今天看到一条研究让我有点意外——哈佛团队把6442种现有药物”对网”扫了一遍衰老基因，阿司匹林的覆盖面比雷帕霉素还广。这让我想起我这一年多卖AI账号的经历，以及那个反复在我脑子里转的问题：长生不老，到底离我这种普通人还有多远？
Table of contents
Open Table of contents
阿司匹林赢了，我没想到
说实话，看到这条新闻我的第一反应是——等等，阿司匹林？
那种药店2块钱一板、我奶奶每天早饭后吃一粒的东西？
哈佛和东北大学的团队把2358个衰老相关基因画成蛋白质网络，再把6442种已上市药物扔进去跑，看谁离衰老基因群最近。最后阿司匹林覆盖了6个衰老标志通路，比大名鼎鼎的”长寿药”雷帕霉素（只命中1个）广得多。二甲双胍也在列，就是那个糖尿病人吃的降糖药。
我知道，网络距离不等于真实疗效，研究者自己也说了——有些药靠近靶点，但作用方向是让你老得更快。所以这370个候选里肯定有大量要淘汰的。
但这个思路本身让我觉得有意思：不用等新药，现有药箱里可能已经有答案。
这种”存量里找增量”的逻辑，我太熟了。
卖铲子的人，为什么关心长生不老
我卖AI账号这件事，本质上就是”存量里找增量”——不造新工具，就帮人找到用已有工具的入口，赚差价，活着。
AI淘金热里我不挖矿，我卖铲子。
但我心里一直有个问题没解决：铲子卖完，然后呢？
这大概是我开始认真关注AI生命科学的原因。不是为了写内容，是真的焦虑过。我今年不到三十岁，父母五十多岁，我很清楚”时间”这件事是有限的。每次看到”抗衰老”三个字，第一反应不是”这个能蹭流量吗”，而是”这个离我爸妈能用上还有多久”。
听起来挺矫情的，但这就是真实状态。
长生不老这个词听起来像民科，但我是认真的。5年目标。
说出来有点尴尬，因为我对生命科学的了解基本为零——很多论文我只能看懂摘要，还不一定真的懂，只是觉得”好像很厉害”。但这不妨碍我持续关注，持续问：离普通人用上，还有几年？
湿实验室自动化，这个我能理解
今天还有一条让我有点兴奋的：ProtoPilot，一个能让机器人自己写实验方案、自己跑实验、失败了还能自己改的AI系统。
这个我懂。
不是懂技术，是懂那种感觉——你有一堆重复的事要干，干完了还得根据结果调整，调整完再干，循环不停。这就是我每天客服和售后的日子。
现在AI把这套逻辑搬进了实验室。294个生物学任务，专家偏好率90%+，Opentrons机器人代码通过率88%。
我不知道这对抗衰老研究意味着什么，但直觉上：实验能跑得更快，意味着从”发现候选药物”到”验证有没有用”的周期会缩短。哈佛那370个候选，以前可能要几十年才能筛完，现在也许快得多。
这才是真正让我觉得”可能没那么遥远”的部分。
我到底能做什么
但每次看完这些新闻，我都会卡在同一个问题上：作为一个在大理卖AI账号的普通人，我现在能做什么？
什么都做不了，这是诚实的答案。
阿司匹林那条研究是网络药理学预测，离临床还有很长的路。二甲双胍的TAME试验已经在跑，但结果还没出来。ProtoPilot的机器人实验室也不是我能进的地方。血液蛋白钟可以预测我会死于什么病，但现在多数人体检还是看转氨酶和血糖，蛋白质组学根本没进临床常规。
所以我现在能做的，是继续关注，继续记录，等那些技术一步步从论文走向临床，走向可以预约的体检项目，走向普通人能买到的东西。
这条线很长，可能5年，可能10年，可能更久。
我对时间线一直判断偏乐观。当年DeepSeek爆火那会儿我也说”可能火不了”，然后被现实反复教育。所以现在我对”这个什么时候能用上”这个问题，态度是：不知道，但我想知道。
也许最务实的事是，今天我先把AI账号的客服SOP写完，明天再继续看下一篇论文。
长生不老，先一天一天活着。
📰 完整版日报请看 BioAI 生命科学日报