今天的虚拟细胞还当不了实验的预言机。卡住的不是算力，是我们能看见什么——18 亿美元先花在镜头上。#AIforScience #虚拟细胞 #Biohub #生命科学
亚历克斯·里夫斯（Alex Rives）在 Biohub 做科学负责人。他此前在 Meta 的基础 AI 研究实验室发起 ESM 蛋白质语言模型项目，后来参与创办 EvolutionaryScale，2025 年 11 月团队并入 Biohub。1 这一期他和内森·拉本茨聊的是：为什么细胞模型到今天还没变成医学的革命，以及一个 18 亿美元的数据计划想解决什么。
一、大目标：一个没有疾病的世界
他把「治愈所有疾病」翻译成一个具体的靶子：没有癌症、没有传染病、没有慢性病与退行性疾病。他没把「衰老」本身列进目标，理由是自己务实——先想现实时间尺度里什么是可能的，再倒推科学和技术要长成什么样。
支撑这个靶子的有两样东西。一样是理解：疾病如何在底层运作，核心机制是什么，怎么发现、怎么干预。另一样是技术：越过当前的医学范式（药片、分子），走向可编程程度高得多的药物，把治病想成读取并改写生物学的那套程序。
内森提出的两段式拆法——先找因果靶点、再设计能打中它的东西——被他认作药物开发的经典框架。他说这套框架里还有很多进展可以拿，AI 也确实给了新潜力。但他更愿意取一个信息论的视角：生命是一段程序，细胞在构建活的生物体，这套规则里有程序可读、可改。
二、细胞是程序：为什么这个视角更宽
在他的描述里，细胞是一台信息处理机器，基因组编码了运行生命的那些程序。生物学史上有两条并行的路：一条是自下而上、从化学与物理第一性原理搭建；另一条是认真对待细胞这个涌现层面的信息模型。他认为后者更有产出，也正是未来五年 AI 能达到的那一层。
疾病不是这套程序之外的意外，而是程序的一部分，而且「以非常有规律的方式展开」。理解程序，就多了一条理解疾病的路径。
三、今天的「虚拟细胞」差在哪
他的判词很直接：今天被叫作虚拟细胞的那些模型，满足不了「一个能真正模拟细胞、能给实验生物学当预言机」的定义。
他把原因拆成三块，缺一不可。
第一块是建模范式。细胞复杂得不可思议，而且是一个多尺度问题：原子与分子之间的相互作用决定了细胞这个更大尺度上发生的事。transformer 没有表示这种多尺度结构的归纳偏置。
第二块是数据。要在规模上生成数据，让细胞的信息架构在统计结构里显形——而这在今天的成本和技术条件下非常难。
第三块是测量，他认为这一块最根本。细胞的很多东西我们测不了，有时候完全看不见。科学史上那么多范式转移，都来自新的测量技术。2
四、无限数据的极限，与五年能做到的事
内森的天真判断是「数据够好，今天的技术就能用」。亚历克斯大体同意，但加了一个限定：在无限数据和算力的极限里，所有架构都会退化成函数逼近器，归纳偏置不再重要。
蛋白质生物学已经接近那个区制——这正是 ESM 与 AlphaFold 成立的原因。细胞生物学离那个区制还很远，所以偏置仍然重要。
他对「模型最终长什么样」的设想也分两层。远的那层是真正的「生命的世界模型」：能把细胞状态投射到原子级解析的结构上，能让发育在硅里跑完，能告诉你组织里的相互作用会怎么展开。他明说：离那很远。
近的那层是信息论意义上的细胞模型：给它一个状态加一组输入，它输出下一时刻各种状态的分布。它不会确定，是概率的。这一层，他认为五年内可以达到。
五、18 亿美元：三家出钱，NIH 出数据
录制前两天，Biohub 宣布把「虚拟生物学计划」扩展到 18 亿美元，这是迄今规模最大的一次「为 AI 造生物数据」的协同承诺。3
钱的来源可以拆清楚。能源部五年投逾 5 亿美元，走 Genesis Mission，覆盖数据采集、AI 分析、测量与成像、建模与计算；NIH 统筹超过 5 亿美元既有联邦投资所产生的数据集与知识库，并与 Biohub 一起做标准化；Google DeepMind、Isomorphic Labs 和 Meta 合计投 3 亿美元。
更早的一笔是四月：Biohub 自己出 5 亿美元压舱，其中 4 亿用来在规模上生成数据、开发下一代测量、成像与工程化生物学的技术，1 亿用来催化全球协同的数据生成、投向 Biohub 之外。4
路线图上最清楚的一件事，是扩张「语境化的细胞生物学地图」：空间生物学把细胞放回组织与周围细胞，再把分子测量和成像连起来，规模做到数百亿个或更多细胞。
六、激光相位板：测量先于理解
内森用自动驾驶里的激光雷达对廉价摄像头作类比，问他在生物学里怎么搭模态组合。他举的例子是今年公布的激光相位板：给电子显微镜做相位对比，一束驻波激光与电子束干涉、改变电子束的相位。官方说法是比太阳亮一亿倍，双腔不到四英寸宽、镜子相距不到一英寸，装在一台十四英尺高的冷冻电镜里。
它最大的应用是冷冻电子断层扫描：把细胞切片，在原位看见所有蛋白质和其他大分子。对比度之所以关键，是因为这些观测的噪声大得惊人——有了对比度，才能开始分辨单个分子，理解它们是什么、在跟谁相互作用。
他还给了一个数字：研究者估计人类细胞里超过九成的蛋白质对冷冻电镜来说太小、看不清。这正是相位板要补的那块。
他由此推出他对这笔钱花法的描述：提高每个细胞可测的参数、扩大同时观察的细胞数、打开时间维度、打开分子维度。
