Mark Zuckerberg 与 Priscilla Chan：AI 将如何治愈所有疾病

摘要

• Biohub 的核心判断是，共享科学工具——而不是再发一轮小额资助——才是加速治愈疾病的最高杠杆。 Mark Zuckerberg 表示，重大突破通常伴随着观察现象的新方法，但成像系统、虚拟细胞模型等工具，可能需要在10–15年内投入1亿美元至10亿美元。「我们不会治愈所有疾病」；Biohub 的策略是帮助科学界做到这一点。

• 只有当前沿模型与前沿生物学形成闭环数据飞轮，AI 才会真正改变时间表。 Biohub 计划围绕模型的盲区设计实验和仪器，生成专门数据，重新训练模型，再重复这一过程。这也弥合了两种截然不同的文化判断：生物学家认为治愈疾病「雄心大得近乎疯狂」，而 AI 研究者认为这「有点无聊——这件事本来就会自动发生」。

• CELLxGENE 说明，开放基础设施可以形成超越最初出资方的网络效应。 它最初是为了解决细胞注释瓶颈，后来统一了单细胞实验室之间的格式和元数据；CZI 只为这一共享资源提供了25%的资金，整个社区贡献了75%。Vineeta Agarwala 的概括是：「为注释而来，因虚拟细胞模型留下」（Come for the annotation, stay for the virtual cell model）。

• 在昂贵的湿实验开始之前，虚拟细胞可能先扩大生物科技可承受的风险预算。 Vineeta Agarwala 认为，即便只能给出方向性预测，研究人员也可以先在计算机中检验更大胆的假设，不必拿数年的工作、论文或终身教职冒险。Zuckerberg 将这一模型比作「新的果蝇」，并表示不需要完美模拟；方向性信号同样可能有用。目标是建立与人类相关的模型，同时接受这一准则：「所有模型都是错的，但有些模型有用」。

• 这里所说的精准医疗，是把常见疾病视为一组分别罕见的生物学问题。 Chan 的表述非常明确：「大多数疾病都应该被视为罕见病」，因为今天对高血压和抑郁症的治疗仍高度依赖试错。若能把突变与下游细胞、蛋白表达、药物靶点以及预测的脱靶效应连接起来，就有望实现更精准的诊断和治疗。

• CZI 正将慈善事业集中到一个统一运营的 Biohub，以整合 AI、数据生成和生物学研究。 EvolutionaryScale 的研究人员此前在 Meta 从事蛋白质折叠模型研究，如今将加入 Biohub；其负责人也将负责更广泛的科学项目。Chan 表示：「Biohub 确实将成为我们慈善事业的主线」，教育和本地社区工作仍会继续。他们并未将集中化描述为所有科学研究的模式；去中心化工作和外部实验室依然重要。

• 下一轮实验室扩张将发生在计算领域：Biohub 计划从大约1,000张 GPU 增加到10,000张左右。 外部科学家可以申请使用这部分算力，研究那些单个实验室仅有几十张 GPU、无法处理的问题。正如 Zuckerberg 所说：「GPU 在某种程度上是零和的，数据不是。」

精读

上游暂未提供，后续同步将继续补齐。