Table of contents
Open Table of contents
自动驾驶实验室这事儿，比我想象的近
LUMI-lab 干的事情是这样的：它自己设计脂质纳米颗粒（就是 mRNA 疫苗里包裹 mRNA 的那层”外壳”），自己合成，自己测试效果，然后根据结果自己调整设计，再来一轮。整个过程不需要人类化学家一个个试错。
以前这种活儿，运气好几个月，运气差几年。现在 AI 自己跑。
最让我在意的是那个”溴化尾巴结构”的发现——这是 AI 自己迭代出来的，不是人类预设的方向。换句话说，AI 不只是在执行人类的想法，它开始有自己的”发现”了。
我不是生物学专业的，很多技术细节我看不懂。但这个趋势我看得懂：AI 正在从”工具”变成”研究者”。
想起我卖课程血亏的那段日子
说到 AI 的能力边界，我就想起自己写 AI 课程的经历。
2024 年我写了 3 个课程，每个几十万字，加起来卖了不到 30 块。是的，30 块。
当时我觉得自己写的东西有价值——怎么用 ChatGPT 写文案、怎么用 Midjourney 出图、怎么用 AI 提高工作效率。我花了很多时间整理、测试、写教程。
结果呢？没人买。
后来我想明白了：我写的那些东西，AI 自己就能教。用户直接问 ChatGPT “怎么用你写文案”，它自己就能回答，而且回答得比我好。我花几个月写的课程，AI 几秒钟就能生成类似的内容。
那时候我就意识到：靠”教人用 AI”这条路，天花板太低了。AI 进化的速度比我写课程的速度快多了。
所以我转去卖账号了。卖铲子的人不需要比矿工更会挖矿，只需要铲子好用就行。
多模态模型被泼冷水，我反而松了口气
今天日报里还有一条让我挺意外的：多模态细胞基础模型的研究发现，现在的多模态模型其实没那么神。
简单说就是：把不同类型的数据（比如基因表达数据、蛋白质数据、细胞图像）放在一起训练，大家以为能产生”1+1>2”的效果。但实际上，很多时候只是在找这些数据里”重复的信息”，并没有真正产生新的洞察。
论文的结论挺扎心的：大多数任务，单模态模型就够了。
说实话，看到这个我反而松了口气。
为什么？因为这说明 AI 还没有那么”神”。它还有很多做不到的事情，还有很多需要人类去解决的问题。
我一直有个担心：如果 AI 真的什么都能做了，那我这种”卖铲子的人”还有什么存在价值？用户直接用 AI 就行了，为什么还需要我帮他们搞账号？
但现在看来，AI 的能力边界还是存在的。至少在”真正理解复杂系统”这件事上，它还差得远。
关于长生不老，我又焦虑了一点
我关注 BioAI 日报的原因很简单：我想借 AI 实现长生不老。
听起来像民科对吧？但我是认真的。这是我的 5 年目标。
今天看到 LUMI-lab 的新闻，我的第一反应是兴奋：AI 能自己做实验了，那抗衰老研究是不是也能加速？
但仔细想想，又有点焦虑。
mRNA 递送技术确实在进步，但从”AI 设计出更好的脂质纳米颗粒”到”普通人能用上抗衰老疗法”，中间还隔着：临床试验、监管审批、成本下降、普及推广……
每一步都要好几年。
我今年 30 了。如果抗衰老技术真的要 20 年才能普及，那我 50 岁才能用上。50 岁的身体和 30 岁的身体，能承受的治疗方案完全不一样。
所以我现在的策略是：一边关注前沿进展，一边老老实实锻炼身体、控制饮食。先把这副身体维护好，等技术成熟了再说。
说白了，就是”苟住”。
今天的结论
AI 自己开实验室这事儿，对我这个卖账号的来说，短期影响不大。但长期来看，AI 的能力边界在不断扩展，我得持续思考自己的定位。
多模态模型被泼冷水，说明 AI 还没那么神，这让我稍微安心了一点。
至于长生不老——还是那句话，先苟住，等技术。
📰 完整版日报请��?BioAI 生命科学日报