EvolutionaryScale 团队加入 Biohub

背景

Biohub 自 2016 年起就已存在，并称自己构建了生物学研究中规模最大的单细胞数据集^[1]。单细胞数据记录的是每一个细胞各自在做什么，而不是把一个组织平均成一个读数；这正是机器学习模型要学习细胞行为规律时所需要的原料。

2025 年 11 月 6 日，马克·扎克伯格（Mark Zuckerberg）与普莉希拉·陈（Priscilla Chan）宣布 Biohub 启动一项计划，把前沿人工智能与前沿生物学结合起来^[1]。这个说法指向的是两件事同时向前推进：能力最强的 AI 系统，以及规模最大的生物学研究。

发生了什么

作为该计划的一部分，EvolutionaryScale 的团队加入了 Biohub^[1]。EvolutionaryScale 的联合创始人兼首席科学家 Alex Rives 出任 Biohub 的科学负责人^[1]。这一安排把一个以 AI 研究为核心的团队放进了靠大型生物学数据集立身的机构里，同时让这个团队的科研带头人主管 Biohub 的科学议程。

关键细节

Biohub 表示将把算力扩大十倍，到 2028 年达到 10,000 块 GPU^[1]。算力是训练 AI 模型所依赖的资源，因此这个数字给出的是该机构打算做到的工作规模，而不是在描述一个已经建成的系统。

Biohub 还承诺推进四项重大挑战（grand challenges）：统一的细胞 AI 模型、先进成像、炎症检测仪器，以及免疫系统重编程^[1]。每一项给出的是目标而不是单个实验——一个是能表示整个细胞而不只是某个组件的模型，一类把生物组织看得更清楚的成像手段，一批针对炎症的仪器，以及重新编排免疫系统的尝试。

这次发布还启动了一项「虚拟免疫系统」（Virtual Immune System）工作，并公开了三个模型，名字分别是 VariantFormer、CryoLens 和 scLDM^[1]。在宣布计划的同时放出模型，意味着外部研究者不必等待另一次发布就能开始使用。

为什么重要

扎克伯格说，目标是帮助科学家在本世纪治愈或预防所有疾病，而 AI 让这件事能够更早实现^[1]。这个表述比任何单一疾病或单一模型都更宽：它把疾病整体当作目标，把 AI 当作改变时间尺度的那一环。

这次公告不寻常的地方在于，它把几种不同性质的承诺放在了一起。既有组织上的人员变动——一个研究团队及其科学带头人加入^[1]，也有一个基础设施数字、一份长期科学目标清单和一组已发布的模型^[1]。合在一起看，它们描述的是一套计划，而不是一篇论文或一个产品。

算力目标是其中唯一带明确时间点的一项：算力扩大十倍，到 2028 年达到 10,000 块 GPU^[1]。公告里的其余内容都是方向，因此这项扩容是可以用来检验进展的具体承诺。

四项重大挑战同样被设定为长期目标而非交付物^[1]。尤其是统一的细胞模型，属于需要许多数据集和许多团队才可能接近的那类目标；一个机构可以提出它，但无法独自完成。

随公告一起发布的模型是其中最小、也最立即可用的一块^[1]。它们也是其他研究者能够测试、比较并在其上继续搭建的部分——一个研究方向正是通过这种方式变成一片研究领域，而不是停留在一份新闻稿上。