2026-07-30
两位 Weizmann 学者在 Cell 撰文,反驳「堆算力就能造出通用生物模型」:生命是涌现的,无法从零件反推,生物 AI 应改做锚定经典生物过程、带跨尺度机制的世界模型。
过去几年,AI 在生物学里拿下了一连串硬仗。AlphaFold 把蛋白质结构预测从难题变成日常工具;Evo 2 把整个基因组的建模和设计推到了所有生命域;AlphaGenome 预测调控区变异的效应;再加上一大类在单细胞转录组上跑的 transformer,以及 Human Cell Atlas 团队想统一的「基础模型」。顺着这条线,学界开始畅想更大的东西:用越来越大的模型、越来越多的数据,造出一个「通用生物模型」,乃至一个能模拟整个细胞的「虚拟细胞」(virtual cell)。
这篇 Cell 观点文章(perspective)泼的就是这盆冷水。作者是 Weizmann 科学院的 Yonatan Stelzer(分子细胞生物学)和 Amos Tanay(计算机科学与应用数学,兼分子细胞生物学)。他们的反命题很直接:再大的模型、再多的数据,也造不出一个真正能读懂生命的通用生物模型,因为生命不是一堆零件的总和。
这是个真问题,不只是哲学家的事。它直接关系到现在每年砸进生物 AI 的算力和数据该往哪儿投。
这是一篇观点文章,没有实验,也没有 benchmark。本篇全文在 Cell 付费墙后,公开可见的是摘要和参考文献。下面这个论点结构,是结合摘要、关键词和它引用的文献重建出来的。
论证锚在两块经典思想基石上。一块是物理学家 Anderson 1972 年的名文《More is different》(多即不同):复杂系统的行为不能从其组成部分的规律里推导出来,新尺度上会涌现出全新的规律。另一块是进化生物学家 Mayr 的立场:生物系统是演化历史塑造的、充满偶然性(contingency),没有一套像物理定律那样普适的规律能把它从头算出来。
把这两块拼起来,作者的意思是:AlphaFold 解决的是「零件」层级的问题(单个蛋白质折叠成什么形状),这种还原论式的任务适合大模型;一旦问题升到细胞、组织、发育过程这种尺度,行为是从相互作用和时间中涌现出来的,把所有零件的清单和序列喂给一个更大的模型,并不能反推出整体。他们给现在的路线起了一个批评名:explanatory reductionism(解释性还原论),即用更低尺度的机制去解释更高尺度的现象。
他们要的正面方向,从关键词和引用看,是把 AI 锚定到「经典的(canonical)生物过程」上,造出带跨尺度机制连接的数据驱动「世界模型」(world models),让分子、细胞、以及它们在空间和时间里的动态有显式的机制链条串起来,不做成端到端黑箱。参考文献里他们自己关于原肠胚(gastrulation)的时空建模工作,就是这个主张的样板。
观点文章没有可量化的结果。论文里没有跑任何对照实验,也没有给出某个模型在某项生物任务上的数字。
严格说,这篇文章交付的是判断和议程,不是实验结论:通用生物模型这条路走不通,生物 AI 的资源应该转向过程化、机制化、跨尺度的世界模型。它没有跟 AlphaFold 或虚拟细胞计划做正面数字对照。这点要讲明白,免得读者误以为这是一篇实证比较。
对 AI4Science 从业者,这篇要停下来想一想。它没有否定 AlphaFold 这类成就;它否定的是「把这条成功路线无限外推」这件事。现在生物 AI 的主流叙事是「更多数据加更大模型」,跟语言模型的 scaling law 同构。这篇在 Cell 这种顶级生物刊物上说:对生物,这套范式在涌现和演化主导的尺度上会撞墙。
实际意义在路线选择。做的是序列层面、目标明确的任务(结构、调控效应、变异预测),大模型还会继续有用;做的是细胞行为、发育、疾病过程这种动态系统,这篇的观点是光堆算力不够,得先把机制结构嵌进模型。它把生物 AI 的研究议程,从「造更大的通用模型」往「为具体生物过程定制机制模型」推了一把。
最大的局限来自文章形式本身:它是观点文章,不是证明。它没有拿出一个按自己主张造出来的世界模型,然后用实验显示它比通用大模型更好。所以「世界模型路线优于通用模型路线」目前还是主张,不是被验证过的结论。
第二,本篇全文未取到(Cell 付费墙,Europe PMC 与 PubMed Central 均无开放版本)。上面关于正面方案(经典过程、跨尺度机制、世界模型)的具体设计,都来自公开的摘要、关键词和参考文献;正文里更细的论证和案例公开材料看不到。读者若要照着做,得回原文。
第三,作为从业者读下来一个存疑点:作者把矛头指向「解释性还原论」,但他们正面提议的「世界模型」具体怎么落地、怎么避免又变成另一种形式的黑箱,公开材料说得不透。一个反对黑箱 scaling 的纲领,替代方案在工程上不够具体,容易被当成又一次「呼吁」,落不到可执行的路线。