七、跨尺度：细胞必须在语境里
一个基因上的单点突变就能致病，所以一个真正完整的模型必须跨过分子、细胞、组织、个体这几道尺度鸿沟。近期想把整个系统完整识别到分子层面，他说不可能——这是技术问题。
他特别强调一件事：当他谈细胞模型时，不是指孤立的细胞。培养系统里的细胞是原位生物学的一个很差替代品，它能教你核心机器和核心程序，但活系统是细胞之间相互作用造出来的——界面、输入输出、状态转移，这些都必须进模型。
Biohub 在每个复杂度层级上都造技术。激光相位板打开原子分辨率的视野，但只能看到细胞的一部分；还有能在培养里扰动成片细胞、统计测量响应的系统；以及整生物体级别的成像。斑马鱼透明，可以被追踪每一个细胞：从一个单细胞胚胎一路看到发育完全的生物体，也能标记全部免疫细胞、在活鱼身上看它们怎么迁徙和互动。
八、模式生物与整段进化
内森问起「在小鼠身上」那个老笑话。亚历克斯先承认：我们对疾病的分子理解，大部分根本性进展都来自模式系统，连酵母都贡献过重要机制。但他也说，过度依赖会两头出错——你以为找到了癌症的解药，它只在小鼠身上有效；或者你完全错过了一个在人身上成立、但小鼠没有好替代品的机制。
没有简单解法。生物学一直有一股推动力，要做出越来越好的实验替代品，器官体是最近的一步。
他认为 AI 在这里能起作用，理由是蛋白质模型的先例：ESM 和 AlphaFold 不是只在人类蛋白质上训练出来的，它们训练在整个进化上。这说明进化里有预测人类生物学所必需的信息——不只是有用，是必需。脊椎动物的核心分子机器和那套「语言」都被保留下来，被重写的是程序：「程序被完全重新布线，但用的是同一批积木。」
九、预训练、RLVR 与经验型 AI
他预期生物学会走上语言模型走过的路：自监督表示学习、缩放定律、然后是引出阶段，最终是 RLVR。他认为给生物学做 RLVR 是可能的。
但生物学有一个硬约束：它是经验的。数学和代码可以靠计算快速验证，生物学必须建出能在实验室里跑起来的验证系统——让 AI 提问、做实验、从实验里学、再提一个更好的问题，形成递归的改进。
十、时间尺度、细胞图谱与病历
他给的时间表很具体：健康和疾病的细胞图谱，初稿在接下来一到两年；如果有一场真正聚焦、协同的努力，五年之内可以有一张相当完整的图谱。有了那张图，才能问那个真问题：我怎么干预，才能把一个病理状态逆转回健康状态。
内森问电子病历会有多重要。他承认自己想得不多，理由是他更专注根本那一层。他的担心是：如果没有正确的基底，你学到的就是一堆相关性，连不回底层生物学的因果。用病历把已经存在的对的药送到对的人手上，是真进展、也是重要的问题；但台阶式的那一步，他认为必须从更底的那一层来。
十一、生物与语言的潜在空间
内森问生物学的模态会不会和语言联合训练进同一个潜在空间，就像今天的图文。他的回答是「不确定」。
他确定的是语言的两重作用：它是推理的基底，也是接入几个世纪生物学知识的入口。但挑战在于：我们最想知道的东西不在文本里，也没法从第一性原理推出来——它们是经验事实，只能靠实验得到。
至于最终是一块融合的空间，还是隔着工具调用，他说不好。融合迟早点可能到，但起点很难，因为需要大量桥接数据，而今天并没有。他还提了另一件更有意思的事：蛋白质语言模型已经学到了表示未知蛋白质生物学的特征——「那是我们还没有词、没有名字的新概念」。
十二、一百万个 Bryan Johnson，和他自己那块表
内森最后问：如果钱不是问题，让一群人定期做微活检、戴满传感器、追踪每一个能追踪的维度，是不是一条更有希望的路？
亚历克斯说那种数据会极其有价值，而且随着时间很可能自然发生——能测的参数会越来越多、越来越分子层面，自下而上和自上而下的视角会收敛。但作为一个机构，Biohub 把自己放在技术那一层。
问到他自己怎么追踪健康，他的回答是：一块看睡眠的表，「差不多就到这儿了」，别的什么都没有。
口径提示：18 亿美元、5 亿美元拆法、激光相位板与「九成蛋白看不清」均取自 Biohub 官方新闻稿；「世界模型还很远」「五年拿到转移函数」是嘉宾在节目里的判断，不是官方时间表。
逐句全文翻译
以下按节目原顺序逐句译出，只保留中文译文与说话人标签，不做压缩、摘要或删减。说话人：内森＝主持人内森·拉本茨，亚历克斯＝嘉宾亚历克斯·里夫斯；广告段落为节目口播。
开场
片头：欢迎回到《认知革命》。今天的嘉宾是亚历克斯·里夫斯（Alex Rives）。他此前是 EvolutionaryScale 的联合创始人兼首席科学家，那家公司做的是 ESM 系列模型；现在他是 Biohub 的科学负责人。Biohub 由陈·扎克伯格基金会支持，使命听起来很像一次登月：治愈或预防所有疾病。它刚刚宣布把「虚拟生物学计划」扩展 18 亿美元——这是一项数据生成工程，把美国能源部、美国国立卫生研究院、Google DeepMind、Isomorphic 和 Meta 都拉了进来。
片头：我开场先问他，「治愈所有疾病」对他到底意味着什么，我是不是应该期待自己比正常寿命活得久很多。他自称是个「务实的人」，所以给我的答案不是永生，而是一个没有癌症、没有传染病、没有慢性病或退行性疾病的世界。
