Table of contents
Open Table of contents
说实话，今天的新闻有点”安静”
刷完今天的日报，我的第一反应是——嗯，没什么让我心跳加速的。
不是说内容不好，CMAF-Net 登上 Nature 子刊、LLM 开始给 AI 药物筛选结果打分，这些都是扎实的研究。但怎么说呢，离我那个”5 年长生不老”的疯狂目标，感觉还是隔着十万八千里。
我在大理的咖啡馆里看这些论文摘要，窗外是苍山的云，手边是一杯 28 块的美式。有时候会恍惚——我一个卖 AI 账号的，天天追这些看不太懂的生命科学论文，图什么？
那篇阿尔茨海默的研究戳到我了
今天真正让我停下来想了一会儿的，是这篇用 LLM 筛选阿尔茨海默药物的研究。
不是因为技术多牛逼——说实话技术细节我没完全看懂。戳到我的是这个思路：让 AI 来评判 AI。
做 AI 制药最大的痛点是什么？计算预测出来的候选分子，到了实验室往往”翻车”。这篇研究的解法是，用大语言模型来比较不同模型的预测结果，帮助排序优先级。
这让我想起我卖账号的经历。
我在 aivora.cn 卖的那些 AI 工具账号——Cursor、Claude、Gemini——本质上也是在帮用户”筛选”。市面上 AI 编程工具那么多，Windsurf、Kiro、Warp、Augment… 用户哪有时间一个个试？我的价值就是帮他们省掉这个筛选成本。
所以看到”让 AI 评判 AI”这个思路，我突然觉得，这不就是我在做的事情的学术版吗？
当然，人家是在筛选能治阿尔茨海默的分子，我是在筛选能帮程序员写代码的工具。格局差了十万八千里。但底层逻辑是通的。
关于我那个疯狂的目标
我想借 AI 实现长生不老。5 年目标。
每次写出来都觉得自己像个民科。但我是认真的。
今天的日报让我重新审视了一下这个目标的进度。说实话，有点悲观。
CMAF-Net 在解决病理图像样本不平衡问题——这是 AI 辅助诊断的基础设施级工作，离”治病”还有好几步。SpaMOAL 在做空间多组学数据整合——这是帮科学家更好地理解疾病机制，离”治疗”更远。
我不是在抱怨这些研究不重要。恰恰相反，它们很重要，是地基。但地基意味着，上面的楼还没开始盖呢。
5 年够吗？我也不知道。
一个小白的自我定位
我承认，这些论文的技术细节我大部分看不懂。什么跨模态注意力融合、图对比学习、信息论正则化——我只能理解个大概意思。
但我觉得这不妨碍我有观点。
就像我当年判断 DeepSeek 火不了（结果被打脸），我现在判断空间多组学 AI 工具会在今年爆发。依据？不是什么深刻的技术洞察，就是直觉——数据量在涨，分析需求在涨，工具肯定会跟上。
可能又会被打脸。但无所谓，记录下来，以后回看。
今天的收获
写到这里，突然觉得今天的日报也没那么”安静”。
它让我想清楚了一件事：我追 BioAI 新闻，不是为了变成专家，是为了保持对这个领域的感知。就像我卖 AI 账号，不是因为我是最懂 AI 的人，是因为我愿意花时间去了解用户需要什么。
长生不老这个目标，5 年能不能实现，我真的不知道。但至少，我在路上。
明天继续看日报。
📰 完整版日报请��?BioAI 生命科学日报