自主实验室将如何改变科学研究——Ginkgo Bioworks的Jason Kelly
摘要
Jason Kelly是Ginkgo Bioworks的创始人兼CEO，这家公司自2008年创立以来一直致力于"让生物学变得可编程"。在本期节目中，Kelly分享了一个革命性的观点：AI将不仅改变生物设计，更将彻底改变科学的实验方式本身。
传统的互联网、社交媒体等技术革命对生物技术和生物制药（biopharma）几乎没有实质性影响——它们只是让沟通稍微改善了一点，属于"后台IT琐事"。但AI不同：推理模型（reasoning model）可以设计实验、运行实验、分析数据并迭代假设，当它与机器人实验室（robotic lab）结合时，就构成了一个"自主实验室"。
Kelly透露了Ginkgo与OpenAI合作的最新成果：在一个无细胞蛋白质合成（cell-free synthesis）的优化任务中，AI模型在六轮实验后超越了斯坦福大学发表的最优结果40%。但这不仅仅是关于AI的聪明程度——Kelly认为，即使AI比人类科学家更"笨"，它仍然会赢，因为它可以24/7运行实验、即时共享所有原始数据，并将研究经费的90%直接投入到试剂（reagents）上而非实验室的间接成本上。他坚信，这将颠覆我们所知的科学研究方式。
正文
让生物学变得可编程
Ginkgo Bioworks的使命始终是"让生物学更容易工程化"。Kelly用计算机科学的类比来解释：DNA本身就是代码——A、T、C、G四个字母，而非0和1。细胞是"可编程的"，但与计算机只移动信息不同，细胞移动的是原子。如果你能设计DNA代码，你就能编程细胞来做任何事。
然而，挑战在于我们今天的"编程"能力非常糟糕。Ginkgo采用了两条腿走路的策略：一是如何让实验室工作更便宜——因为如果你想要更好地设计生物学，你需要做更多的实验，更快且成本更低；二是如何提高设计本身的质量——即你选择在实验室中测试的设计，如何提高它成功的几率。
从两端发力到专注一端
在过去两年中，Kelly做出了一个重大战略转变：停止在"设计"端的工作。"设计细胞非常困难。我们要去解决这半部分的问题——如何让它更便宜更快地在实验室中做实验。"
这背后的逻辑是：设计是一个"科学问题"——不可预测，如果做对了则回报巨大；而实验自动化是一个"工程问题"——你最终可以把它"碾成灰烬"。在Ginkgo当前的资源配置下，Kelly选择全力攻克工程问题。
与此同时，设计端的生态系统正在蓬勃发展——Chai Bio等公司推出了蛋白质模型，Arc Institute刚刚发布了EVO 2基因组模型。Kelly乐于看到这个社区不断壮大。
与OpenAI的合作：AI科学家的首次实战
Ginkgo与OpenAI合作完成了一个引人注目的实验：将一个推理模型接入机器人实验室，让它自主设计和运行生物化学实验。
具体来说，这个实验针对的是一个叫做"无细胞蛋白质合成"（cell-free protein synthesis）的问题。简单来说，科学家把细胞打开，取出内部的"细胞器"，放入试管中，然后加入DNA——因为这些细胞器仍然存在，它们会制造出对应的蛋白质。
斯坦福大学Mike Jewett实验室在2024年8月发表了一篇论文，设定了这个任务的最优基准。Ginkgo-OpenAI团队让AI模型来优化这个过程：每轮运行384孔板（每个孔是一个微型实验），共30,000个实验。AI获得数据后，设计下一轮实验。六轮之后，结果比最优基准提高了40%。
为什么AI科学家注定会赢
Kelly认为这个结果的意义远超单个实验的成功。他描述了AI科学家相对于人类科学家的两个"不公平优势"：
信息共享：今天，三个实验室同时在研究阿尔茨海默症，各自持有不同的假说，各自收集一两年的数据，最后各自发表论文——而且只能看到别人精炼后的结论，看不到所有原始实验数据。而在AI模式下，100个AI科学家每天都会互相传递实验方案和原始数据。你的失败实验数据可能对我的假说至关重要，而这在传统模式下我从来看不到。
效率：在生物制药行业每年600-800亿美元或NIH每年400亿美元的科研经费中，只有不到5%用于试剂消耗——绝大多数花在了间接成本上：实验室空间、人员、监管等。如果一个AI科学家能够以90%的经费直接用于试剂的方式运行实验，那么每美元产生的数据量将提升10倍。
"即使AI比科学家更笨，我仍然认为它们会赢。我真的这么认为。"Kelly总结道。
科学研究的范式转变
Kelly认为，这次与以往所有技术革命截然不同。互联网、社交媒体——这些对于生物制药行业来说只是"后台IT琐事"。而AI的能力——处理信息而非仅仅分发信息——将真正改变科学的根本运作方式。
他主张NIH应该改变科研经费的拨款方式：不再以"间接成本"和"人头"为基础，而以试剂消耗为基础——这才是"科学的使用量定价"（usage-based pricing of science）。
展望未来，Kelly描绘了一个"100个AI科学家加一个机器人实验室"的图景——每周产生一份迷你论文，人类科学家可以阅读、引导、调整方向。这不再是科幻，而是正在发生的现实。