片头：从这里往下，我们聊的是：为什么今天那些虚拟细胞模型没有让医学革命起来。亚历克斯认为，问题的核心在于我们观察生物学中真正重要的东西的能力，仍然被手里的测量技术卡得很死；结果是，我们根本没有质量足够的数据，去表示模型或许很乐意去学的那种细粒度的因果结构。
片头：用巧妙的归纳偏置搭出来的更好的架构，可以让稀缺的数据发挥到极致，比如 AlphaFold 那一类模型对物理的极其克制的使用；在生物代码的「下一个 token」建模上，我们确实看到了真实进展；但现有数据抓不到关于细胞和组织如何运作的关键信息。
片头：正是在这个判断上，Biohub 选择重仓数据。一条路是打开新的观测模态，比如激光相位板——一次显微镜上的突破，让科学家开始能直接看到单个蛋白质和其他大分子在细胞内部如何相互作用。另一条路是系统性地建细胞图谱，把分子数据和成像数据在数百亿个细胞上连接起来，既包括健康状态，也包括疾病状态。
片头：未来几年的目标，是建一个信息论意义上的细胞模型，把运行生命的那些物理程序编码进去。它从一个转移函数开始：输入一个细胞或组织的状态加一组输入，预测下一个时间点上各种细胞状态的分布。最终要走向亚历克斯所说的「生命的世界模型」。
片头：这当然会支撑我一直梦想的那个用法：我怎样把一个病理状态推回健康状态——换句话说，真正把病治好。
片头：这一路我们还聊了：大语言模型的训练配方怎么套到生物学上，他设想的「给生物学做 RLVR」和实验室验证；他回应了我提出的「一百万个布莱恩·约翰逊」；他还琢磨了生物的潜在空间和语言的潜在空间最终会深度融成一个，还是隔着工具调用保持分离——他说，我们最想知道的那些生物学事实，是「我们还没有词、也还没有名字的新概念」。
片头：最后我问他怎么追踪自己的健康。他说自己太专注 Biohub 的研究，几乎不想这件事。这个回答让我意外，但转念一想：如果他和他的人在做出高度可泛化的生物基础模型所需要的那一层数据上成功了，那么一点点及时、相关的个人健康上下文，也许真的就够了。下面就请听亚历克斯·里夫斯，Biohub 的科学负责人，讲他眼里的生命世界模型。
内森：亚历克斯·里夫斯，Biohub 的科学负责人，欢迎来到《认知革命》。
亚历克斯：谢谢。很高兴来，内森。
内森：我也很期待这次对话。那我们从一个大的开始。Biohub 有一个很宏大的使命，「治愈所有疾病」，这个我很兴奋。它对你意味着什么？我该不该把它等同于人们有时说的另一个词，「把生物学解掉」？我该不该把它理解为针对衰老？还是说，在你设想的未来里，我们是要永生的？这个愿景到底能多大？
没有疾病的世界
亚历克斯：这是个好问题。
内森：我们怎么
亚历克斯：定义它？我觉得我是个务实的人，所以我想到的是：在一个现实的时间尺度上，什么才是有可能做到的。我觉得一个合适的落脚点是说，我们真正想要的是生活在一个没有疾病的世界里。那意味着什么？意味着一个没有癌症的世界，一个没有传染病的世界，一个没有慢性病、没有退行性疾病的世界，没有那些长期以来一直是人类处境一部分的种种折磨。
亚历克斯：我是从一个根本的层面去想这件事的：我们怎么建立起那样一门科学，让我们在非常深、非常根本的层次上理解生物学，从而理解疾病是怎么运作的，识别出核心机制，理解怎么发现疾病、怎么恰当地干预；还有技术这一层。
亚历克斯：也就是说，我们怎么越出当前的医学范式——我猜是治疗范式，也就是药片、分子？我们能不能真正越过去，走向可编程程度高得多的药物，让我们触到疾病的根本，并且开始把这件事想成：能够读取、也能够改写生物学的那套程序。
内森：我以前想这件事的时候，试过把这个大挑战拆成两个没那么大的挑战。一个是理解我们身体里正在发生的事的因果结构，这样我们就知道是什么导致了问题，也就知道干预的靶点应该在哪。另一个是，在你已经识别出靶点之后，想出一样真能产生想要的效果的东西。你怎么看——这是一个好的分类法吗？如果让你继续往下拆，你会怎么拆？哪些部分我们已经抓得比较牢，哪些地方还得追？
亚历克斯：我觉得那其实就是药物开发的经典框架。你想今天怎么做一款药：我们从生理和疾病出发，试图在分子层面找出一个病因，因为那是我们今天的技术真正能干预的地方；然后我们再去想怎么找到、怎么设计这个干预手段。这是一个范式，而且在这个范式里还有很多进展是可以拿到的。AI 确实给了我们新的潜力，去逐块处理这个拆解出来的问题。
亚历克斯：但我认为还可以取一个更偏信息论的视角：你可以把生命看成一段程序。细胞在构建活的生物体，而它其实是一套规则、一套代码；你可以问，这些程序是什么？我们怎么读取这些程序？我们又怎么开始改写这些程序？我觉得这样去想，会把解决问题的口径打开得更宽。
亚历克斯：而我们在 Biohub 想做的很大一部分，就是真的这样去想生物学：造出可编程生物学的工具，造出让我们能在这种语境下理解生物学的模型，真正开始理解细胞怎么运转——既下到分子层面，也拉远来看「语境中的细胞」，以及它为了构建一个活的生物体所运行的那些程序。
亚历克斯：你完全可以把疾病看成这套程序的一部分。疾病往往以非常有规律的方式展开。如果我们真能理解这一点，它就给了我们一些根本上是新的工具，去想怎么取得进展。
