11月19日的2026新浪新闻探索大会上,华大集团CEO尹烨一场题为《为什么AI干不掉生命科学?》的演讲登上热搜。他的原话很有画面感:AI从下棋、翻译一路干到数学物理,却在生物学面前停住了——地球不会读你的预报,但肿瘤会“读”你的药;你测量地球,地球纹丝不动,你给药,肿瘤可能耐药,病毒可能逃逸,生命的验证昂贵且不可逆。微博
这个判断说中了现象,但只讲“生命更复杂”并没有真正解释卡壳。更实质的原因是:AI在生命科学上卡壳,不是智力不够,而是这个领域没有给AI提供一个便宜、快速、可靠的“对错信号”。 下棋和解题有一个随身裁判,实验生物学几乎给不出这个裁判——而11月密集发布的三场最新评测,第一次把这道落差量化了出来。
差距的根源:裁判在哪,AI就强在哪
过去几年AI在编程和数学上的统治力,来自这些任务的可验证性:围棋有规则,可以自我对弈到无穷;形式化证明可以交给证明器逐行检查;程序能立刻运行、测试、报错。提出一个方案的代价几乎为零,反馈又快又准,模型就能在海量的“尝试—判分”闭环里把自己练出来。
生命科学没有这套闭环。一个分子能不能发挥作用、一种配方是否达到目标,必须制备样品、上机测量,每一轮都消耗真实的时间和材料,结果还会被操作误差和设备状态污染;更麻烦的是研究对象本身会应对你。芝加哥大学教授、沃尔夫化学奖得主何川在今年9月的一次科学家讨论中直言,生命科学不像编程、数学、下围棋那样定量,大量数据和结论并不准确,人的判断在生命科学研究中仍起关键作用。AlphaFold缔造者之一、现任Google DeepMind AI for Science负责人的Pushmeet Kohli也说得更直接:所谓“蛋白质折叠已经解决”,不过是一个更利于传播的说法,功能、动力学、设计仍然是完全开放的问题。知乎知乎
三场“考试”连出:看懂图、跑实验、预测结果,一关比一关难
11月6日,OpenAI与酶设计公司Ligo发布了面向实验室日常工作的评测基准,把凝胶电泳图、菌落平板、显微镜图像和仪器读数等真实实验任务交给AI,考察它能否读懂数据、发现错误、判断证据是否足够。允许模型投入更多推理的条件下,最强模型GPT-6 Astra的平均可用得分是66.7%,上一代GPT-5.6 Sol为43.8%。OpenAI同时承认:分数提高,并不意味着模型已经能在实验室里作出可靠判断。知乎知乎
如果说这项基准考的是“读图”,两天后公布的AISLE(AI科学家的最后大考)考的就是“动手”。评测由律动造物创始人谢童博士发起,联合了全球13个AI for Science前沿实验室。团队把7个大模型接进两处真实的自动化实验室:模型提方案、设备执行、传感器把结果传回、模型再决定下一步,累计完成4079次真实实验。知乎
结果相当难看:最难的一组八组分配方任务,54次运行没有一次达标;实验优化得分最高的模型,在设备悄悄出现移液偏差的三次测试中一次都没能重新达到目标;按“达到目标且全程不越安全红线”的标准,所有模型的安全任务通过率是0%。落差最大的是模拟与现实的对比——同一个模型在数字环境里的优化得分高达90.74分,到了真实设备只剩16.46分。另一模型在干实验里接近满分的96.53分,安全得分只有24.98。汇总之后,没有任何模型能在四个维度全面领先。在OpenAI记录的一项菌落PCR任务里,GPT-6 Astra甚至能区分出两组条带模式,却把实验身份对应错了,最终选错菌落。知乎
11月11日,UniPat AI牵头在arXiv发布了新基准SPU,考的是更前一步的“开工前的判断”:给AI智能体一组还没揭晓结果的真实湿实验,让它自己查资料、写代码、跑计算,预测哪些条件的产率更高。13种智能体配置里,公开集最好的成绩只有0.478(满分1)。知乎
