先说结论

这期 Cognitive Revolution（主持人 Nathan Labenz，节目现属 Turpentine 网络、已被 a16z 收购）请来 Biohub 科学负责人 Alex Rives——ESM 系列蛋白语言模型的缔造者、EvolutionaryScale 前联合创始人兼首席科学家（转写全程作 “Alex Reeves”，据 EvolutionaryScale 公开资料校正；转写另有一处把 Biohub 误听成 “Biohaven”）。节目上线于 2026 年 10 月 20 日，录制前两天 Biohub 刚宣布 18 亿美元虚拟生物学（Virtual Biology）计划的旗舰扩容。整场对话的核心判断可以压缩成一句话：虚拟细胞模型至今没能变革医学，不是因为 transformer 不行，而是因为我们能测到的东西太少——测量技术的上限决定了数据质量的上限，进而决定了模型能学到的因果结构的精细度。 所以这 18 亿美元主要买的是仪器和图谱，不是算力。对行业观察者，这期节目传递的真正信号是：生物 AI 的竞争焦点正在从"谁会训模型"移向"谁能造出别人没有的数据"。

「治愈所有疾病」的现实版：不是永生，是可编程医学

Biohub 是 Chan Zuckerberg Initiative 支持的登月式研究机构，使命是治愈或预防所有疾病。Labenz 开场就问这个愿景有多大——是不是等于"解决生物学"、要不要把衰老和永生算进去。Rives 自称务实的人，拒绝永生叙事：他设定的目标是"生活在一个没有疾病的世界"——没有癌症、没有传染病、没有慢性病和退行性疾病的世界。达到它的路径也不止于理解，而在于超越今天"药丸+分子"的治疗范式，走向可编程的药物——用他的话说，终极目标是"读和写生命的程序"。

Labenz 把这个大挑战拆成两半：理解体内的因果结构（知道什么导致问题，干预靶点在哪），以及针对靶点设计出有效干预。Rives 认为这正是经典药物研发的框架：从生理与疾病出发，在分子层面找病因（因为那是现有技术能干预的层级），再设计干预手段；AI 会让这个范式内每一环都提速。但他真正押注的是另一层视角——信息论视角：把细胞看作信息处理机器，基因组编码着运行生命的程序，而疾病往往以非常规律的方式展开，本身就是程序的一部分。理解了程序，才有根本性的新工具。

虚拟细胞为什么还不灵：瓶颈在测量，不在架构

主持人提出了外界最流行的解释：虚拟细胞模型效果不佳，是因为现有数据质量不够、可能根本不含模型需要学习的信号。Rives 认同，并把问题拆成必须同时进步的三块：其一，建模范式——transformer 在其他领域成功了，但它缺少能表征细胞那种"从原子到组织"多尺度复杂性的结构；其二，规模化数据生成——今天生成数据既贵又慢；其三，也是最根本的，观测与测量——细胞里太多东西我们根本测不到，有些甚至看不见。他强调，科学史上的范式转移反复来自新的测量技术：“今天被称为虚拟细胞的模型，我认为并不满足’有意义地模拟细胞、充当实验生物学 oracle’的定义。”

那是不是数据够了、今天的架构就能行？Rives 给了一个微妙的回答：在无限数据和算力的极限下，所有架构都会趋同——都只是函数逼近器，架构差异会消失。蛋白质生物学就是接近这个极限的例外，因为基因测序可以规模化。但细胞生物学离极限很远，而离极限越远，归纳偏置越重要——AlphaFold 系模型对物理的精妙运用就是范例。据此他给出分层时间表：现在可望的是细胞的"信息论模型"——学一个转移函数，输入细胞状态和扰动，输出下一时刻细胞状态的分布（强调是概率分布而非确定性结果），这个层级"未来五年内"AI 可以达到；至于能推演发育、组织相互作用、分子级细节的完整"生命世界模型"，还很远。