内森：所以我知道你们在做虚拟细胞模型。当然，虚拟细胞模型已经存在一段时间了。以我一般的理解，目前这个局面的状态是：它们大体上不太好用。人们提出了各种假说来解释为什么。我觉得最有说服力的一个是：我们手上的数据质量不够高，所以里面可能并不包含机器学习模型真正需要用来学「到底发生了什么」的那些信号。你怎么看这个假说？你觉得至今发生的这一切，为什么没有把我们带得更远？
亚历克斯：细胞复杂得不可思议，我想你得从这里开始。它大概正好是用来思考生物学的那个「介观」尺度。但如果你去想这个细胞，它是由一堆极其复杂的、动态的物质构成的；下到单个原子、分子之间的相互作用，这些事件决定了细胞这个更大尺度上发生了什么。
亚历克斯：所以有一个视角是从原子分辨率、从物理和化学的第一性原理往上搭。然后你也可以把细胞想成嵌在活的系统里——嵌在组织里、嵌在生理里、嵌在一个生物体里——以及细胞为了感知和回应环境、为了彼此通讯、为了做那些极其复杂又动态的事情所能执行的那些程序。所以这是一个巨大的挑战。
亚历克斯：我认为限制有好几个。一个是模型本身：你得有正确的建模路径和正确的建模范式。我们在 AI 的其他领域有 transformer，但 transformer 并不具备那种可以表示不同复杂度层级的多尺度结构。所以「什么才是对的建模范式」是一个问题。
亚历克斯：但我觉得更根本的，是观测、可观测性和测量的问题。细胞的很多东西我们就是测不了，有时候完全看不见；很多情况下，要在规模上生成数据会非常难。
亚历克斯：如果你去看科学和生物学里的许多进展，它们真的来自一项新技术，这项技术改变了我们能测量什么、能观察什么。看见和观察生物学的新能力，能打开对它的新理解。
亚历克斯：所以我真的认为，要解决这个问题有三块：建模那块；在规模上生成数据、让细胞的信息架构和程序在统计结构上显形的那块；以及我们真正用来观察细胞、测量那些要紧东西的工具。你得在这三块上同时看到进展。所以今天被叫作虚拟细胞的那些模型，我不认为它们满足那个定义——一个真能在一个有意义的层面上模拟细胞、真能当实验生物学的预言机的模型。
世界模型与转移函数
内森：那我想再往前走一步，聊聊你想象建模会怎么演化。我那种很天真的外部视角是：基于我们在语言模型和其他地方看到的全部成功，只要我们有足够好的数据，今天的技术大概就能用。你也许不同意。如果你不同意，你设想的是什么样的未来模型？你觉得我们怎么把正确的归纳先验编码进去？这个模型到底有多像一个鲁布·戈德堡机械——它是要把真实的细胞和那些到处乱窜、互相作用的小蛋白质对齐起来，去建模所有这些微状态？还是说，它就是一个天真的黑箱：我有一个细胞，我扰动它，下一个状态是什么？不太在意里面那些细节机制。你觉得等这件事真的开始跑通的时候，我们会落在哪一种建模上？
亚历克斯：这是个好问题。我一开始要说的是，在数据和算力的极限里——如果你真的去想极限，无限的数据和无限的算力——所有模型架构大概最终会变得一样，它们都只是函数逼近器。如果你有正确的输入和输出，并且学到了一个非常好的通用函数逼近器，那么在那种极限下，架构本身就退场了。
亚历克斯：但我认为在生物学里，我们离那个点非常远。有一些例外：在蛋白质生物学里，我们有规模化的基因测序，我们真的可以越来越接近那个「无限数据」的极限。但对于细胞生物学，我们现在离得太远了。
亚历克斯：而历史上，当你离那个极限很远的时候，归纳偏置就变得非常重要。我想我们最终想去的地方，是一个细胞的模型——就是我之前说的那种：它在分子层面有那种复杂度，它有一个关于这一层的表示，它能想象把细胞的状态一直投射到它各个组件原子级解析的结构上；它也能在程序层面上对细胞建模，能够预测，能够让发育 unfolding 出来，让组织内部的相互作用展开，并且告诉你会发生什么。
亚历克斯：在那个意义上，你可以把它想成一个世界模型——一个生命的世界模型，一个生物学的世界模型。我认为我们离那个还很远。
亚历克斯：所以我认为现在可能做到的，是一个信息论意义上的细胞模型。生命确实是由程序来运行的，这些程序编码在基因组里。历史上看生物学有两条并行的路：一条是自下而上的第一性原理路线，试图从基本的化学和物理原理把它搭起来；另一条更有产出的看法，是去认真对待细胞这个「涌现」层面的信息模型。
亚历克斯：细胞是一台信息处理机器，它有一个基因组，基因组编码了运行生命的那些程序。我认为这一层对细胞的理解，是在未来五年左右，通过 AI 可以达到的。
亚历克斯：我们确实处在一个「大规模信息论」的时代。我们有这些极其强大的方法：它们在巨大的数据集上做预训练、做自监督；从把输入连接到输出的统计模式里，它们能捕捉到驱动输入输出关系的那些潜在变量的高保真表示。
亚历克斯：所以你可以想象，在细胞上生成数据，开始揭示出：基因层面、转录组层面、分子与蛋白质层面的信息，如何与细胞那些可以通过不同分子读数观察到的程序和响应连接起来——转录组学、基因测序、表观遗传测量，也包括成像，以及单纯「看见细胞如何响应」的力量。
亚历克斯：所以我认为你完全说对了：我们最先能去想的事情之一，就是真的把这个转移函数学出来——它把一个状态和一组输入，带到下一个状态。而且它是一个概率函数，不会是确定性的。细胞会转移到一个可能的下游状态的分布上。所以这是一个非常难学的问题，但今天我们已经有了让它成为可能的技术。
