正在加载视频...
视频章节
如果你以为 Mark Zuckerberg 只关心社交网络和 AI 算力,那你低估了他。这期播客里,他、Priscilla Chan 和前 Meta AI 研究负责人 Alex Rives 反复强调一件反直觉的事:真正能改变医学和人类健康的,不是下一个生物科技独角兽,而是一整套“任何人都能用”的开源生物学工具。
扎克伯格谈Biohub:为什么生物学的未来必须是开源工具,而不是独角兽公司
如果你以为 Mark Zuckerberg 只关心社交网络和 AI 算力,那你低估了他。这期播客里,他、Priscilla Chan 和前 Meta AI 研究负责人 Alex Rives 反复强调一件反直觉的事:真正能改变医学和人类健康的,不是下一个生物科技独角兽,而是一整套“任何人都能用”的开源生物学工具。
最反直觉的一点:他们不是在“做药”,而是在“造工具”
在这期 No Priors 里,最炸的一句话并不是关于 AI,而是关于“为什么不直接做药”。Biohub 团队的核心逻辑是:如果你直接冲向药物开发,你的影响力天然是线性的;但如果你能把“造药所需的基础能力”开放给整个科学界,影响力是指数级的。
他们反复强调一个关键词:tools。不是论文数量,不是公司估值,而是“能不能让更多科学家做以前做不了的实验”。从他们的视角看,真正的瓶颈不在于科学家不聪明,而在于工具太难共享、太难复用。正因为如此,Biohub 一开始就选择了一个听起来不性感、但极其关键的方向:长期、耐心、几乎不追求短期回报的工具建设。
这也是为什么他们会说出那句听起来像科幻的判断:“如果我们能设计蛋白质,真正改变生理结构,那我们就不是在‘治疗’,而是在‘治愈’。”前提是,这种能力不能只掌握在少数公司手里。
Biohub 从一开始就选了“慢而难”的路
Biohub 的原始模型,其实和今天大多数生物科技基金完全不同。他们没有追逐风口,而是刻意选择长期工具开发——那些五年、十年后才会显现价值的东西。
第一个标志性例子,就是单细胞测序(single-cell sequencing)。当年这个方向还远没成为今天的“标配”,但 Biohub 的判断是:一旦你能在单细胞尺度上理解生物系统,整个生物学的分辨率都会被抬高一个量级。
有意思的是,他们在过程中听到最多的反馈不是“这个方向不重要”,而是“这个东西太难做、太难共享了”。而这恰恰强化了他们的信念:真正值得做的基础设施,往往一开始都不适合商业公司去承担。
这也解释了为什么 Biohub 的存在方式更像一个公共产品,而不是一家创业公司。它的使命不是赢,而是让整个生态跑得更快。
从 Meta AI 到生物模型:Alex Rives 看到的本质差异
Alex Rives 的视角非常独特:他既在 Meta AI 这样的大型 AI 组织工作过,又深度参与了生物学模型的构建。在节目中,他点出了一个经常被 AI 圈忽略的事实——生物系统不是“换个数据集”的问题。
在语言模型或视觉模型中,很多进展来自规模化;但在生物学里,模型必须回答的是“新的实验问题”。这意味着,你不能只追求指标上的提升,而是要理解模型内部到底学到了什么生物结构。
他提到,让他最兴奋的不是模型变大,而是模型开始在原子级别(atomic resolution)上,捕捉到蛋白质结合界面的真实结构。这种能力,才真正连接了 AI 与实验生物学,而不是停留在预测层面。
这是一个重要信号:未来的生物 AI 竞争,不只是算力和参数,而是谁能把模型和现实世界的实验闭环打通。
开源 vs 风投:他们为什么没有站在“反商业”的一边
一个容易被误解的点是:他们并不反对风投公司,甚至明确表示,风险投资支持的公司在“把东西做成产品”这件事上不可替代。
真正的分工在于阶段。Biohub 更像是在回答一个问题:哪些知识、哪些能力,如果被私有化,会拖慢整个领域?而哪些部分,适合交给市场去放大?
在他们看来,理解人体如何运作的底层知识,越开放,整个社会进步得越快;而基于这些知识做出来的具体产品,则完全可以商业化。这种“底层开源、上层竞争”的结构,和软件世界其实高度相似。
这也是为什么这场对话,对 AI 从业者尤其重要——它在提醒我们:不是所有突破,都该第一时间变成护城河。
真正的野心:加速所有人,而不是取代所有人
当被问到未来的预测时,他们给出的答案并不宏大,却非常清晰:Biohub 要做的,是加速“其他所有人”。
无论是让研究者更快看到分子层面的相互作用,还是让实验结果更容易被模型理解,本质都是在缩短从想法到验证的距离。如果这个距离足够短,创新自然会涌现。
这是一种非常不同的成功定义方式:不是“我们做成了什么”,而是“因为我们,别人能做成什么”。在当下这个充满赢家通吃逻辑的科技环境里,这种选择本身就极具争议,也极具启发性。
总结
如果你是 AI 或科技从业者,这期对话至少给你三个启发:第一,真正长期的影响力,往往来自工具而不是产品;第二,生物 AI 的下一个门槛,是理解而不是预测;第三,开源和商业不是对立,而是不同阶段的分工。一个值得思考的问题是:在你所在的领域,有没有哪些“本该是公共基础设施”的能力,被过早地锁进了公司里?
关键词: Biohub, 开源生物学, Mark Zuckerberg, 生物AI, 科学工具
事实核查备注: 需要核查:Biohub 的正式使命描述;单细胞测序作为其首批重点方向的时间点;Alex Rives 在 Meta AI 的具体角色称谓;节目中关于 atomic resolution 的原话表述。