18 亿美元买什么：激光相位板、千亿细胞图谱与斑马鱼

4 月，Biohub 宣布 Virtual Biology Initiative，联合一批顶级科学机构，目标是为"虚拟生物学"整体建造数据集。节目录制前两天，旗舰合作官宣：美国能源部（DOE）、NIH、Google（DeepMind）、Isomorphic 与 Meta 联手协调数据生成，并向全球科学界和其他资助方开放邀约。Rives 说首批明确产出是"语境化细胞生物学图谱"的大扩张：空间生物学（在组织和邻近细胞的语境中看细胞）、分子级测量与成像的联动，规模做到数千亿级细胞，同时覆盖健康与疾病状态——这正是训练语境化信息论细胞模型的第一批语料。

具体的钱花在哪，节目给了两个仪器案例。一是激光相位板（laser phase plate）：Berkeley 的 Holger Mueller 数十年前构想、Biohub 投资多年、今年早些时候宣布。它本质上是给电子显微镜加上相位对比——用一束"世界最强的驻波激光"与电子束干涉移相；主应用是冷冻电子断层成像（cryo-ET）：把细胞切片后用电镜直接看蛋白质等大分子在活体语境中的位置与相互作用。Rives 说原始观测"噪声大到难以置信"，衬度是从噪声里认出单个分子的关键，这项技术将打开"活细胞动态结构生物学"这扇门。二是斑马鱼全器官成像：斑马鱼透明，可以逐细胞追踪一个胚胎从单细胞发育到完整个体的全过程，还能标记特定细胞类型（比如全部免疫细胞），在活鱼里观察它们的迁移与相互作用。Biohub 的成像所在每个复杂度层级造仪器：原子分辨（相位板）、培养皿里的大视场细胞群体扰动测量、整体动物成像。

面对 Labenz 借自动驾驶"贵传感器 vs 廉价摄像头"的追问，Rives 的答案不是二选一，而是四个方向的组合：提高每个细胞可测的参数数量、扩大视野与同时观测的细胞数、打开时间维度（追踪细胞随时间的变化）、打开分子维度。

生物学的「预训练→RLVR」路线，与跨物种红利

语言模型的配方（海量原始数据预训练→末端激发出可用能力）会不会平移到生物学？Rives 认为原理会共享：自监督表征学习是关键——这正是 Hinton、LeCun、Bengio 那一代人的梦想，不必预先知道所有相关变量，网络自己学；scaling laws 是这个思想的最新表达。蛋白质领域已经验证，细胞学会跟上：先从统计模式学到系统底层表征，再按任务激发。

但 RLVR（可验证奖励的强化学习）在生物学有一个结构性差异：数学、编码、推理的验证是计算性的、秒级完成，所以进步飞快；生物学的验证是经验性的，必须回到实验室。Rives 的愿景是"经验式 AI（empirical AI）"：AI 提出问题、执行实验、从实验学习、提出更好的实验，循环往复实现递归改进——前提是先建好实验室验证闭环这套基础设施。

模式生物的讨论是全期最有迁移价值的一段。Labenz 抛出老笑话——读到激动人心的医学头条应默认在后缀"在小鼠身上"——并问为什么共享 DNA 那么多，小鼠疗法却总是翻译不到人。Rives 指出两个失败方向：一是"治愈"只在小鼠成立；二是小鼠里根本没有对应人类的机制，直接漏掉。最新的实验代理是类器官（organoids）。但 AI 给出了第三条路：ESM 和 AlphaFold 的成功不是靠只训人类蛋白，而是跨全部演化训练——跨演化的信息不仅有用，而且必需（只训人类蛋白得不到准确的预测模型）。核心分子机制在生命间高度保守：脊椎动物的转录因子、增强子与启动子的"语言"被保留，程序被彻底重接线，但构件相同。所以正确策略是造一个能整合全部生命形态数据的预测模型，而不是追求完美的实验代理——后者"根本不可能"。

