英伟达CEO：生物学的ChatGPT时刻即将到来

张春涛

【英伟达CEO：生物学的ChatGPT时刻即将到来】


快速阅读：英伟达CEO Jensen Huang称生物学AI革命即将到来，但遭遇大量质疑。与此同时，AI在医疗领域已取得实质进展：DeepRare系统诊断罕见病准确率达64.4%，超过资深医生的54.6%；72%的美国医生已在工作中使用AI。争议焦点在于：这是真正的突破还是又一轮融资造势？

---

Jensen Huang站在镜头前，用他标志性的皮夹克和自信语调宣告：“生物学的ChatGPT时刻就在眼前，可能是2-3年，也许5年。”

Reddit上炸开了锅。“又是一个卖铲子的在吹牛。”有人这样评论。这位评论者说出了很多人的心声——Jensen毕竟不是生物学家，他的公司靠卖GPU赚钱。更讽刺的是，OP在标题里把Jensen说的“near”（临近）改成了“here”（已经到来），这种细微的篡改恰恰暴露了当下AI领域的集体焦虑。

一位分子生物学家直言不讳：“AlphaFold确实令人印象深刻，但这些CEO的过度炒作已经到了可笑的程度。”另一位资深肺科医生承认AI确实能像他一样快速发现肺炎，但语气里透着一种复杂的情绪——既不是恐惧，也不是兴奋，更像是目睹同事被悄悄替换时的无力感。

有网友提到了那个澳大利亚企业家的故事。他用ChatGPT和AlphaFold，在研究人员帮助下，为患癌的狗定制了mRNA疫苗。几周后肿瘤明显缩小。这个案例被反复引用，却也恰恰说明了问题：这不是AI的独角戏，而是“AI+人类专家”的协作。去掉任何一方，故事都不成立。

真正值得关注的数据埋在评论深处。Nature发表的DeepRare系统，通过多智能体架构处理罕见病诊断，准确率64.4%，击败了五位拥有10年以上经验的医生（54.6%）。72%的美国医生已在工作中使用AI，2026年平均每位医生使用2.3个AI工具，而2023年这个数字还是1.1。微软的GigaTIME模型分析了14256名癌症患者，发现了1234个统计学显著关联。

这些进展是实实在在的。但距离Jensen描述的“理解生物学的基本构建块”还有多远？一位生物学教授的评论击中要害：“我们几十年前就理解了这些构建块。有些过程我们了如指掌，有些依然一无所知。AI能加速现有流程，这不是新闻。”

有观点认为，反对AI的声音主要来自西方，亚洲对AI更乐观。但数据显示，52%的美国人对AI的担忧多于兴奋。这种情绪并非无缘无故。当Jensen承诺AI将“让生活更美好”时，普通人看到的是：电费上涨、工作岗位消失、而那些万亿美元投资并未转化为他们能感知的生活改善。

2008年金融危机的阴影仍未散去。有评论者警告：“公司会为了短期利益毁掉整个经济，2008已经证明了这点。”如果AI足够快地取代大量工作，而新行业无法及时吸纳劳动力，结果可能是工资竞相压价，服务业崩溃，形成负反馈循环。

Jensen的问题不在于他说错了什么，而在于他说得太模糊。“理解生物学”是什么意思？AlphaFold能预测蛋白质结构，但蛋白质动力学是另一回事。一个分子生物学家的比喻很形象：“知道零件的形状，不等于知道机器如何运转。”

ChatGPT是全球第五大访问量网站，这是事实。但“ChatGPT时刻”究竟指什么？是技术突破、商业成功，还是公众认知的转变？对生物学来说，这三者可能发生在完全不同的时间点。实验室里的突破需要年复一年的临床验证才能变成可用的疗法，这个过程无法像软件迭代那样压缩。

一位研究者的观点值得深思：“LLM在发现阶段会非常有用。但从AI生成的假设到可上市的药物，仍需要多年的实验室和临床分析。研究人员获得收益和新疗法大规模出现之间会有时间差。”

最耐人寻味的是那些被算法推到评论区底部的声音。有人提到Michael Levin，一位在生物电反馈领域工作的科学家，他的团队用AI设计了一种叫Xenobot的生命体，完全没有编辑基因。这种不那么性感、更踏实的进展，反而可能更接近真正的革命。

Jensen可能是对的。生物学确实在经历深刻变革。但革命往往发生在无人注意的角落，而不是镁光灯下。当所有人盯着“ChatGPT时刻”何时到来时，真正的改变可能已经在某个实验室的培养皿里悄然发生了。

ref: www.reddit.com/r/singularity/com ... ment_of_biology_is/


##