當扎克伯格夫婦在 2015 年宣布要“在本世紀末治愈所有疾病”時，大多數科學家根本沒有把這當回事。不是因為這個目標顯得過于狂妄，而是因為如果只是簡單地把錢分散到全美各個實驗室，這根本不可能實現。但這種質疑恰恰推動他們找到了一條獨特的路徑：與其資助更多的研究，不如先造出科學家們迫切需要的工具。

十年后的今天，這條路走得比預想的更遠。11 月 7 日，在知名風險投資機構 a16z 的最新播客中，馬克·扎克伯格（Mark Zuckerberg）和妻子、兒科醫生普莉希拉·陳（Priscilla Chan）首次詳細披露了他們的慈善機構 Chan Zuckerberg Initiative（CZI，陳-扎克伯格倡議）如何在 AI 革命中重新定義生命科學研究的節奏。

圖丨相關對話（YouTube）

就在播客錄制的同一天，CZI 宣布了成立以來最重大的一次重組：將組織架構重組為統一的 Bio Hub 網絡，全力聚焦 AI 與生物學的深度融合。更引人注目的是，他們收購了由前 meta AI 研究員創立的蛋白質語言模型公司 Evolutionary Scale 的團隊，并任命其首席科學家 Alex Rives 為 CZI 的科學負責人。這標志著 CZI 從廣泛的社會議題中徹底抽身，將幾乎全部資源投向了科學研究這個單一戰場。

從工具建設者到 AI 時代的破局者

在舊金山灣區的醫院實習時，普莉希拉遇到過太多讓她無力的時刻。有些孩子能勉強確認攜帶某個基因突變，運氣好的話醫生能拿到一份幾頁紙的 PDF 文件，上面寫著人類對這種疾病的全部了解。更多時候，孩子們只是被籠統地歸入某個疾病類別，而她作為實習醫生，需要把這寥寥幾行信息翻譯成實際的治療方案。

“那時我才真正意識到基礎科學的力量，”她在播客中回憶道，“沒有基礎科學的進步，就沒有通向希望的道路。”

這種挫敗感塑造了 CZI 的核心策略。扎克伯格用工程師的思維解釋了他們的邏輯：縱觀科學史，大多數重大突破都源于新工具的誕生，顯微鏡讓人類看到了細菌，望遠鏡揭開了宇宙的面紗。“這就像寫代碼卻無法調試一樣，”他說，“你根本不知道問題出在哪里。”

但在生物醫學領域，這類工具的開發存在一個尷尬的資金真空。美國國立衛生研究院（National Institutes of Health，NIH）的撥款體系將資金分散到成千上萬個小額項目中，每個研究者都在追求短期可見的成果。而像虛擬細胞模型這樣的大型工具平臺，需要 1 億到 10 億美元的投入，研發周期長達 10 到 15 年，完全不符合傳統科研資助的邏輯。

更尷尬的是，即便做出了工具，學術界也不會給予太多認可。“你不會因為造工具而獲得學術聲譽，”a16z 的主持人指出。這恰恰是慈善資本可以填補的空白——不求短期回報，不爭學術榮譽，只聚焦于造出真正有用的東西。

十年前，當 CZI 開始資助單細胞測序技術標準化時，沒人能預見這些數據會成為 AI 模型的訓練語料。但當大型語言模型在 2022 年后爆發時，CZI 突然發現自己坐擁金礦。他們花費多年建立的 Cell Atlas（細胞圖譜）項目和 CELLxGENE 平臺，積累了超過 1 億個細胞的標準化數據，成為訓練生物 AI 模型最寶貴的資源。

“大型語言模型出現的時候，我們突然意識到，我們可以理解這些數據了，”普莉希拉說。生物學家眼中“瘋狂激進”的目標，在 AI 研究者看來卻“有點無聊，因為那會自動發生”。這種認知上的差異恰恰指向了 CZI 的價值所在：用 AI 工具加速生物學進展。

從數字人類到可編程的生物學

扎克伯格在播客中透露了一個令人驚訝的事實：直到 2025 年，生物學領域仍然沒有一個類似元素周期表的基礎性參考體系。這聽起來幾乎不可思議，但現實就是如此。這也是為什么 Cell Atlas 項目具有如此重大的意義。

