# 先造眼睛，再谈模拟：Alex Rives和Biohub的18亿美元数据豪赌

> Cognitive Revolution No. 388 中文精读

- 原标题：A World Model of Life: Biohub's Alex Rives on Virtual Cells, Measurement, & the $1.8B Data Push
- 发布日期：2026-10-20
- 主持：Nathan Labenz
- 网页版：https://cogrev.qiaomu.ai/ep/388-a-world-model-of-life-biohub-s-alex-rives-on-virtual-cells-m-cb8097.html
- 精读字数：约 4476 字（阅读约 10 分钟）

> 本文为 cogrev.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

18亿美元，主要用途听起来有点朴素：造数据。

2026年10月，陈-扎克伯格倡议（CZI）支持的登月机构 Biohub 宣布，把虚拟生物学计划（Virtual Biology Initiative）扩容到18亿美元。合作方名单拉出来很吓人：美国能源部、NIH、谷歌 DeepMind、Isomorphic Labs、Meta，一起协调生成数据。这家机构的官方使命只有一句话：治愈或预防所有疾病。

上节目的，是 Biohub 科学负责人 Alex Rives。这个名字在 AI 圈分量不轻：ESM 系列蛋白质语言模型出自他的团队，他也是 Evolutionary Scale 的联合创始人、前首席科学家。从蛋白质模型转向整个细胞，他要回答一个尖锐的问题：虚拟细胞喊了这么多年，为什么医学还是老样子？

他的答案很直接：**瓶颈卡在测量上。细胞里大量关键的东西，人类至今看不见、测不到。模型想学因果结构，可数据里根本没有这个信号。**

## 治愈所有疾病，翻译成大白话

主持人 Nathan Labenz 开场就问了个大问题：治愈所有疾病，等不等于永生？该期待自己活到多少岁？

Alex 自称实用主义者，没接永生这个词。

> 「我们想住进的世界，是没有癌症、没有传染病、没有慢性病和退行性疾病的世界。」

把这些折磨人类几千年的东西从人类处境里拿掉，这就是他给「治愈所有疾病」下的可操作定义。

Nathan 把这个宏大挑战拆成两半：一半是搞清楚身体里的因果结构，知道什么导致什么，干预靶点在哪；另一半是找到靶点之后，设计出真正起效的干预手段。

Alex 说，这就是药物开发的经典框架，先在分子层面找病因，因为那是现有技术能下手的地方，再做干预设计。两条腿都还有大量进步空间，AI 能给每个环节提速。

但他真正想推开的是另一扇门：把生命当程序读。基因组编码着运行生命的程序，细胞是一台信息处理机器。疾病也是这套程序的一部分，而且往往以很有规律的方式展开。

**他的目标词叫「可编程的生物学」：读出生命的程序，改写生命的程序，把治疗范式从「药片和分子」往前推一大步。**

## 虚拟细胞为什么还不灵

Nathan 抛出自己觉得最有说服力的假设：今天的虚拟细胞模型效果平平，根源是数据质量不行，信号不在数据里，模型想学也没得学。

Alex 基本认账，还把问题拆成三层。

先说背景，细胞是难以置信的复杂系统。原子层面的分子相互作用决定细胞尺度的事件，细胞又嵌在组织、生理、有机体里，执行感知环境、互相通信这些极其复杂的动态程序。

第一层，建模范式。Transformer 在语言里无往不利，可它缺少多尺度结构，装不下从原子相互作用、到细胞行为、再到组织层面的层级复杂度。

第二层，数据。能揭示细胞信息架构的数据，目前没法规模化生成。

第三层最根本：观测和测量。细胞里太多东西测不到，有时干脆完全看不见。

他给了一个冷静的判断框架：数据无限、算力无限时，所有模型架构都收敛成同一种东西，函数逼近器。可细胞生物学离那个极限非常远。唯一的例外是蛋白质，基因测序已经规模化，蛋白质生物学反而逼近数据充足的境界。

