“Curing All Disease by next century is too conservative" - Mark Zuckerberg

关键观点

1. 01

   使命是加速科学共同体，而非独自治愈疾病

   Biohub将自身定位为基础设施和工具提供者，而不是包办药物研发与疾病治疗的中心机构。它希望通过共享模型、数据和实验方法，让更多科学家更快开展研究。具体疾病的疗法开发和临床“最后一公里”，仍主要由学术团队、生物技术公司及临床机构完成。这种分工把衡量标准从单个药物管线转向整个领域的研究速度与能力提升。

   为什么重要: 这一定位决定了Biohub为何偏向开放源码、通用模型和长期基础研究，而不是围绕少数高回报疾病建立封闭产品。

   支撑证据

   The theory isn't that we're going to cure the diseases. We're not. It's that we want to help accelerate the pace of progress for the whole scientific field.

   Biohub将自身定位为基础设施和工具提供者，而不是包办药物研发与疾病治疗的中心机构。它希望通过共享模型、数据和实验方法，让更多科学家更快开展研究。具体疾病的疗法开发和临床“最后一公里”，仍主…展开观点

   Biohub将自身定位为基础设施和工具提供者，而不是包办药物研发与疾病治疗的中心机构。它希望通过共享模型、数据和实验方法，让更多科学家更快开展研究。具体疾病的疗法开发和临床“最后一公里”，仍主…展开观点收起观点

   Biohub将自身定位为基础设施和工具提供者，而不是包办药物研发与疾病治疗的中心机构。它希望通过共享模型、数据和实验方法，让更多科学家更快开展研究。具体疾病的疗法开发和临床“最后一公里”，仍主要由学术团队、生物技术公司及临床机构完成。这种分工把衡量标准从单个药物管线转向整个领域的研究速度与能力提升。

   为什么重要: 这一定位决定了Biohub为何偏向开放源码、通用模型和长期基础研究，而不是围绕少数高回报疾病建立封闭产品。

   支撑证据

   The theory isn't that we're going to cure the diseases. We're not. It's that we want to help accelerate the pace of progress for the whole scientific field.

2. 02

   AI与实验生物学必须形成数据闭环

   生物学不像语言建模，无法依赖互联网上现成的大规模语料。许多关键现象尚不能被观察或测量，因此训练更强模型之前，必须发明新的成像方法、细胞工程技术和传感设备。实验产生新数据，模型从数据中学习并提出问题，随后实验再验证或补充模型，这构成持续迭代的闭环。Biohub的独特性正是把湿实验室与AI团队视为同一项工程。

   为什么重要: 在这一领域，数据生产能力本身就是核心技术壁垒，算力和模型规模无法单独解决问题。

   支撑证据

   the frontier biology is you need to do real science to advance different biological methods in order to be able to observe the things that create the data that go to the model.

   生物学不像语言建模，无法依赖互联网上现成的大规模语料。许多关键现象尚不能被观察或测量，因此训练更强模型之前，必须发明新的成像方法、细胞工程技术和传感设备。实验产生新数据，模型从数据中学习并提出…展开观点

   生物学不像语言建模，无法依赖互联网上现成的大规模语料。许多关键现象尚不能被观察或测量，因此训练更强模型之前，必须发明新的成像方法、细胞工程技术和传感设备。实验产生新数据，模型从数据中学习并提出…展开观点收起观点

   生物学不像语言建模，无法依赖互联网上现成的大规模语料。许多关键现象尚不能被观察或测量，因此训练更强模型之前，必须发明新的成像方法、细胞工程技术和传感设备。实验产生新数据，模型从数据中学习并提出问题，随后实验再验证或补充模型，这构成持续迭代的闭环。Biohub的独特性正是把湿实验室与AI团队视为同一项工程。

   为什么重要: 在这一领域，数据生产能力本身就是核心技术壁垒，算力和模型规模无法单独解决问题。

   支撑证据

   the frontier biology is you need to do real science to advance different biological methods in order to be able to observe the things that create the data that go to the model.