斯坦福搞出的 Biomni，看起來像個無所不能的科研“瑞士軍刀”，但要說它能獨立完成所有研究，我還是先泡杯咖啡冷靜一下。
- 野心巨大：Biomni 的目標不是解決某個單一問題，而是要打造一個能跨越 25 個生物醫(yī)學子領(lǐng)域、執(zhí)行從數(shù)據(jù)分析到實驗設(shè)計全流程的通用型 AI。
- 架構(gòu)聰明：它把一個強大的 LLM 推理大腦（Biomni-A1）和一個包含 150 個工具、59 個數(shù)據(jù)庫的“豪華工具箱”（Biomni-E1）結(jié)合起來，讓 AI 不僅能“思考”，還能“動手”。
- 結(jié)果驚人，但現(xiàn)實復雜：在標準測試中，它的表現(xiàn)媲美甚至超越人類專家，但在真實、充滿意外和噪音的研發(fā)世界里，它的泛化能力才是真正的考驗。
又是一個無聊的下午, 我對著滿屏的文獻、跑了一半的實驗數(shù)據(jù)和寫了一半的代碼，感覺腦子快燒了。生物醫(yī)學研究這活兒，就是這樣，數(shù)據(jù)像洪水，文獻像海洋，實驗流程又臭又長，一個人恨不得劈成八瓣用。
就在這時，我看到了斯坦福 Jure Leskovec 團隊的這篇新預印本——Biomni。標題口氣大得嚇人：“一個通用生物醫(yī)學 AI 智能體”。又一個 AI 想“顛覆”我們這個行業(yè)。
研究者總共干了兩件事。第一，他們建了個叫 Biomni-E1 的“豪華游樂場”。這里面塞滿了我們搞研究能用到的一切：150 個專業(yè)工具，105 個軟件包，59 個核心數(shù)據(jù)庫，橫跨基因組學、蛋白質(zhì)組學、藥物發(fā)現(xiàn)等 25 個領(lǐng)域。這就像給一個實習生配齊了全世界最頂級的實驗室，而且所有儀器都聯(lián)網(wǎng)了。
第二，他們訓練了一個叫 Biomni-A1 的“超級大腦”。這個大腦基于大語言模型，但又不止于此。它懂得如何檢索信息，如何規(guī)劃步驟，最關(guān)鍵的是，它能寫代碼去調(diào)用“游樂場”里那些工具來完成任務。它不是跟你聊天，它是直接上手干活。
效果怎么樣？論文里的數(shù)據(jù)很亮眼。在數(shù)據(jù)庫問答（LAB-Bench DbQA）上，74.4% 的準確率，跟人類專家（74.7%）打個平手。在序列分析（SeqQA）上，81.9% 的準確率，甚至把人類專家（78.8%）甩在了后面。他們還扔給它 8 個真實的科研任務，比如分析幾百份可穿戴設(shè)備數(shù)據(jù)、處理幾十萬個單細胞測序數(shù)據(jù)，結(jié)果性能比基礎(chǔ) LLM 提升了 4 倍。
看到這種結(jié)果，我的第一反應是：真的假的？我們都知道，基準測試畢竟是封閉問題，有標準答案。真正的科研，一大半時間都在定義問題，以及處理那些教科書上沒寫的爛攤子。比如，Biomni 能分析 30 個參與者的 458 個可穿戴設(shè)備文件，這很酷。但如果其中一個參與者的數(shù)據(jù)格式錯了，或者傳感器中途沒電了，它能像一個經(jīng)驗豐富的博士后那樣，敏銳地發(fā)現(xiàn)問題并找到解決方案嗎？我對此持保留意見。
所以，這玩意兒能取代“生物醫(yī)藥民工”嗎？短期內(nèi)，別想了。
但它可能是我夢寐以求的終極科研助理。想象一下，我只需要用自然語言下個指令：“嘿，Biomni，把上周跑的那個激酶抑制劑篩選數(shù)據(jù)里所有活性小于 100nM 的化合物挑出來，做個結(jié)構(gòu)聚類，然后跟 PDB 數(shù)據(jù)庫里所有同靶點(含已知配體)的結(jié)構(gòu)做個對接，順便幫我設(shè)計一下下一步合成的路線?！比缓笪揖腿ズ瓤Х龋貋韴蟾婢蜕闪?。這場景，想想都覺得帶勁。它能把我們從大量重復、繁瑣的“操作性”工作中解放出來，讓我們專注于真正需要創(chuàng)造力和洞察力的“思考性”工作。
真正的挑戰(zhàn)在于，科研充滿了“意外”。移液槍頭堵了，細胞狀態(tài)不對，試劑批次有問題，服務器突然宕機……這些充滿了人類經(jīng)驗和直覺的“know-how”，AI 能學到嗎？
尤其是在濕實驗設(shè)計上，看到它能設(shè)計出經(jīng)過驗證的分子克隆方案，我一邊感嘆后生可畏，一邊默默檢查了一下自己的飯碗。
還好，暫時還端得住, 我想是吧。
??Paper: https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1
