人类只写了1%的字，AI实验室花不到100美元，造出两个有药用潜力的纳米抗体

先摆几个数字。一个由AI智能体组成的科研团队，为新冠新变异株设计纳米抗体，拿出90多个候选分子，其中2个已经通过真实实验验证：既能牢牢结合JN.1这类新变异株，对早期毒株的结合力也没丢，甚至更强。整个项目的OpenAI API开销，不到100美元。人类研究者亲手写下的内容，只占全部token的1.3%。

这是斯坦福大学生物医学数据科学教授James Zou团队最近的成绩单，他同时是陈-扎克伯格计划（Chan Zuckerberg Initiative）的资助研究员。2024年12月，他在Nathan Labenz主持的播客Cognitive Revolution上聊了两篇新论文。一篇叫Virtual Lab，让一群AI智能体模仿真实实验室的分工，自己开会、自己定方向、自己写代码做科研。另一篇叫InterPLM，用可解释性技术去拆蛋白质语言模型的「脑子」，从里面找到了文献里从未记载的新蛋白基序（motif）。

主持人Nathan Labenz的评价很直接：这是他见过的「大语言模型真正在做科学」的最强演示之一。第二篇论文的分量在他看来甚至更重，因为它指向一个更根本的问题：AI能不能从原始数据里，学到人类不知道的概念？

一个AI教授，带一群AI学生开会

Virtual Lab的结构，照着Zou在斯坦福的真实实验室搭的。最上面是一个「AI教授」，相当于实验室的PI（课题组长）。下面挂着一群「AI学生」，各有专长：免疫学专家、计算机专家、计算生物学专家。另设一个AI批评家，专门给所有讨论挑刺。

科研推进靠两种会议。一种是组会：AI教授出议程，所有智能体围桌轮流发言，汇报进展、给出意见，最后由教授汇总共识，定下大方向。选纳米抗体还是选抗体，就是一场组会里定的。另一种是一对一会议：教授觉得某项具体任务该谁干，就单独约谈那个智能体，比如让计算生物学家去改ESM的代码，批评家在场监督。

真正有意思的是并行机制。每一个关键决策，团队会同时开5场平行会议，让5组智能体独立讨论同一个问题，最后由AI教授对比所有会议记录，取共识、定方向。不同场次有时会给出不同建议，这很正常，就像同一个人隔两天讨论同一件事，结论都可能变。平行会议等于用推理算力换探索广度，把更多可能的路径铺开看一遍再选。

「虚拟智能体有个好处，它们的会议比我们的快多了。我们坐下来互相介绍、喝咖啡的工夫，它们已经开了几百场会。而且它们不会累。」

人类怎么介入？主要跟AI教授对话。项目开始时给一句高层级的目标描述，比如「我们想为新冠新变异株设计疫苗或疗法」，AI教授据此判断团队需要哪些专家，自己去「招人」。人还可以补充约束条件，比如「实验预算不多，方案要快、要容易验证」。仅此而已。每场会议结束，AI教授会生成会议纪要，人类研究者翻纪要，觉得哪里不对劲就插一句「你们考虑过这个吗」。Zou强调，他们不写代码，不替智能体干活，也不下指令说「必须先做A再做B」。

Nathan问了一个扎心的问题：照这个分工，人类的门槛是不是很低？「新冠很重要」「预算不多」，这些话谁都会说。Zou的答案是，专家的价值在于盯着会议纪要看，发现「这条路实验上很难验证」或者「这里好像不对」的时候及时插话。人类提供的是品味和纠偏，苦力活全归AI。

他还分析了此前「AI做科学」的两类玩法。一类是人类把任务拆得清清楚楚，AI只负责底层执行；另一类是AI出点子，但没人验证，点子飘在空中。Virtual Lab想补的就是这两块：方向让AI定，执行也由AI做，最后还有真刀真枪的实验验证兜底。

第一个怪招：放着抗体不选，选纳米抗体

接到任务后，这个AI团队先做了一个多数人类研究者未必会做的选择：设计纳米抗体（nanobody），而不是更常规的抗体。

纳米抗体可以理解为抗体的缩小版，自然界只有骆驼、羊驼这类动物体内才有。绝大多数人遇到这个课题，第一反应是走抗体路线，因为文献多、工具熟。AI团队给出的理由是：纳米抗体更小，结构更容易预测，设计起来更稳定。事后看，这一步走对了，通过实验验证的候选分子正是纳米抗体。

Nathan听到这里，想起了AlphaGo的第37手，那步当时让所有职业棋手看不懂、后来被证明是妙手的落子。Zou的回答很克制，他觉得两件事有像的地方，也有不像的地方。

像的地方在于，都是AI走出了人类共识之外的路线。不像的有两个。第一，AI的选择有解释：纳米抗体小、好预测、好设计，人类专家能看懂这个逻辑，Zou本人看了也觉得合理，所以没有拦。AlphaGo那步棋，连顶尖高手都解释不了。第二，Zou反过来认为，在开放式的科研里做这种方向性决策，可能比下棋更难。棋局可以自我对弈，奖励是确定的，走错了重开一局。科研不行，实验验证没法自动化模拟，方向一旦定了就回不了头，错了整个项目跟着错，而且这种决策只有一次机会。