**离数据极限越远，归纳偏置就越值钱。AlphaFold 式的模型能成，靠的就是对物理规律的精妙运用，让稀缺数据发挥最大价值。**

对今天这些号称「虚拟细胞」的模型，他的评价不客气：

> 「我认为它们还达不到那个标准，也就是真正有意义地模拟细胞，给实验生物学充当神谕。」

模型、规模化数据、测量工具，三件事都要进步，缺一不可。

## 18亿美元，先给生物学造眼睛

钱怎么花？大头是数据。Biohub 想建的是空间生物学数据集：把分子层面的测量和成像连起来，看细胞在组织里、在周围细胞中间的真实状态，规模做到数千亿个细胞，健康和疾病状态都覆盖。目标是拿出第一批数据集，开始训练有上下文的信息论细胞模型。他们还向全球科学界和其他资助者发出邀请，核心团队正在制定长期路线图。

Nathan 拿自动驾驶打了个比方：贵的激光雷达和便宜的摄像头之争，数据更丰富和数据更多怎么平衡。Alex 没有正面站队，他讲起了激光相位板的故事。

这是 Biohub 今年早些时候发布的技术，一个磨了几十年的项目。构想来自伯克利的霍尔格·穆勒（Holger Müller），Biohub 投入多年把它做成。原理不复杂：用世界上最强的驻波激光，让一束光与电子显微镜的电子束干涉，改变电子的相位，给电子显微镜加上相位衬度。主要应用是冷冻电子断层扫描：把细胞切层，直接看到蛋白质和其他大分子在细胞内的原位状态，它们长什么样、和谁在互动。

衬度为什么关键？因为这类观测噪声极大，没有相位衬度，单个分子根本从噪声里认不出来。Alex 说，这会打开对活细胞动态结构生物学的全新理解。

这背后是 Biohub 的一条核心信念：**科学史上很多范式转变，源头都是新的测量技术。测量能力上去了，模型才能富起来。**

他们列了四个要打开的维度：

- 每个细胞能测量的参数数量；
- 视野大小和同时观测的细胞数量；
- 时间维度，看细胞随时间怎么变化；
- 分子维度，看到细胞内部最底层发生了什么。

还有个漂亮的例子是斑马鱼。斑马鱼身体透明，Biohub 的显微镜能追踪一个发育中的胚胎，从单个细胞一路看到完整个体，每个细胞都看得见。他们还能给特定细胞类型打标签，比如全部免疫细胞，然后在一条活的鱼里，看免疫细胞怎么移动、怎么和周围组织互动。

跨尺度是绕不开的难题。基因里的单点突变就能致病，分子层面的复杂度会影响宏观事件，模型必须把这条鸿沟接起来。Alex 说得很实在：近未来做不到把整个系统一路测到分子层面，能看清的是「中观尺度」，也就是组织里的细胞生物学。但细胞从来不能孤立理解，生命系统由细胞之间的相互作用创造，完整的细胞模型必须包含细胞在活体环境里的输入输出关系。培养皿里的细胞是糟糕的替身，却保留着核心机器和核心程序，依然能学出很多东西。

## 模型长什么样，五年能不能成

Alex 给出的近期目标，叫细胞的信息论模型。核心是一个转移函数：给定细胞或组织的状态，加一组输入，预测下一时刻细胞状态的分布。注意，是分布。细胞会走向一个可能性的集合，没有决定论式的唯一答案。

这个东西再往前走，就是他说的「生命的世界模型」（a world model of life）。

时间表他也给了：**五年左右，AI 有望得到细胞的信息论模型。健康与疾病细胞图谱的初稿，一两年内就该出现；集中力量干五年，能做出相当全面的地图。**

有了这张图，就能精确识别和疾病相关的细胞状态，然后问那个终极问题：怎么把一个病态状态推回健康状态？换个说法，怎么治病。

Nathan 追问时间尺度：扰动一个细胞，一小时后看结果容易，可真正关心的是怎么活到120岁，中间隔着几十年的跨度。Alex 的回答是，这仍然是大工程的一部分，但属于现有技术够得着的规模化问题，靠的就是这些图谱。

训练范式上，他觉得语言模型的配方可以平移：先预训练，用自监督学习从海量数据里学表征，再引导出解决具体问题的能力。他提到，这正是辛顿、杨立昆、本吉奥那代深度学习先驱的梦想：不必预先知道所有相关变量，神经网络自己能学出来。现在，蛋白质领域已经验证了这条路，细胞生物学大概率会重演。

