400 个模型、6400 次评估：单细胞基础模型缺乏数据 scaling law

sebkrier · x · 2026-11-14

一项新研究给"AI 将解决生物学"的热情泼冷水：研究者在 2220 万个细胞的语料上预训练了 400 个模型，做了 6400 次评估，发现当前单细胞基础模型方法往往在训练数据规模较小时就进入平台期，没有表现出类似语言模型的清晰数据 scaling law。

这意味着单纯收集更多同质化的单细胞数据并非解法；更关键的是覆盖更多样的生物状态、条件、扰动和相关终点。生物学的涌现性和异质性决定了只在一个层级堆数据，不足以支撑基础模型和药物设计——需要的是"相关"数据而非单纯的大数据。