最扎眼的一条结论是:把GPT-6 Astra的推理强度从medium拉满到max,运行时间翻了近5倍,分数并没有变好。论文统计发现,后面大约四分之三的时间基本花在反复修改一份本来还不错的初稿上,改动方向与实测结果的相关性只比乱改略高。智能体们还普遍高估自己:自估的相关系数中位数0.61,实际只有0.49。论文的结论一句话可以概括:瓶颈在科学判断,不在工具执行。三场考试测的不是同一种能力,分数之间不能互相换算,但都指向同一件事——模型在计算机里深信不疑的东西,到了实验台上经常不成立,而且它自己也未必知道不成立。知乎

“干不掉”不等于“用不上”:AI现在的位置是缩小范围
尹烨的演讲容易被读成唱衰AI,他的原话其实是“AI可以大幅赋能医疗”。而AI在生命科学里的真实战绩,恰好呈现出一种清晰分工。
施一公团队找“能不照模板拼出RNA的蛋白”是最近的例子:先靠结构生物学经验画出一张“嫌疑人画像”,再拿AlphaFold预测的约2亿个蛋白质结构去比对,从几十万一路筛到266、29、19,验证第一个就中了——水稻蛋白OS3确实在试管里用零散原料合成了RNA。工业侧同理:Ginkgo Bioworks把GPT-5接入自动化云实验室,六轮迭代测了超过3.6万种无细胞蛋白合成配方,在研究设定的条件下把单位蛋白生产成本较此前最佳基线降低约40%。知乎知乎
这些成功案例的形状值得注意:人给出问题、画像和拍板,AI负责大海捞针。 换句话说,在裁判缺席的地方,判断的责任还得人扛——这正是“干不掉”三个字的准确含义,它针对的是“AI自主闭环做出科学发现”,而不是“AI帮不上忙”。同一场大会上,尹烨还有一个说法与此同构:AI无法完全取代医生,因为医生本身就是一味“药”。微博
巨头在做同一件事:给AI补上裁判
看清了卡点,产业界的动作就有了共同方向:把真实实验变成AI学得动的反馈。10月,仪器巨头丹纳赫宣布在旗下Abcam建设其首个AI自主实验室,计划2027年初规模化运行,随后又与英伟达合作打通“实验结果反馈模型、模型指导下一轮实验”的迭代。知乎
据路透社9月报道,Anthropic已在旧金山湾区设立实体生物实验室,其生命科学负责人直言生物学研究的最终检验仍离不开真实实验,目前的机器人实验仍处于早期、需要人工监督。更早的1月,礼来与英伟达宣布共建AI联合创新实验室,计划5年内最高投入10亿美元;罗氏持续推进“实验室闭环”,模型出候选、实验给反馈、再进入下一轮设计。由前OpenAI和DeepMind研究者创办的Periodic Labs,则专门用自主实验室收集公开文献里缺失的失败数据——“阴性结果”正是模型校准判断最缺的教材。知乎
政策层面,美国2025年11月启动的Genesis Mission计划把超算、AI、联邦科学数据和机器人实验室连成一体,中国“十五五”规划建议也提出以人工智能引领科研范式变革。知乎
接下来值得盯的不是下一个榜单的分数,而是自动化湿实验闭环产生反馈的速度:干实验与湿实验之间90.74对16.46的落差什么时候明显收窄,AI什么时候才配从“强力的假设生成器和筛选器”升级为“自主科学家”。在此之前,对普通读者的两个提醒是:凡宣称AI已能独立完成生物科研突破的说法,都可以先对照这三场评测再判断;而对学生和青年研究者,何川的担忧正在发生——如果年轻人一开始就一路用AI,20年后还能不能产生有创造力的科学家。这也是潘建伟“强烈同意”的担忧:AI目前最能放大的是已有判断力的人,对新手,它省掉的恰恰是长出判断力的那段路。知乎
回到热榜的问题本身。AI下棋赢,是因为棋盘自己会判决;解数学题强,是因为证明自己可检验。生命科学这一仗还没打完,输赢要等实验台学会判决的那一天——在那之前,AI干不掉生命科学,人也不能只用AI。
当前文章无评论,是时候发表评论了