科技巨头在公共科研领域的罕见结盟,从来不是因为握手言和,而是共同撞上了单打独斗无法突破的物理壁垒。Google DeepMind、Isomorphic Labs与Meta共同宣布,向陈-扎克伯格生物中心(CZ Biohub)的虚拟生物学倡议提供3亿美元联合资助。

这笔商业出资嵌入在一项标称18亿美元的庞大科研版图中。大模型在生物学领域的竞争重心,已经从单点算法的比拼,全面转向高通量实验数据生产的基建合围。

拼盘账本与一年的商业特权

官方公布的18亿美元,拆开看是一份跨部门、跨周期的资源拼盘。

Biohub自身承诺5年投入5亿美元,其中4亿美元专款用于内部成像、测序与工程平台,1亿美元用于外部合作开发。美国能源部承诺五年内投入超过5亿美元的自主实验室与超算设施。美国国家卫生研究院调动的逾5亿美元,实质上是把既有联邦科研投资沉淀的历史样本与数据库进行标准化清洗,并非新增财政拨款。

真正掏出真金白银增量现金的,只有Meta、Google DeepMind和Isomorphic Labs联合开出的3亿美元支票。

18亿美元虚拟细胞倡议资金与资源构成 $3亿 科技商业联合出资 DeepMind/Meta等联合出资 $5亿+ 美国能源部 (DOE) 五年实验测量与超算资源 $5亿+ 国家卫生研究院 (NIH) 联邦资助历史样本与数据库 $5亿 CZ Biohub自身投入 4亿内部软硬件+1亿外部合作

商业巨头把钱投给对手创立的非营利组织,买下的绝非慈善名誉。Biohub首席科学家Alex Rives明确证实,出资方对这批前沿实验生成的结构化多组学数据,享有为期一年的商业独占访问期。期满之后,数据才会向全球学界开源。

通用大模型在公开互联网文本上的扩展规律已经见顶,而在活体细胞尺度,标准化的湿实验扰动数据极度匮乏。以周为单位迭代的技术军备竞赛里,整整一年的数据时间差,足够工程团队跑完数轮先导化合物筛选。

公共科研的外壳下面,是一张极为精明的商业契约:国家机构出存量资产,科研院所出实验场地,巨头出少量增量现金换取排他性抢跑权。

硅谷切入生命科学的三种路线

自建一套重资产湿实验室的成本过于高昂,各家选择的技术路径开始剧烈分化。

路线代表阵营核心策略现实短板
全栈自研DeepMind / Isomorphic Labs依托AlphaFold与IsoDDE构建端到端数字制药流程临床后期验证周期极长,未有上市新药
实验自动化Anthropic用Claude调度实验室机械臂,湾区自建湿实验闭环湿实验硬件吞吐受限,原创酶筛选仍存学术争议
底层基建平台Biohub / OpenAI组织公私资本构建多模态开源数据集与评测基准不直接下场做药,严重依赖下游转化效率

DeepMind和Isomorphic Labs选择自上而下的垂直闭环,试图复制IT工业的架构垄断。Anthropic则试图让大模型直接接管移液枪与反应皿,把闭环锁在实验室自动化硬件里。

扎克伯格的Biohub与投入1.25亿美元的OpenAI基金会走向了第三条路。他们把自己定位为数据军火商,通过十亿细胞计划(Billion Cells Project)与cz-benchmarks确立细胞表征标准,吸引不想自建重资产实验室的同行结盟。

这与十九世纪加州淘金热时的商业逻辑并无二致。比起亲自下矿淘金,组织水源、修筑铁路、垄断勘探测绘图纸的人,往往能在更低风险下分走第一杯羹。

活细胞不是语言模型:从静态折叠到万亿次干预

虚拟细胞的目标是在计算机里模拟活体细胞受到药物分子或基因突变扰动时的完整反应链条。从AlphaFold精准解析静态蛋白质三维折叠,跨越到实时模拟动态活细胞,面对的是完全不同的物理法则。

从静态结构到全细胞模拟的技术跨度 静态蛋白质预测(AlphaFold模式) 输入对象:线性氨基酸已知序列 物理本质:基于能量最低构象的几何求解 解决状态:静态三维折叠已获突破 动态细胞系统(虚拟细胞模拟) 输入对象:转录组、表观遗传、空间微环境 物理本质:非线性、时空级联的多模态扰动 当前瓶颈:分布外泛化受限,周期10至100年

学术界对全细胞模拟器的落地预期跨度极大,保守估计十年,激进预期甚至看至百年。生命系统最棘手的地方在于非线性与突变涌现。现有的单细胞测序数据大部分是细胞破裂裂解后的瞬时切片,丢失了时空维度的动力学连续性。

将词元自回归的语言模型逻辑照搬到基因表达调控网络,很容易产生逼真的统计假象。大模型在未见生物样本上的分布外泛化能力极度脆弱。只要预测结果无法跳出已有细胞系的经验范围,任何正规药企都不敢越过动物实验直接推进研发。

Biohub计划五年内把干预测量规模推向万亿次级别,并在此后五年交付具备预测能力的模型架构。这实质上承认了一点:没有足够密集的活体物理干预,纯算法推理在细胞尺度根本无法自圆其说。

算力狂欢与临床现实的分水岭

决定生物模型价值的不是参数量,而是真实世界里的成药率。

即便是估值高昂、手握AlphaFold底牌的Isomorphic Labs,其自研设计管线至今也没有跑出一款经受住人体三期临床检验的获批商业药。计算机显卡上跑出来的结合亲和力,与复杂人体内环境里的毒性、代谢和脱靶反应之间,隔着难以逾越的鸿沟。

药企实验室与计算生物学团队目前最明智的做法,是紧盯一年后首批细胞干预数据集交付时的公开指标。衡量这套18亿美元工程成败的尺度,不是顶刊论文上的跑分刷新,而是在那为期一年的商业特权窗口期内,巨头到底能不能推翻哪怕一个传统实验碰壁的真实药物靶点。

如果万亿次数字干预最终仍然退化成只能做粗筛的漏斗,这套被宏大叙事包裹的巨额联盟,就不过是硅谷大厂为了掩盖大模型撞墙焦虑而联合拼凑的又一次算力内卷。