他甚至提出要做生物学的 RLVR，也就是可验证奖励的强化学习，区别在于验证环节要搬进实验室。终点是「经验AI」的闭环：AI 提出问题，做实验，从结果里学习，改进理解，再提出更好的实验，循环往复。数学和代码领域 RLVR 进展神速，因为验证在计算机里瞬间完成。生物学的验证要动湿实验室，这是最大的不同，也是最难建的部分。

## 模式生物、健康档案，和一百万个布莱恩·约翰逊

模式生物的老问题绕不开。Nathan 引用那句老笑话：看到生物学突破的头条，先在脑内补两个字，小鼠。Alex 承认模式生物立过大功，连酵母实验都揭示过人类疾病的关键机制，但它们是糟糕的替身，而且错法有两种：一种是以为治好了小鼠的癌症就治好了人的；另一种是小鼠身上没有对应机制，人类真正相关的通路被整个错过。类器官是这条线上最新的努力，能在培养体系里重现更多组织复杂度。

他的解法来自蛋白质模型的旧经验：**ESM 和 AlphaFold 都不是只靠人类蛋白质训练出来的。只用人类数据，根本得不到准确的预测模型，必须用整个演化史。生命的核心分子机器高度保守，脊椎动物里转录因子、增强子、启动子那套语言都还在，变的是程序的重新布线。积木相同，搭法不同。**所以与其追求完美的小鼠替身，不如建一个能吃下所有物种信息、为人做预测的模型。

电子健康档案（EHR）值不值得买？Nathan 问，要不要去找 EHR 公司谈合作，把一个人的健康轨迹和细胞状态连起来。Alex 的回答很诚实：他没怎么想过这个问题。他的担心是，没有底层生物学做地基，从健康档案里学到的多半是一堆相关性，连不回真正的因果。健康档案当然有用，比如把已有的药送到真正能获益的人手里，但到不了他想要的根本性突破。

语言和生物学的潜空间要不要融合？Nathan 拿图文模型类比：图像和文本共同训练出一个潜空间，才有了多模态模型今天的魔法，靠工具调用永远差一口气。Alex 说实话：不确定。语言是推理的基底，几个世纪的生物学实证知识都存在语言里，推理系统能调用这部分。问题是，**人最想知道的那些生物学事实，文本里没有，第一性原理也推不出来，只能靠做实验获得。**融合两个潜空间需要大量桥接数据，现在几乎没有。将来也许能成，他对终局形态不持强立场。

他补了一个迷人的观察：地球上已测序的蛋白质有数十亿种，绝大多数功能未知，人类甚至还没有语言去描述它们。蛋白质语言模型学出的特征里，有一批代表未知的蛋白质生物学，那些是没有名字的新概念。模型可能比人类先「看见」它们。

至于 Nathan 提议的「一百万个布莱恩·约翰逊」，找一百万个愿意定期做微活检、全身贴满传感器的人，把所有数据连起来。Alex 说这种数据价值巨大，等连续监测技术能测的分子参数多起来，自上而下和自下而上的视图迟早会接上。但 Biohub 把自己定位在技术层，这件事不归他们先干。Nathan 感叹，这件事被忽视的程度比自己想象的低。

## 明天就能用的三件事

节目最后，Nathan 问 Alex 平时怎么给自己积累健康数据，为将来的技术做准备。

他答得很干脆：基本不想。全部注意力都在研究上，身上唯一的健康设备，是一块记录睡眠的手表。

Nathan 后来想通了：如果 Biohub 真能建成训练高泛化生物基础模型所需的数据层，对个人而言，可能真的只需要一点点及时、相关的健康上下文，模型就能给出有用的答案。

这期节目对普通人的价值，可以压缩成三条：

- **评估任何「AI+科学」的项目，先问三个问题：关键变量测得到吗？数据的规模和质量够吗？模型有没有匹配的归纳偏置？三个都答不上来，架构再花哨也是空中楼阁。**
- 盯住未来一两年的两个信号：健康与疾病细胞图谱的初稿，以及冷冻电子断层扫描、空间生物学新数据集的发布。这些是新模态数据到位的标志，比任何模型发布会都值得跟踪。
- 开始积累自己的纵向健康基线：体检报告存档，可穿戴设备的数据别删。未来的生物模型要的是「你的上下文」，有多年基线的人，才接得住第一波红利。

先造眼睛，再造大脑。这个顺序，Alex Rives 用18亿美元投了票。