Cell Atlas 的誕生其實充滿偶然性。十年前，CZI 資助了幾個實驗室開始收集單細胞數據，很快研究者們就遇到了瓶頸：數據標注的速度跟不上數據生成的速度。為了解決這個問題，CZI 團隊開發了一個標注工具，也就是后來的 CELLxGENE。但他們很快發現，因為大家都在用同一個標注工具，數據格式自然就統一了。

“這就像網絡效應，”扎克伯格解釋道。標準化的數據吸引了更多研究者貢獻數據，社區開始自發成長。如今，CZI 只資助了 Cell Atlas 項目中 25％ 的數據，其余 75％ 都來自全球科學界的自發貢獻。根據《自然》（Nature）雜志 2025 年 8 月的報道，CELLxGENE 現在已經包含了近 1 億個細胞的數據，成為全球最大的標準化單細胞數據庫。

但數據只是起點。CZI 真正的野心是建立“虛擬細胞”（virtual cell）——能夠模擬細胞在不同狀態下行為的高保真 AI 模型。這個愿景分為多個層次：從蛋白質到細胞結構，從單個細胞到整個免疫系統，每一層都需要專門的模型。

就在今年 4 月，CZI 發布了 TranscriptFormer 模型，這是基于跨越 15 億年進化史的 12 個物種、1.12 億個細胞訓練出來的基礎模型。它可以預測細胞類型、識別疾病狀態，甚至推斷基因之間的相互作用，而這些通過提示詞即可完成，就像和 ChatGPT 對話一樣。

圖丨 TranscriptFormer 模型（CZI）

更專業化的模型也在不斷推出。扎克伯格在播客中提到了幾個正在研發的模型：VariantFormer 可以預測 CRISPR 基因編輯的結果；一個擴散模型能夠根據描述生成合成細胞的數字版本；而 CryoEM 模型則提供空間分辨率的細胞結構信息。

“這就像語言模型發展的路徑，”他解釋道，“你先訓練出不同的專項能力，然后逐漸整合成越來越通用的模型。”最終目標是建立一個能夠運行“生物學推理”（biological reasoning）的系統，它不僅能告訴你相關性，還能推理出因果關系。

這種“推理模型”還處于非常早期的階段，但它的潛力是革命性的。正如 a16z 的主持人所說：“如果實驗失敗了，下一個問題就是為什么？”一個能夠解釋生物學機制的 AI，將徹底改變科學假設的生成方式。

三個 Bio Hub 在這個宏大敘事中扮演著不同的角色。舊金山的 Bio Hub 專注于深度成像和轉錄組學，芝加哥的團隊研究組織工程和細胞通訊，紐約的項目則致力于細胞工程——讓細胞能夠記錄周圍環境的信息并反饋出來。這些看似分散的項目，實際上都在為同一個目標服務：生成訓練虛擬細胞所需的多模態數據。

Alex Rives：AI 原生的生物學領袖

CZI 此次重組最重要舉措之一，是任命 Alex Rives 為新的科學負責人。

“這其實挺有意思的，”扎克伯格在播客中說，“我們找的不是一個懂點 AI 的生物學家在領導，而是一個深刻理解生物學的 AI 研究者。這在某種程度上說明了我們認為相對權重應該放在哪里。”

圖丨 Alex Rives（Broad Institute）

Rives 的履歷幾乎完美契合了 CZI 的需求。他在 meta 的基礎 AI 研究實驗室（FAIR）期間，領導開發了 ESM（Evolutionary Scale Modeling）系列模型，這被廣泛認為是首個真正意義上的蛋白質大型語言模型。2019 年發布的 ESM1 模型為整個領域奠定了基礎，后續的 ESM2 模型能夠預測超過 6 億個宏基因組蛋白質的結構。

2023 年 4 月，Rives 和幾位 meta 同事離開公司，創立了 Evolutionary Scale。一年后，他們發布了 ESM3 模型——一個能夠生成全新蛋白質的生成式 AI。在一項實驗中，ESM3 通過“推理鏈”（chain of thought）模擬了 5 億年的進化過程，設計出了一種全新的熒光蛋白。這項工作為 Evolutionary Scale 贏得了 1.42 億美元的種子輪融資，投資方包括前 GitHub CEO Nat Friedman 和風險投資公司 Lux Capital。