广告：Parallel 为 AI 智能体提供企业级的网页搜索 API，在质量、速度和成本之间给出最优平衡。可以在 parallel.ai/tcr 免费开始使用。
广告：OutSystems 是领先的智能体系统平台，让企业在一个统一平台上工程化、编排和治理 AI 应用。想了解它怎么运作，访问 outsystems.com/tcr。
18 亿美元与激光相位板
内森：你们这周刚出了一个新闻，宣布了一个 18 亿美元的计划，和几位伙伴一起——Biohub 和几家主要机构。能不能讲讲这个合作，以及这笔钱要花到哪去？我理解它主要是关于创造新数据，但能不能展开说说，哪些类型的数据会是最高优先级？
亚历克斯：我们非常兴奋。四月我们宣布了「虚拟生物学计划」，和一批领先的科学机构、联盟一起，说我们要真的去建这些数据集，让虚拟生物学在广义上成为可能。最开始的关键目标，是有一个关于细胞生物学的普适的、或者说通用的模型。
亚历克斯：整个夏天我们都在推进，然后「前天」我们宣布了一个旗舰级的合作：和能源部、和 NIH、和 Google DeepMind、Isomorphic、Meta 一起，真正协同起来做这件事。非常激动人心。我们是在和广大的科学界合作——我们发出了邀请，请全世界的科学界加入，也请其他资助方加入。
亚历克斯：但有一个核心群体是真的在专注：怎么让整个科学界的事情更协同。团队正在开会，去建立更长期的路线图。但有几点已经很清楚了：这些「语境化的细胞生物学地图」会大幅扩张。
亚历克斯：比如空间生物学——你真的能在组织的语境里、在周围细胞的语境里看见细胞，能把分子层面的测量和成像连起来，而且是在数百亿个或更多细胞的规模上做。目标是快速推进，先造出第一批数据集，让我们能开始训练这些语境化的、信息论意义上的细胞模型。
内森：在自动驾驶的语境里，有一个长期的争论：是装那种更贵、更花哨的激光雷达类传感器，还是就用便宜的摄像头。数据更丰富，和能拿到更多数据，这两件事哪个更重要？我知道你们最近在显微术上也有一个成果，我没有完全搞懂，但大意是：能往细胞里看得更清楚，甚至开始看到大分子在什么位置，以及某种程度上的相互作用。你在生物学里怎么看这件事？一边是我们可以做特别贵的东西，但做不了那么多；另一边，更便宜的技术是什么？你怎么去搭一个正确的、由不同模态组成的数据组合？
亚历克斯：今年早些时候我们公布了激光相位板，这是一个非常令人兴奋的项目，做了几十年。伯克利的霍尔格·穆勒（Holger Müller）很多年前就设想出来了，Biohub 从几年前开始投它。基本上，它就是给电子显微镜做相位对比。
亚历克斯：这是真正的高科技。它本质上是世界上最强的驻波激光：一束光与电子束发生干涉，改变电子束的相位，从而让电子显微镜有相位对比。
亚历克斯：它真正给你的，是能够去看——最大的应用是冷冻电子断层扫描（cryo-ET），基本上就是把细胞切片，然后用电子显微镜去看所有的蛋白质和其他大分子，在原位、在它们活着的语境里。
亚历克斯：对比度在这里极其关键，因为这些观测噪声大得惊人；而那种对比度让你开始能分辨出单个分子，理解它们是什么、它们怎么相互作用。我认为它会打开对活细胞动态结构生物学的全新理解。
亚历克斯：这就回到 Biohub 的一条核心信念：新的测量和观测技术，能改变我们理解世界的方式，能改变我们能做的科学。科学史上那么多范式转移，真的都来自新的测量技术。
亚历克斯：所以，生物学和我们开发 AI 的其他领域有惊人的相似之处，但也有一些东西让生物学根本不同。我认为最大的不同，就是我们观察、看见、测量要紧东西的能力是有限的。生物学的很大一部分，是被新工具的开发推着往前走的。当我们的工具越来越强，能看到越来越多的生物学，我们就有能力为它建越来越丰富的模型。
亚历克斯：所以我们思考这个问题的方式是：怎么提高我们在每一个细胞里能测到的参数数量？怎么扩大视野、扩大我们能同时观察的细胞数量？怎么打开时间维度，去看细胞随时间的变化？怎么打开分子维度，真正看到它们内部在最基本的层面上发生了什么？
内森：那再讲讲这件事，因为我在准备的时候有一个很大的疑问：一个细胞的单位，甚至几个细胞，到底能在多大程度上告诉我们真正需要知道的东西？显然，从细胞到组织到系统到整个生物体，中间有好几个数量级。我可以想象「一切都是连着的」是同一个故事：也许我身体里随便一个细胞，因为系统如此整合、信息到处流动，它就含有足够的信息，可以对我整体的健康状况做出好的预测；也许不是，可能因情况而异。你怎么去想跨过这些尺度？我们需要新技术吗？我在想微活检这类东西，或者「一百万个布莱恩·约翰逊」会是什么样子——所有人都在被各种方式测量，所有数据都连起来。你怎么看这个挑战，哪些技术最有希望跨过这些坎？
亚历克斯：这是个很好的问题。它真的触及了这个问题为什么这么难。它确实是一个多尺度问题：分子层面的复杂性可以影响宏观尺度的事件。一个基因上的单点突变就能致病。所以你最终真的需要一个理解，能跨过这些巨大的尺度鸿沟。而这是一个技术问题，我觉得它在很大程度上就是技术问题。
亚历克斯：近期来看，把一个系统完整地识别到分子层面是不可能的。也许将来某一天可以。但今天，我们能看组织，能看组织里的细胞，所以我们能看到细胞生物学那个介观尺度。
