扎克伯格牵头18亿美元计划，用AI预测细胞行为

由马克·扎克伯格与普莉希拉·陈夫妇支持的科研机构Biohub，正在牵头一项总额达18亿美元的计划，目标是用人工智能预测细胞行为。据科技媒体The Decoder报道，Meta、谷歌DeepMind、Isomorphic Labs以及美国能源部均已加入这一联盟，出资支持数据、实验设备与算力建设。项目方预计，第一份数据集将在大约一年内准备就绪。如果目标达成，生命科学研究有望迎来继蛋白质结构预测之后的又一次范式转变。

18亿美元联盟：科技巨头与国家实验室罕见同框

这项计划最引人注目的是参与方阵容：Biohub担任协调方，Meta、谷歌旗下的DeepMind、从DeepMind分拆而来、专注AI制药的Isomorphic Labs，以及掌管美国国家实验室体系的能源部共同出资。它们贡献的不只是资金，还包括数据、实验室设备和大规模算力——这三样恰好是训练生命科学基础模型最稀缺的资源。任何一家机构单独凑齐都不容易，联盟式分工把成本与风险摊到了多个主体身上。

能源部的加入尤其值得关注。其麾下拥有多座国家实验室和顶级超算资源，这意味着计划既能借助商业公司的敏捷迭代，也能调用国家级科研基础设施与相对长期的经费支撑。对科技公司而言，与政府机构合作也有助于在数据治理、合规和可持续投入上获得更稳固的背书，让高风险的基础研究不必由某一家公司独自扛旗。

为什么盯上细胞：比蛋白质折叠更难的问题

要理解这项计划的野心，得回看DeepMind立下的标杆。其AlphaFold模型破解了困扰生物学界半个世纪的蛋白质结构预测难题，相关数据库已被上百万名研究人员用于药物设计与机理研究。但蛋白质终究只是生命的“零件”，细胞才是生命活动的基本单位：一个细胞内成千上万种分子如何协同运转、细胞如何响应药物或外界刺激、病变如何发生扩散，这些动态过程远比静态结构更难被计算捕捉。

Biohub瞄准的正是这块最难的拼图：构建能够预测细胞行为的AI模型，让研究者在计算机中预演细胞在不同条件——例如接触某种药物分子——下的反应，而不必事事依赖漫长昂贵的湿实验。一旦成功，这类模型将成为疾病机理研究与新药研发的通用底座，其行业地位可能类似大语言模型之于今天的软件业。

扎克伯格的长期押注：从CZI到Biohub

对扎克伯格来说，押注生命科学并非临时起意。2015年，他与普莉希拉·陈创立陈-扎克伯格倡议（CZI），承诺捐出所持Meta股份的99%用于公益，科学是其中的核心方向；次年，Biohub在旧金山落地，联合加州大学旧金山分校、斯坦福大学与伯克利的科研力量，定位就是支持高风险、长周期的基础研究。此次牵头18亿美元计划，可视为这条路线的自然延续与升级。

时机同样耐人寻味。近年来Meta持续把战略重心转向人工智能，扎克伯格多次强调AI是公司最重要的投资方向。让旗下团队与Biohub的科研计划形成协同，既能为Meta积累的AI技术找到高价值的应用场景，也与其一贯主张相呼应：AI最大的意义之一，在于加速科学发现、帮助攻克疾病。

一年倒计时：首份数据集是最先要过的关口

按照披露的时间表，项目将在约一年内交付第一份数据集。这个期限并不轻松：细胞生物学实验高度依赖人工操作，不同实验室的数据格式与质量参差不齐，结果往往难以直接比对。要在一年内拿出一份规模足够大、质量足够整齐、可供AI模型训练的数据集，意味着各方必须在实验流程、测量手段和数据标准上高度协同，这也是Biohub作为协调方最吃重的工作。

数据集落地后的路径大致可以推演：先训练模型复现已知的细胞行为，再逐步扩展到预测细胞在未见条件下的反应，最终与实验形成“预测—验证—修正”的闭环。这条演进路线与AlphaFold从数据库走向预测工具颇为相似，但细胞系统的复杂度呈指数级上升，对模型架构、算力调度和实验验证都提出更高要求。联盟式分工——有人出数据、有人出设备、有人出算力——正是为了对冲这种不确定性。

影响分析：AI for Science进入“细胞竞赛”

这一计划也折射出AI竞争的新走向。当大语言模型之战趋于同质化，科技巨头正把“用AI攻克重大科学问题”视为下一个差异化战场：DeepMind与Isomorphic Labs押注AI药物设计，英伟达、微软等公司也在布局生命科学模型。如今Meta阵营借Biohub直接下场，18亿美元的量级表明，细胞行为建模被看作足以催生平台级成果、值得重注的方向。

对学术界与制药业而言，这既是机会也是博弈。公开的高质量数据集可能像AlphaFold的蛋白质数据库那样大幅降低研究门槛，加速靶点发现与机制研究；但模型能力的归属、数据开放的边界、商业公司与公共科研机构之间的利益分配，都还有待观察。目前披露的信息有限，数据规模、模型发布方式与使用权规则均未明确，这些细节将决定这项计划的成果最终成为“公共品”还是“护城河”。

从看懂蛋白质结构到预测细胞行为，AI对生命科学的介入正从“认识零件”走向“理解整台机器”。18亿美元的盘子、横跨商业与国家科研力量的阵容、一年倒计时的时间表，把这场豪赌的雄心写在明面上。首份数据集能否如期交付、模型能否真正算准细胞的反应，将是检验成色的试金石。倘若成功，研究者或许能在电脑中“预演”药物实验，把经年的试错压缩到几天；即便受挫，这次由公益资本、科技巨头与政府部门联合下注的尝试，也已把AI for Science推向了更深的腹地。