Rives 的加入不僅帶來了頂尖的技術能力，更重要的是他對“可編程生物學”（programmable biology）的愿景。在 MIT 的一次演講中，他曾說：“我們的目標是開發能夠直接從序列中提煉生物設計原理的通用模型。”這與 CZI 構建虛擬細胞的戰略高度一致。

值得注意的是，Rives 同時也是 MIT 和 Broad Institute 的教職成員，這種跨界身份將有助于 CZI 與學術界建立更緊密的聯系。而 Evolutionary Scale 團隊的加入，也意味著 CZI 現在擁有了從蛋白質到細胞、從單一模態到多模態的完整 AI 建模能力。

重組背后

CZI 的戰略收縮其實早有預兆。成立之初，這個慈善機構的愿景宏大得驚人：改革美國教育、轉變公共政策、治愈所有疾病。在過去十年間，CZI 累計承諾了超過 70 億美元的資助。但扎克伯格夫婦逐漸意識到，在某些領域，慈善資本的影響力非常有限。

“我們想專注于一些不會每隔幾年就被推翻的事情，”扎克伯格在采訪中坦言。教育改革、住房政策這些領域高度依賴政治環境，投入再多也可能隨著政府換屆而付諸東流。相比之下，基礎科學的進展具有累積性和不可逆性。今天發現的生物學規律，不會因為明天的選舉而失效。

數據也支持了這個判斷。普莉希拉在播客中透露，在 CZI 嘗試的多個方向中，科學研究帶來的回報“遠遠超過”其他領域。這讓他們一次次加碼，直到 Bio Hub 成為 CZI 事實上的核心。

2025 年初，在特朗普就職后，CZI 結束了基于多元化的招聘計劃，裁減了負責多元化倡議的員工。4 月，普莉希拉創辦的一所服務低收入學生的學校因失去資金而關閉。5 月，組織終止了幾乎所有針對當地住房非營利組織的資助。這一系列動作背后，是一個清晰的信號：CZI 正在戰略性撤退，將有限的資源集中到最有把握產生影響的領域。

新的 Bio Hub 架構強調的是“閉環”思維。普莉希拉在播客中詳細解釋了這個概念：當 AI 團隊發現某個模型在特定領域表現不佳時，他們可以直接與實驗團隊溝通，設計新的實驗來生成所需的數據。反過來，實驗產生的豐富元數據又可以反饋到模型訓練中。“這些人需要并肩工作，相互塑造彼此的工作，”她強調，“而不僅僅是寫下規格說明書，然后說‘請交付這個’。”

這種緊密整合在傳統學術機構中很難實現。大學教授們各自為政，跨學科合作往往流于形式。而 Bio Hub 采用的模式——將來自斯坦福、加州大學伯克利分校、加州大學舊金山分校等頂尖機構的研究者集中到同一個物理空間——正是為了打破這種壁壘。

“很多組織問題都可以通過讓兩個團隊坐在一起來解決，”扎克伯格說，“不管組織結構圖是什么樣的，你們就坐在一起，直到把事情做成。”

從虛擬實驗到精準醫療

虛擬細胞模型的價值不僅在于理解生物學，更在于改變科學研究的經濟學。

普莉希拉用投資的思維框架解釋了這一點：“現在申請科研經費很困難，濕實驗室的工作既昂貴又緩慢。這不僅僅是錢的問題，還有時間。”一個年輕的研究者必須選擇成功率相對較高的項目，以確保發表論文、獲得終身教職。這種激勵機制天然地讓科學家規避風險。

但如果有了高質量的虛擬細胞模型，研究者可以先在計算機上進行實驗，測試那些在傳統框架下“太冒險”的想法。只有當虛擬實驗顯示出前景時，才投入昂貴的實驗室資源。“你不需要 100％ 的準確度就能產生價值，”普莉希拉說，“只要能得到方向性的信號，就能大大提高效率。”

這種思路也在重塑藥物研發的邏輯。傳統上，我們把患者按年齡、種族、病癥分組，然后試探性地嘗試不同藥物。但每個人的生物學其實都是獨特的——即便是同樣被診斷為高血壓或抑郁癥的患者，其細胞層面的問題可能完全不同。