亚历克斯：但我确实认为，我们可以用这些信息论的原理去搭这座桥。有一点得说清楚：当我谈细胞、谈细胞的模型时，我不是指孤立的细胞。生物学家确实常常去想「培养系统里孤立的细胞」，去想那些原位生物学的实验室替代品。但我认为一个真正完整的细胞模型，必须包含对细胞在其语境中、在这些活系统里的理解——因为活系统是由细胞之间的相互作用创造出来的，是它们彼此的界面、它们的输入输出关系、它们所经历的状态转移。
亚历克斯：所以我觉得，在这个介观尺度上你能学到很多，对系统的完整图景非常有信息量。但你必须去想复杂度的层级。你可以想孤立细胞的复杂度，这非常有价值：你能从一个培养的细胞、从一个被转化的细胞身上学到很多细胞生物学；它们可能和原位、组织里的细胞状态很不一样，但它们仍然有那套核心机器、那些核心程序。所以哪怕你只是在一个很差的替代品——比如培养系统——里看细胞，你也能学到很多。
亚历克斯：但如果我们开始在下一个语境层级上看细胞，在组织里、在系统里看，我们能学到更多。我们确实在补这些缺口。在 Biohub 我们有一个成像研究所，它在每一个复杂度层级上造技术。
亚历克斯：激光相位板打开了原子分辨率的视野，但你只能看到细胞的一部分，它没法给你一整块组织的图景。我们在造技术，让我们能看到成片的细胞、扰动这些细胞、理解它们的响应，并在培养的很多细胞上做统计测量。然后我们还在做整生物体级别的成像，那真的不可思议。
亚历克斯：我们做很多斑马鱼的工作。斑马鱼是透明的，这意味着你真的可以成像，可以看到每一个细胞。我们有显微镜可以追踪一个正在发育的斑马鱼胚胎随时间的变化，真的看到并追踪每一个细胞，看这个系统怎么从一个细胞一路变成一个发育完全的生物体。
亚历克斯：我们也有系统可以标记不同的细胞类型，比如所有免疫细胞。这样你可以在一只活鱼里追踪整个免疫系统，看它们怎么移动、怎么迁徙、怎么相互作用，以及怎么和周围组织相互作用。所以我认为在每个尺度上都有可能拿到信息。你真正要做的，是建一个能跨过生物学复杂度层级去整合的模型。
跨物种：小鼠、器官体与整段进化
内森：说到这些模式生物，我很好奇你怎么看它们要扮演的角色。老笑话是：你读到一条生物学或医学的激动人心的标题时，最好在心里给它补上「在小鼠身上」四个字。
亚历克斯：是的。
内森：你看那些标题里的数字：我们和小鼠共享多少 DNA，细胞的核心机制有多少是保守的——比例相当高。那看起来，我们开发出来治小鼠癌症、小鼠阿尔茨海默病之类的疗法，应该比实际上更经常地在人身上管用。这个落差让我有点困惑，你会怎么弥合它？是需要某种模式生物和人类之间可连接的数据集吗？因为我能想象的另一个故事是：到最后我们就是需要大量的人类数据，再多的斑马鱼数据也不会累加到我们想对人类拥有的那种洞察上。你怎么看？
亚历克斯：我想一开始要承认：我们对疾病的分子理解、以及那些核心的生物通路，大部分的根本性进展都来自模式系统的实验和模式生物。哪怕是最简单的真核生物——酵母——的实验，也揭示了与人类生物学和人类疾病相关的重要机制。模式生物在分子生物学的发展、在我们对生物学的理解里，扮演了非常根本的角色。
亚历克斯：但你说得对，它们绝不是完美的替代品，过度依赖它们会导致两种后果。一种是：你以为这是癌症的解药，但它只在小鼠身上有效。另一种是：你完全错过了在人身上相关的某个机制，因为你在小鼠身上没有一个好的替代品。所以这个错误可以两头都犯。
亚历克斯：这个问题没有简单的解法。生物学里一直有一股持续的推动力：要做出越来越好的、针对人类生物学的实验替代品。最新的进展是器官体（organoids），它能让你在培养系统里复现出越来越多组织的复杂度。
亚历克斯：但我也认为这正是 AI 能起作用的地方。我来自蛋白质生物学、建蛋白质模型的背景。在那里我观察到一件很有意思的事：ESM 和 AlphaFold 不是靠只在人类蛋白质上训练一个模型得来的，它们真的是在整个进化上训练出来的。
亚历克斯：这说明，进化里存在与预测和理解人类生物学相关的信息。而且不只是相关，是必需的。如果你只在人类蛋白质上训练一个模型，你得不到一个准确的预测模型。
亚历克斯：所以「泛化与迁移」这个想法里有非常强大的东西。生物学里如此多的内容是保守的，贯穿所有生命、所有不同的生命域。当你越来越接近人类，哪怕只去看脊椎动物，核心的分子机器、转录因子、它们与增强子和启动子相互作用的方式，那套「语言」都被保留了下来。
亚历克斯：发生的事情是，程序被重写了。程序被完全重新布线，但它们是同一批积木搭出来的。所以你真的可以看得更宽，从所有这些不同的系统里都有很多可学。
亚历克斯：而且我认为，去建一个能捕捉、整合并从所有那些信息里学习的模型，和试图造一个完美的实验替代品，是两件很不一样的事——后者其实根本做不到。但建一个能把所有那些信息用起来、对人类生物学做出好得多的预测的预测模型，这里面有真正的力量。
预训练、经验型 AI 与时间尺度
内森：在语言建模的语境里，曾经有过一个阶段，我们现在已经走出来了：压倒性的算力都花在质量、相关性都不明的数据上做简单的预训练；然后在最后做一点点指令跟随，突然你就有了一个挺有用的助手。你觉得这个配方在生物学里会是什么样？我们能不能拿海量原始但没那么好的数据，用它堆出这些表示，再从里面把我们要的东西引出来？还是说，因为某些原因，路径会不一样？
