Berkeley。其押注是，新型观测工具能够像望远镜和显微镜当年那样，打开整个领域。

• Biohub的核心资产是不断复利的数据飞轮，而不只是模型集合。 其单细胞项目已达到1.25亿个细胞，CZI约贡献25%，更广泛的生态贡献75%；如今，10亿细胞项目只需数月即可推进，成本也仅为此前的一小部分。AlphaFold依赖30年公共数据的经历说明了战略约束：“这些数据集不会自己生成。”

• 一个真正有用的虚拟细胞，必须连接分子、蛋白质、细胞、空间结构、时间，以及最终包括免疫系统在内的各类系统。 Biohub的潜在优势，是让“前沿生物学与前沿AI同步推进”，围绕模型所需的数据来设计仪器和实验。对投资者而言，这条产业链从仪器和算力，延伸到数据集、模型、湿实验验证及临床合作方。

• 即使AI大幅提升科研效率，湿实验室仍将是验证闭环。 Chan不知道验证能力是否会成为瓶颈；生物学目前还无法像语言模型那样，低成本完成数万次测试。近期更现实的收益，是由模型生成假设并降低试错风险，让受制于资助规模的科学家不再只能尝试“单打或双打”。

• EvolutionaryScale团队的加入，使AI在Biohub下一阶段的组织架构中居于核心位置。 ESM3蛋白质模型团队将与Biohub现有研究人员合并，由 Alex 领导整个项目——一名AI研究人员与顶尖生物学家并肩负责总体研究。Zuckerberg也承诺投入前沿模型和大规模生物学算力，但 Chan 强调，单有模型并不足以构成一个令人满意的10年结果。

• 临床终点是N-of-one医疗：预测个体的遗传因素和暴露经历如何改变细胞、疾病通路及治疗反应。 Chan给出的典型案例是抑郁症：患者可能要先用数月熟悉的抗抑郁药，之后才知道是否有效：“与此同时，如果药物无效，就意味着这个人在持续受苦。”这并不是要打造一个“CZI应用”，而是由Biohub建设基础工具，再由合作方将其转化为临床影响。

• 这项使命需要多长时间，或许更多取决于AI进展而非生物学，但AI无法绕过缺失的实证数据。 Zuckerberg说，目标需要10年、20年还是40年，可能取决于强AI的发展速度，前提是前沿生物学投资持续推进。现实中的桥梁包括虚拟免疫系统和工程化细胞，但“治愈和预防所有疾病”意味着让疾病能够被早期发现并得到控制，而不是消灭每一种感染。至于长生不老，双方没有给出结论。

精读

上游暂未提供，后续同步将继续补齐。