马克·扎克伯格 Mark Zuckerberg

• Biohub承诺投入5亿美元发展虚拟生物学，是一笔押注“耐心资本”的投资，核心判断是生物学的主要瓶颈在于专门构建的数据，而不只是更大的模型。 与互联网文本不同，生物学所需的大量数据并不存在：研究者必须发明新的成像、细胞工程和传感方法，先把这些数据生产出来。Zuckerberg认为，这需要“前沿生物学与前沿AI”，并以10至15年的时间跨度为支撑。

• Biohub有意将AI与湿实验室融为一体，沿着蛋白质、细胞到完整系统的层级搭建生物学模型。 每一层可能都需要性质完全不同的数据和建模方法，但蛋白质相互作用构成细胞的基础，细胞又有助于解释免疫、炎症等系统。这样的架构试图闭合实验循环：定向实验生成跨层数据，模型则支持预测和设计。

• 最新发布的ESMfold是本期最有力的验证：这一通用蛋白质模型预测了超过11亿种蛋白质的结构，并在没有接受抗体专项训练的情况下支持了设计能力。 团队从数十万条数字轨迹中筛选并合成96种蛋白质，装入96孔板后发现纳摩尔级结合分子。Rives说：“我们刚刚设计出了一个能够理解蛋白质的模型”；蛋白质设计正是这种理解自然涌现出的能力。

• 开源既是Biohub的分发策略，也是其核心非营利逻辑，而不是研究之外的附属选择。 Zuckerberg认为，让更多人更快获得这些模型所产生的影响，会超过模型商业化带来的收益；Chan则认为，中立基础设施能够吸引学术界、生物科技公司和罕见病群体，而这些对象往往会被商业优先级排除在外。唯一明确的前提是：开放生物学模型会带来生物安全问题，仍需在影响力与风险之间取得平衡。

• Biohub的临床终点是机制驱动的个体化医疗：把一个人的遗传信息连接到蛋白质、疾病过程和定制化干预方案。 Chan将其与今天基于队列的猜测式医疗作对比——患者只能问“我在这篇论文里有代表性吗？”——并表示，单细胞图谱最终可能帮助研究者在人类试验前预测肾毒性等脱靶效应。她的目标是“把每个人当作独立的个体来治疗”。

• 药物设计的成本可能大幅下降，但嘉宾并未假设分子研发提速就能自动解决临床开发问题。 主持人将现有流程概括为约15年、15亿美元，其中分子发现和临床前工作只有约5000万美元，开发阶段则要花费14.5亿美元。Chan认为更不清晰的是，临床研究、药物递送、监管和安全部署本身需要如何改变，才能缩短从实验台到患者之间的距离。

• Biohub在执行层面的押注是：一支由12名或20多名顶尖研究者组成的稳定团队，可以在不扩张到数百或数千人的情况下取得实质进展，前提是将前沿AI、前沿生物学、算力、实验和新数据生成能力结合起来。 5年后的成功标准，是产出“明显更好”的分层生物学世界模型，以及独特的知识贡献；Zuckerberg预计，此后下游创意会自然涌现。他更广泛的判断是，AI仍然“按计划推进”于一条加速曲线上，即便这条轨迹在心理上已经难以承受。

• 🔗 原始收听与视频来源： Biohub：生物学的未来是开源的——联合创始人 Mark Zuckerberg、Priscilla Chan 与科学负责人 Alex Rives

访谈摘要与收听要点：CZI正将Biohub作为慈善核心，投入长期仪器、协同研究机构和AI生物学团队，以弥补传统资助难以支持的项目。其战略资产是从1.25亿个细胞迈向10亿个细胞的数据飞轮，但湿实验验证与临床转化仍是N-of-one医疗的关键瓶颈。

• 🔗 原始收听与视频来源： AI驱动的Biohub：Mark Zuckerberg 与 Priscilla Chan为何投资数据——来自 Latent.Space
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Biohub将共享工具、开放生物数据和虚拟细胞模型视为加速治愈疾病的最高杠杆，CELLxGENE的社区贡献已超过CZI出资，并形成实验到模型的数据飞轮。下一催化剂是将共享算力从约1,000张GPU扩展至10,000张左右；关键不确定性在于方向性模拟能否转化为疗法，以及1亿至10亿美元、持续10–15年的基础设施投入能否扩大科学采用。

• 🔗 原始收听与视频来源： Mark Zuckerberg 与 Priscilla Chan：AI 将如何治愈所有疾病
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。

访谈摘要与收听要点：Zuckerberg预计未来12—18个月内，AI智能体将编写Meta人工智能业务所需的大部分代码，并能自主测试、发现问题和改进。但算力、审批、能源和测试容量仍是关键瓶颈；Llama 4的单位智能成本与多模态优势，仍面临中国数据中心建设速度更快的风险。

• 🔗 原始收听与视频来源： Mark Zuckerberg——18个月内，AI将编写Meta大部分代码
• 📝 核心文稿归档状态：已完成核心观点智能提炼，原声时长约 45~90 分钟，建议结合上方要点快速阅读。