三件现成工具，拧成一条没人用过的流水线

工具选择也是AI自己定的。底层模型是GPT-4o，这些智能体本来就「读过」文献，知道领域里有哪些趁手的家伙。它们先列了六八个候选工具，讨论之后砍到三个：ESM、AlphaFold Multimer和Rosetta。

这三个工具各有分工，串成一条迭代流水线：

• ESM是个蛋白质语言模型，可以理解成用氨基酸序列训练出来的BERT。它给大量候选突变打分，算出哪些突变最可能产出稳定、有功能的蛋白质。
• AlphaFold Multimer接着预测纳米抗体和新冠病毒刺突蛋白的复合结构。
• 第三个智能体提出，AI预测的结构可能有偏差，于是再用Rosetta做物理层面的结构松弛，估算结合能。

最后把三个工具的分数按特定权重加权，选出最有希望的候选，在其基础上继续生成新突变，再跑一轮。整个流程迭代了4次，产出最终名单，交给合作者去合成和测试。

单看每个工具，文献里都用过。新东西在于两点：一是智能体自己改了ESM的打分公式，二是把三个工具按这种加权迭代的方式组装起来，此前文献里没有先例。

改ESM那段值得多说一句。用蛋白质语言模型给突变打分，本质是算似然比：突变后的序列，模型觉得有多「通顺」。细节里全是学问。比如做了第一个突变之后，似然比野生型高了；接着做第二个突变，该跟野生型比，还是跟第一个突变后的版本比？文献里不同论文的处理方式不一样，一直有争论。AI团队自己推导了一套似然比公式，Zou事后评价，这个公式相当合理。

Nathan追问了一个很实际的问题：智能体有没有自己去Hugging Face下载模型、配环境？答案是没有。AlphaFold这类工具已经装在集群上，智能体只负责写接口代码去调用。Zou说下一版可以让它们自己折腾环境，但他也认同主持人的看法：能自主搞定一切固然好，更聪明的做法是绕过它们不擅长的环节，让它们把力气花在真正擅长的事情上。这个项目要解的已经是「给新变异株找结合物」这种没有现成答案的难题，没必要再人为加障碍。

人类只管方向，顺便省下两个数量级的钱

算一笔账。整个项目所有智能体的发言，按OpenAI API计费，加起来不到100美元。Nathan脱口而出：这至少是两个数量级的缩减。换一支人类蛋白质科学家团队做同样的事，时间会更长，人力成本会高得多。而且Zou补了一句要紧的话：人类团队未必会走到同样的设计上，因为问题太难了。JN.1这样的新变异株，此前就没有好的结合物，很多团队在啃，没啃下来。

时间都花在哪了？语言模型的部分快得几乎可以忽略，慢的是后面两段。跑一轮AlphaFold预测，要覆盖大量候选蛋白，光一轮就可能要好几天。更大的开销在湿实验：合成纳米抗体要委托CRO（合同研发机构），结合力验证要跟陈-扎克伯格生物中心（CZ Biohub）的合作者一起做，前后几周。最初的ELISA实验结果非常乐观，但Zou反复强调，后面还需要大量实验验证。

湿实验自动化的进展也在路上。Zou透露他们正在跟几家云端实验室谈合作，机器人做结合实验这类化学实验已经比较成熟，涉及细胞和动物的复杂实验还难，但他判断自动化迟早会覆盖过去。到那时，AI团队可以像调API一样直接下单做实验。

项目还没完。第一轮实验数据已经反馈给Virtual Lab，它正根据真实的结合数据，决定下一步怎么改进这些纳米抗体。代码和提示词已经开源，挂在Zou课题组的GitHub上，谁都可以去搭一套。Zou还提到，V2版本会做更友好的交互界面，让不写代码的科学家也能用。

还有一个细节，Zou自己觉得很有意思：因为RLHF的缘故，语言模型都太客气了。8个智能体明明有分歧，讨论起来还是一团和气。他特意设了AI批评家的角色，想让批评更直接一点，甚至想做个实验：把批评家调得更凶、更不留情面，看看科研产出会变好还是变坏。人类实验室里，很多批评只在心里说，没说出口。AI实验室没这个负担。

他还留了一个更远的观察点：Virtual Lab当初照着人类实验室的会议结构搭，但跑久了之后，AI团队会不会自己演化出新的会议结构，反过来教人类怎么更高效地做科学？他觉得这几乎是一门「AI社会学」，值得长期盯着。

往蛋白质模型的脑子里看，看到了文献里没有的东西

第二篇论文InterPLM，做的是另一件事：拿稀疏自编码器（SAE）去拆蛋白质语言模型ESM-2。

先交代背景。ESM-2只用氨基酸序列训练，训练数据里没有任何结构信息。它把每条蛋白质序列当成一个句子，氨基酸残基就是单词，用类似BERT的方式做掩码训练。因为吃进了进化尺度的数据，它学到了蛋白质深层的「语法」。稀疏自编码器是近两年机制可解释性领域的热门工具，Anthropic用它从Claude里拆出过数以百万计的特征，可解释性创业公司Goodfire也在做类似的事。Zou团队把同样的方法搬到蛋白质模型上，这个SAE只有1万个特征，其中约2500个被判定为人类可解释。