亚历克斯：这也是个很好的问题。我真的认为，生物学里的原则会和我们在 AI 其他领域看到进展的那些领域共享。我甚至觉得，生物学是幸运的，因为我们有机会看到这些原则在不同领域是怎么展开的，并识别出其中可泛化的部分。
亚历克斯：但这个核心想法——自监督、表示学习、预训练的力量——极其关键，因为它让你越过去了。这是辛顿、扬·勒昆、本吉奥和其他深度学习先驱的梦想：你不需要知道所有相关的变量，不需要把它们全都编码进去、不需要知道参数的设定，你可以用一个神经网络把这一切学出来。这件事在过去几十年被不断验证，而缩放定律大概是它最新、也最清晰的表达。
亚历克斯：在生物学里我们有预训练。当然，我们现在在蛋白质上正看到它的效果。我认为细胞生物学也会这样展开，而且会类似：有一个阶段是从统计模式里学习、建一个关于驱动这些统计模式的底层系统的模型；然后是一个「引出」阶段，你把模型里与你要解决的问题相关的那部分真正调出来。
亚历克斯：我认为给生物学做 RLVR、拿到反馈，是可能的。而最终我们要到的，是真正建成经验型的 AI（empirical AI）：建出这样的系统，让 AI 能提出问题、做实验、从实验里学习、改进理解、再提出更好的实验，真正反复把这一圈闭合起来，形成递归的改进。
亚历克斯：我认为这一切在生物学里都会成为可能，只是它得被建成不同的样子。它需要和那些能在相关方式上准确表示生物学的多尺度性质与复杂性的模型一起工作。
亚历克斯：而生物学最大的挑战是：它是经验的。我们在那些能靠计算快速验证的领域——数学、编程、推理之类——看到 RLVR 带来那么快的进展。而在生物学里，我们得去建真正允许在实验室里验证的系统。
内森：你怎么想时间尺度？这是另一个有数量级问题的地方。扰动一个细胞、一小时之后看它、一天之后看它，这是一回事；但我真正关心的是，我怎么能活到 120 岁，这是一个非常长期的问题。你怎么想这种预测？这又回到「一百万个布莱恩·约翰逊」那个想法。我们现在手里的东西，够不够说「这个细胞状态预测好的结果」？还是说，这也是这个大挑战爬坡里很大的一块？
亚历克斯：我认为那仍然是爬坡里很大的一块。但同时，它是一个规模上的挑战，而且我认为它可以用我们今天已有的技术来解决。我真正在想的是：建立健康和疾病语境下的细胞生物学图谱。
亚历克斯：能让我们真正做到这一点的技术，才刚刚开始变得可规模化。这正是我们在虚拟生物学计划里想做的一大块：在广泛的生理语境里看细胞，真正理解在细胞层面上，疾病和健康差在哪。
亚历克斯：我认为这会开始同时告诉我们：不同的疾病各自独特在哪，以及不同类别的疾病之间共享的共同病因。所以我认为这在可达范围之内。初稿在接下来一到两年；如果有一场真正聚焦、协同的努力，五年之内我们可以有一张相当完整的图谱。
亚历克斯：这会带来巨大的价值，不只是对 AI，也是对经典的分析：我能想象未来很多分析是智能体化的，所以你可以把经典分析扩展到这些非常大的数据集上。
亚历克斯：而且我认为你可以从此开始建一个模型，精确地识别出与疾病相关的不同细胞状态。有了那个模型，你就可以开始问：我怎么干预，才能把一个病理状态逆转、带回健康状态？所以我认为，这些问题在未来五年里我们真的会开始能处理。
内森：你觉得人类健康记录在这个组合里会有多重要？你会不会去想，比如去找电子病历公司谈合作、拿数据？规则我知道可以很复杂——你不需要个人信息，但你确实需要把一个个人健康轨迹和具体的细胞状态有意义地连起来。监管环境允许吗？还是有别的实际障碍？还是说它其实并不是故事的一部分？
亚历克斯：说实话，这个问题我想得没那么多。也许我该多想想。我想一个原因是，我一直更专注于把根本的那一层做出来。
亚历克斯：如果你没有正确的基底，你学到的其实就是一堆相关性。我担心的是：我们会有一大堆关于病人健康史的巨大模型，但我们没有一条路把它们连回底层生物学里更深的因果因素。而那正是我们真正必须做到的部分——如果我们想在理解疾病、以及在治疗疾病的能力上取得这种台阶式的进步。
亚历克斯：所以我认为，靠健康记录、靠让病人得到更好的照护，你可以走很远：把已经存在的正确的药和机制送到对的人手上，也许还能打开一些原本不知道那个机制相关、但其实可能受益的病人。那里面可以有很多进展，那是一个非常重要的问题；但它到不了根本层面，而我认为要在根本层面取得进展，才能有真正的台阶式变化。
亚历克斯：所以 Biohub 真正聚焦的是问题的那一部分：根本的科学，以及怎么走到「真的不再有疾病」那一步。而到达那里的唯一方式，是真正专注于深的生物学，造出让我们理解它如何决定健康与疾病、以及我们如何有效干预的技术。
生物和语言会共用同一个潜在空间吗
内森：你预期未来语言和生物学的模态会被联合训练进同一个潜在空间吗，就像我们现在把文本和图像放在一起那样？这个话我常说，听众也听过，但我还是想再讲一次这个直觉：现在很清楚，当我把一张图放进模型、给它指令，模型既以视觉的方式看见了这张图，也理解了我的指令，这创造出一种新的魔力——语言模型通过一种「伸长了胳膊」的工具调用去调一个图像生成模型，是做不到这一点的。