时间表方面：健康与疾病语境的细胞图谱"一到两年内"可出初稿；在聚焦协同的努力下五年内能有相当全面的图谱，其价值不仅喂 AI，对经典分析（他预期未来大量分析将由 agent 完成）同样巨大；而"如何干预、把病理状态推回健康状态"这个问题，五年内开始能够着手。

EHR 被冷落与「百万 Brian Johnson」没被否定

当 Labenz 问健康档案（EHR）会不会是重要拼图、监管允不允许把人的健康轨迹与细胞状态关联起来时，Rives 坦率地说自己"想得不多"，随后解释了为什么：没有正确的因果基底，学到的只是一堆相关性——我们会得到大量患者病史模型，却无法连回底层生物学的深层因果因素。 EHR 路线当然有价值：把已有的药和机制送到对的人手上、发现既有药物的机制复用，都能改善医疗，“但到不了 step change”。Biohub 因此专注基础层。

Labenz 一再追问的"百万 Brian Johnson"方案（百万人定期微活检、全身传感器、全维度追踪、数据互联）也没被否定：Rives 认为这类数据"极其有价值"，随着连续监测技术能测越来越多分子级参数，这种自下而上与自上而下的视角"随时间大概率会汇合"，只是 Biohub 自我定位在技术层。有趣的反差在结尾：被问如何管理自己的健康，Rives 说研究忙到几乎不想这事，全部装备是一块记录睡眠的手表。Labenz 替他圆场：如果 Biohub 真建成了可泛化生物基座模型所需的数据层，届时"一点及时相关的个人健康语境可能就够用了"。

机制链条与启发

链条一：测量→数据→模型。 信号是 18 亿美元砸向仪器与图谱；直接受益者是掌握独占测量数据的联盟（Biohub、DOE、NIH 与三大 AI 机构），他们定义下一代生物基座模型的训练语料；二阶影响是生物 AI 竞争从架构创新转向数据基建与联盟准入；观察指标是 cryo-ET/空间生物学数据集的开放程度与图谱初稿是否如期在 1–2 年内出现。启发：在数据不可得的领域，先问测量瓶颈在哪，再谈模型优劣。

链条二：跨物种泛化。 ESM/AlphaFold 证明跨演化数据是必需品而非补充，意味着数据多样性比代理保真度更值钱；类器官与模式生物的价值将被重估为"数据源"而非"验证终点"。这对任何"小数据领域迁移大模型"的工作都是直接可抄的思路。

链条三：验证基础设施决定 RL 速度。 数学与编码的 RLVR 之所以快，是验证免费；生物学的经验性验证是瓶颈，自动实验闭环（经验式 AI）是生物 RL 的胜负手。观察指标是"AI 提问—机器做实验—模型更新"闭环的公开案例何时出现、出现在谁家。

链条四：文本之外的生物学。 节目幸存段落里 Rives 强调：我们最想知道的生物学事实不在文本里、无法从第一性原理推出，只能靠实验获得——所以纯 LLM 路线在生物学有天花板，专门的生物预测模型不可替代；蛋白语言模型学出的特征里有大量"人类尚无命名的概念"（数十亿已测序蛋白中绝大多数功能未知）。语言与生物两套潜空间最终可能深度融合，但当下缺的是把两者缝在一起的桥接数据，短期更可能是工具调用式的松耦合。

覆盖与可靠性说明：本篇依据节目自述与嘉宾观点整理，未对 18 亿美元计划细节、激光相位板性能等做独立核实；转写在 3120–3240 秒段几乎整段缺失（仅存单词 “language”），该段包含语言/生物潜空间融合问答的完整提问与回答开头，上文相关内容据前后段与节目自述简介重建，细节或有出入。嘉宾给出的所有时间表（图谱初稿 1–2 年、信息论模型 5 年、干预问题 5 年内着手）均为 Rives 个人判断，节目未附验证数据。