拆出来的特征分三类。第一类对应序列：某段氨基酸序列出现，特征就激活。第二类对应结构：这些残基在线性序列上隔得很远，折叠之后在空间上凑到了一起，特征照样能抓住。这一点尤其值得琢磨，因为模型从头到尾没见过任何结构数据，结构概念是它自己从序列里悟出来的。第三类是概念级的，对整条蛋白质的角色和类别做出响应。

接下来是自动标注环节。团队把已知注释的蛋白质拿过来，对比特征激活的预测，发现数据库里有缺口：一些蛋白质明明该有某个注释，数据库里却没有，特征激活把缺口补上了。这一步他们还用了Claude，让它去各个数据库里拉资料，自动比对已知知识和特征激活的内容。

然后是整篇论文最重的那一锤：至少发现了一个全新的蛋白基序，文献里从未记载过。基序是在自然界不同蛋白质里反复出现的结构片段。Nathan特意问了发现新基序的频率，Zou的回答是，文献里新基序的报道并不频繁。换句话说，这远非一个人类每周都在批量产出、AI顺手捡漏的领域。

Nathan在节目里说，这可能是迄今最清晰的证据：今天的机器学习架构，能从原始数据里学到人类不知道的重要自然概念。此前关于大语言模型的争论往往卡在这一层：就算模型会推理，它学的概念不都是人类语言里已有的吗？蛋白质领域的这个结果，把这条防线撕开了。ESM-2只吃序列，却在无人指导的情况下补上了人类注释体系的漏洞，还挖出了新基序。

Zou的判断更进一步。他说，人类对蛋白质的注释本来就有限，很多概念压根没有写下描述。这些蛋白质语言模型已经学到了新概念，填补了我们知识的空白，现在轮到我们用SAE这样的技术把它们挖出来。他在节目里反复用了一个词：金矿。

「我认为现有模型里已经藏着一座新概念和新知识的金矿。哪怕只是把这些东西提取出来，就已经能教会我们大量有趣的新洞见。」

他还有一个跨界的畅想：让一个由不同专家智能体组成的Virtual Lab，专门负责解读蛋白质大模型内部到底在算什么。自动标注用Claude已经跑通了，扩展成多智能体协作并不遥远。

规模还有很大空间。1万个特征、2500个可解释，听起来不多，Zou的解释是蛋白质的语言空间本来就比整个人类语言窄。但他也承认现在只是冰山一角，团队正在把同样的方法用到更大的模型上，包括带结构信息的AlphaFold，预计还能挖出更多概念。网站interplm.ai已经上线，任何人都可以上去交互式地查看这些特征对应的三维结构。

边界、金矿，和明天就能用的几件事

热情归热情，Zou对边界看得很清楚。第一类限制是数据，某些领域是数据不够，不是算力不够。内在无序的蛋白质、蛋白质与小分子的相互作用界面，连AlphaFold 3都会出错，这些地方需要更多实验数据去验证和改进模型。第二类是尺度。蛋白质之所以进展快，是因为它是一个相对自洽的分析单元，而人类健康真正关心的是细胞、器官、个体层面的东西，跨尺度建模是另一场硬仗，他课题组有好几个项目在攻。

至于Dario Amodei那篇《Machines of Loving Grace》里「压缩的21世纪」的预言，未来5到10年，生物学的平台级发现可能达到人类100年的量级，Zou的态度是兴奋但克制。他说自己正处在AI智能体、推理模型和生物技术（更好的细胞扰动手段、更强的测量能力）的交汇点上，100年太远说不准，但未来5到10年，肯定有一大批激动人心的问题可以用这些工具去啃。

看完这场对话，有几件事明天就能做：

• 做科研、做分析的，去把Virtual Lab的代码拉下来跑一遍，仓库在Zou课题组的GitHub上。核心技巧可以直接搬：关键决策并行开5场会，再取共识。这个方法不限于生物科研，任何需要降低模型输出随机性的场景都适用。
• 带团队做AI项目的，学Virtual Lab的组织方式：给AI一个高层级目标和约束条件（预算、时间、验证难度），把「怎么干」的决定权交出去，人只审会议纪要、只纠偏，别再一步步下指令。
• 关注AI可解释性的，去interplm.ai逛一圈，亲手看看蛋白质模型里拆出来的特征和三维结构。想跟进的，盯住两个方向：SAE在更大模型上的应用，以及云端实验室把湿实验变成API调用的进展。
• 让AI当批评家的，记住Zou那个观察：RLHF让模型过分客气。明确要求它直接、不留情面，产出质量大概率不一样。

最后回到那个数字：人类写了1.3%的token，花了不到100美元，换来两个有药用潜力的候选分子，和一个文献里不存在的新基序。这个比例还在往下压。等V2让不写代码的科学家也能上手，等湿实验也接上API，1.3%还会更低。到那时候，科学家的核心工作会越来越集中在一件机器最难替代的事情上：判断什么问题值得问。