Table of contents
Open Table of contents
自然界用了几十亿年，AI 用了多久？
我得承认，技术细节我大部分看不懂。什么”7.3 亿参数”、“以配体为导航”、“序列相似度 51.6%“，这些词单独我都认识，放一起就开始模糊。但有一句话我看懂了：
AI 创造了自然界不存在的功能蛋白，而且比天然的还好用。
这句话的分量，我觉得很多人没反应过来。
自然界花了大概 38 亿年进化出现在的酶。38 亿年的随机突变、自然选择、优胜劣汰，才磨出了那些精巧的催化剂。现在一个 AI 模型，训练了——我不知道多久，几周？几个月？——直接设计出比天然酶活性还高的新酶。
这让我想到一个很蠢但很真实的类比。我当年在闲鱼卖 AI 指令合集，一份份手工整理，分类打标签，写说明。后来 GPT-4 出来了，用户自己就能生成比我整理的还好的指令。我那个生意直接归零。
自然界的酶，会不会也面临类似的”被替代”？
当然不一样，酶不是商品。但那种感觉——你辛辛苦苦进化了几十亿年的东西，突然被一个后来者用完全不同的方式超越——我觉得是相通的。
关于”长生不老”，今天多了一点点信心
我之前说过我的疯狂目标：借AI 实现长生不老，5 年。
说实话大部分时候我自己也觉得这个目标挺扯的。但今天这几条新闻放在一起看，我心里有个微妙的变化。
ProteinNet 说AI 能创造全新的酶。MultiStateFold 说 AI 现在能预测蛋白质的多种构象了，不再只看最稳定的那个。SequenTx 说 AI 能帮肿瘤患者排兵布阵，优化用药顺序。
这三条串起来，我看到的是：AI 对生命的理解正在从”看照片”升级到”看电影”。
以前 AlphaFold 预测蛋白质结构，本质上是拍了张照片——这个蛋白质长什么样。但蛋白质是活的，它在不停地扭、动、变形。现在 AI 开始理解这种动态了。
衰老本质上就是一个动态过程对吧？蛋白质错误折叠越来越多，DNA 损伤修复越来越慢，细胞信号通路逐渐失调……如果 AI 真的能理解这些动态过程，那”设计一种酶来修复某个特定的衰老损伤”，理论上就是可行的。
我说”理论上”。从论文到临床，中间隔着的时间可能比我的5 年目标长得多。但至少方向对了。
那条病理切片的新闻，让我想到卖账号的事
今天还有一条——直接从病理切片预测通路富集，说以前要做RNA 测序才能知道肿瘤里哪些通路被激活，现在直接看切片图就行，而且”跳过中间商”效果反而更好。
“跳过中间商。”
我笑了。我就是个中间商啊。
我卖 AI 账号，本质上就是个中间商——官方的服务到不了某些用户手里（各种原因你懂的），我帮他们搭个桥。但我一直很清楚，中间商的命运取决于这座桥什么时候不再被需要。
这篇论文告诉我们，在科学领域，“跳过中间步骤直达结果”往往效果更好。在商业领域大概也是这样。哪天官方直接服务所有用户了，或者出现了更直接的解决方案，我的生意就没了。
所以我一直在想下一步做什么。aivora.cn跑了 130 多天，现在稳定月入几千，够我在大理活着。但这不是终点。
今天的碎碎念
大理的雨停了。我决定今晚去研究一下那个 LLMsFold 的开源代码，虽然大概率看不懂。
有时候我觉得自己很荒谬——一个在闲鱼卖过 9.9 元AI 指令的人，居然每天在看蛋白质折叠的论文，还想着长生不老。但转念一想，AI 设计的酶都比天然的猛了，一个卖账号的想看懂蛋白质折叠，又有什么不可以的呢？
这个时代最疯狂的地方就在于：离谱的事情正在变得不那么离谱。
📰 完整版日报请��?BioAI 生命科学日报