内森：所以你认为，通过语言去推理，和生物学模型之间，会长久保持这种「伸长了胳膊的工具调用」关系，还是我们最终会看到生物学的编码器直接喂进我们在语言里正在发展的那个推理空间？
亚历克斯：这是非常有意思的问题。事实是我也不确定。
亚历克斯：我认为语言对推理真的很有力量，它是推理、思考的基底。语言给我们的另一种力量，是让我们能接入那个通过几个世纪的人类经验研究所建立起来的生物学模型——那一切都以语言表示，都可以通过语言学到。
亚历克斯：我觉得，这个表达力完备的知识系统，是可以通过推理系统被物化、被撬动的。挑战在于：我们最想知道的那些生物学事实，并没有被表示在文本里，也没法从第一性原理、或者从我们已经知道的东西里推出来。
亚历克斯：它们是经验性的事实，只能通过做实验得到。正是想到这一点——想到让生物学不同于我们构建 AI 的其他领域的核心之处——我认为这会让生物学的预测模型在这里变得至关重要。
亚历克斯：至于这些模型是否会有一个潜在层面的融合、它们会不会在某个系统里互相作用、最终的状态是什么、是不是有一个把一切都融在一起的潜在空间——我现在没有很强的意见，也说不准。我能看到那样做的优势。
亚历克斯：我认为一开始会很难，原因很简单：要把这些空间融起来，你需要大量桥接数据，而我们现在并没有很多。但最终能不能到那儿？大概能。有一个融合的潜在空间会非常有意思。
亚历克斯：另一个真正有意思的角度是：生物学里有那么多特征，我们还没有语言、没有词去描述它们。蛋白质生物学就是一个漂亮的例子。
亚历克斯：我们已经从地球生命里测出了数十亿个蛋白质的序列，但其中绝大多数我们并不知道功能。所以我们对这一切甚至还没有一套语言去描述。
亚历克斯：所以训练一个蛋白质语言模型有意思的地方在于：它会发展出一些表示整个蛋白质生物学的特征，其中有表示未知蛋白质生物学的特征——你可以把它们想成我们还没有词、还没有名字的新概念。所以仅仅通过这些空间的结构，就有很多东西可学。
一百万个布莱恩·约翰逊，和他自己那块表
内森：好，我知道时间快到了，我再快速问两个。第一个，我别在这个「一百万个布莱恩·约翰逊」的问题上咬着不放。那会非常贵。但如果钱不是问题——对某些罕见的慈善家来说，为了治愈所有疾病，钱也许真的接近不是问题——那是一个有前途的范式吗？让一群人定期做微活检、戴满各种传感器、做所有能做的事、追踪每一个能追踪的维度，真的会有帮助吗？那是你想象中最终能推动指针的数据形态，只是太难拿到吗？还是说，出于更科学的原因，其实有一条更直接的路，比如把细胞规模化？
亚历克斯：我想我还是从「根本机制」这个框架来看它。我并不怀疑那些数据会极其有价值，我只是觉得它更可能会自然发生。我认为随着时间推移，那件事会发生。
亚历克斯：那里有一些很有意思、真能推动指针的东西：开发出可以随时间连续监测的技术；让这些技术能测量更多参数、更多分子层面的参数，这样你就能把那种自下而上的视角和自上而下的视角连起来。
亚历克斯：所以那类工作非常有价值，而且随着时间很可能会有某种收敛。我们只是想，作为一个机构，我们能在哪里真正推动指针——我们确实把自己放在技术那一层。
内森：有意思。也许它没有我从外面看上去那么被忽视。好，最后一个：个人健康建议。你在做什么，来为你自己积累那套数据，以便将来能用上这些技术？对于那些想确保自己处在好位置、能用上 Biohub 和其他人将发现的东西的人，你觉得有什么是重要的、今天就该做的？
亚历克斯：我不是适合给这类建议的人。我现在太专注于研究了，几乎不怎么想这件事。
内森：所以你不追踪任何东西？你不
亚历克斯：不。
内森：不。
亚历克斯：没有定期的
内森：血液检查？
亚历克斯：我有一块看睡眠的表。差不多就到这儿了。
内森：好。那等我们爬这座巨大的山、搞清楚这一切怎么运作、怎么治愈所有疾病，我们再来问你，看看有没有变化。这次聊得非常好，我很感谢这个机会。亚历克斯·里夫斯，谢谢你成为《认知革命》的一部分。
亚历克斯：谢谢，内森。这次真的很有趣。
片尾
片尾：如果你觉得这个节目有价值，我们希望你能花一点时间分享给朋友、发在网上、在 Apple Podcasts 或 Spotify 写一条评论，或者就在 YouTube 上留个言。当然，我们一直欢迎你的反馈、嘉宾和选题建议，以及赞助洽谈，可以通过我们的网站 cognitiverevolution.ai，或者在你常用的社交网络上私信我。
片尾：《认知革命》是 Turpentine Network 的一部分，这是一个播客网络，现在也属于 a16z，专家们在这里谈技术、商业、经济、地缘政治、文化等等。本节目由 AI Podcasting 制作。如果你需要播客制作方面的帮助——从你停止录音的那一刻，到你的听众开始收听的那一刻——可以去找他们，在 aipodcast.ing 看我的推荐。也谢谢每一位听众，谢谢你们成为这场认知革命的一部分。
References
- 1Biohub 人物页：Alex Rives
biohub.org
- 2Biohub：激光相位板显微镜突破
biohub.org
- 3Biohub：18 亿美元开放数据计划
biohub.org
- 4Biohub：虚拟生物学计划启动
biohub.org
Comments