“我們真的應該把大多數疾病視為罕見病，”普莉希拉說，“因為每個人的生物學都不同。”單細胞轉錄組學讓研究者能夠追蹤一個基因突變如何影響下游的細胞群體，哪些蛋白質表達異常，從而精確識別藥物靶點。更重要的是，這種方法還能預測脫靶效應，因為你知道這個藥物還會與身體其他部位的什么分子相互作用。

a16z 的投資組合中已經有創業公司在使用 CELLxGENE 的數據。有一家公司研究特發性肺纖維化（Idiopathic Pulmonary Fibrosis，IPF），“特發性”即意味著我們不知道其病因。研究者使用 CELLxGENE 分析了數百萬個細胞，對比患者和健康人的成纖維細胞基因表達，試圖找到新的藥物靶點。這種工作在幾年前根本無法想象。

圖丨CELLxGENE（CZI）

CZI 也在努力降低使用這些工具的門檻。CELLxGENE 的用戶界面被刻意設計得不需要深厚的計算背景，讓來自不同領域的研究者都能參與進來。2024 年 12 月，CZI 發布了 AI Cell Models Platform（AI 細胞模型平臺），為每個模型配備了即用型的 Jupyter notebook，生物學家可以快速上手，無需復雜的調試。

此外，他們也在推進計算資源的共享。傳統上，單個實驗室可能擁有幾十個 GPU。而 CZI 建立了一個擁有 1000 個 GPU 的集群，并計劃擴展到 1 萬個。這種規模的計算能力讓研究者可以提出全新類型的科學問題。CZI 還啟動了“駐留科學家”計劃，邀請外部研究者申請使用這些資源，以換取數據和模型的開源共享。

生物學的“可編程”未來

在播客的最后，普莉希拉分享了她最近十年來的一個感受。過去十年，她一直羨慕營利性公司的創始人，因為市場會給出清晰的反饋。無論是私人估值還是股價，都能告訴你是否做對了。而慈善事業充滿模糊性，你很難知道自己是否真的在產生影響。

“但現在十年過去了，”她說，“我們不僅實現了當初承諾的目標，實際產出甚至超出了預期。這是一個我可以抓住的信號。”

這個信號包括：Cell Atlas 從最初的幾個實驗室擴展到全球協作，75％ 的數據來自外部貢獻；CELLxGENE 成為近 1 億個細胞數據的標準化平臺；TranscriptFormer 等模型在沒有標注數據的情況下就能識別細胞類型和疾病狀態；數十家生物技術公司和制藥巨頭正在使用這些工具進行藥物研發。

但扎克伯格也很清楚 CZI 的定位。“我們有客戶，這對于慈善機構來說還挺厲害的，”他笑著說。Bio Hub 的“客戶”是全球的科學家、創業者、制藥公司，或者說，任何想要理解和操縱生物學的人。CZI 的角色是加速基礎科學，而不是做藥物開發本身。

“從加速基礎科學，到資助許多人使用這些工具，再到生物技術公司開始研發新療法，然后是制藥公司大規模生產，最后是慈善機構在公共衛生端將療法推廣到全世界，”扎克伯格描繪了一條完整的鏈條，“這是一個巨大的生態系統，而我們在其中找到了一個獨特的位置。”

這個位置正是工具建設者。在 AlphaFold 這樣的突破性工作誕生幾年后，CZI 相信還有大量類似的工具等待被創造。而隨著 AI 能力的指數級增長，這些工具將讓“治愈所有疾病”從一個瘋狂的目標變成一個可信的路線圖。

“生物學界認為這太過激進，AI 界認為這太過無聊會自動發生，”扎克伯格總結道，“答案就在中間的某個地方，而這正是需要被連接的。”

從一個“不可能完成”的宏大愿景，到一個清晰聚焦的科學引擎，CZI 用了十年時間找到了自己的節奏。在 AI 重塑一切的時代，扎克伯格夫婦押注的不是通用人工智能或商業帝國，而是一個更基礎的命題：如果我們真正理解了細胞如何工作，我們就能重新編程生物學本身。這個愿景聽起來依然瘋狂，但現在，至少科學家們愿意正視他們了。

參考資料：

1.https://www.youtube.com/watch?v=YnV8pgHtO5Y

2.https://www.nytimes.com/2025/11/06/technology/zuckerberg-chan-initiative-biohub.html?unlocked_article_code=1.zE8.14lC.J7ztKByGv7wm&smid=url-share

運營/排版：何晨龍