科学家的「魔法之手」，能被AI学会吗？

关联

人物 Renee Wigerzen · Bob Safian

公司 Transfer · Ginkgo Bioworks

概念 ARPA-H · 具身知识 · 计算机视觉 · 物理 AI 基础设施 · 前沿 AI 模型 · 自主实验室

美国联邦科研经费正在被大幅削减，科学界一片混乱。Renee Wigerzen 曾是白宫 ARPA-H 研究机构的首任主任，如今和 Ginkgo Bioworks 前AI负责人 Anne-Marie Wagner 联合创办了 Transfer。

她和主持人 Bob Safian 聊了两件事：美国科学的处境有多危险，以及为什么实验室里那些说不出口的手艺，才是AI真正该学的东西。

为什么美国科学输不起？

Renee 开场就说了一句很重的话：今天在美国做科学的人，从来没有经历过美国不领先的时代。

但她认为，这份竞争力、这个领先地位，可能真的会丢掉——而且她没看到美国在用应有的方式去争 。

她的紧迫感很具体。在 ARPA-H 时，她的项目经理任期是3年，她会提醒对方：每过两星期，你的时间就消耗了1%。

她用同样的算法看国家：面对可能的失败，每拖两周，就是1%的时间没了。

联邦经费削减带来的混乱和损失是真实的，她不否认。但她也从危机里看到了一件被忽视已久的事。

科研经费的单一股票问题

Renee 打了个比方：没有人的退休金账户会把90%押在一只股票上，可美国科研经费的来源却高度集中在联邦拨款这一个篮子里 。

这次危机逼着所有人重新思考：大学能不能把自己产出的知识产权变成收入？私人部门能不能更多地参与基础研究？

她说，这种被迫的改变，恰恰让她感到乐观。

实验室里的魔法之手是什么？

《纽约时报》报道她的公司时反复提到一个词：魔法之手。

她解释说，就像家里总有一道菜只有奶奶做得出来，别人照着菜谱做也不对味——科学界也一样，有些科学家就是能一次又一次做出漂亮的结果。

问题在于，这些专家自己都说不清是怎么做到的。

协议上写着混匀细胞，但那位高手是轻轻倒转试管，而另一个人可能用力震荡，直接毁掉样品。

这种具身知识——比如提前把所有试管贴好标签、省下10分钟——从不会被写进论文 。

Transfer 做的事，就是给科学家戴上轻量摄像头，用计算机视觉把实验全程录下来，再用AI去挖掘：到底哪些细节决定了成败。

论文不是终点，是发令枪

一个突破第一次被世界知道，通常是一篇发在 Science 或 Nature 上的论文。

但 Renee 说，论文不是产品，不能商业化，也救不了当天的病人——「那不是句号，那是发令枪」。

ARPA 类机构擅长冲到那个初始突破，但后续能不能落地，没有保证。

传统的科学交接方式是：一个实验室的人到另一个实验室，站在人家肩膀后面看，你这步做得不太对。

Transfer 想用视频把这个过程加速。

这还能省下大量浪费。一个科学家花6小时准备样品，跑完分析才发现结果不对，却不知道哪步出了错，只能整个重来。

有了录像，回看一眼就知道：哦，我漏加了一个孔 。她说，因为这种程序性偏差，人类可能已经丢掉了大量本可拿到的发现。

AI 设计了亿万种药物，然后呢？

大家都在谈AI革命性地设计新药，Renee 说这只是漏斗顶部：

现在可以在计算机里测试几十亿种设计，但我们并没有看到几十亿个新临床试验。

为什么？因为管线的其他部分还是老样子：检测方法在实验室之间的转移没有变快，制造放大也没有变快。

Transfer 要建的，正是她所说的物理AI基础设施，去打通这些瓶颈，让疗法更快到达病人 。

机器人也在她的版图里，但方式出乎意料。她举例：

疫情期间全国很多实验室，操作员把96孔板放反的比例高达两位数——机器人没做错什么，出错的是那个一直没被观察到的人 。

所谓自主实验室里，人类仍是环节的一部分。

被摄像头盯着，科学家愿意吗？

这种做法当然会被质疑是实验室监控。Renee 的回应是：一切以科学家为中心。

设备更轻、续航更长，都是根据科学家的直接反馈改的；录音可以实时记录实验笔记，不用摘手套；

什么时候开始录、停止录，都由科学家自己控制 。

她还发现了一个有趣现象：实验室里的部落行为。

同一家实验室的人，遇到混匀试管这一步，全都用手指弹管壁——因为有人这么带过徒弟。

换到别处，同一份厂商协议，每个人的做法都不一样 。

模型每两周换一次，还得防它编故事

Transfer 不自己造大模型，也不绑定硬件。

他们每周测试各家前沿AI公司的新模型，哪个在任务上表现最好就用哪个，大约每两周就可能换底座。

为了测试模型，他们会故意让操作员改流程：跳过一步、加错试剂，看模型能不能发现 。

即便如此，模型还是会出错——认出了移液器，却把100微升认成200微升。所以每一步都有人工复核，纠正的数据再回头训练模型。

她的逻辑是：硬件会商品化，模型会不断更新，但捕捉科学真实过程的这套数据，才是长期资产。

每个人都有自己的Sputnik 时刻

谈话最后，Renee 回到她念念不忘的历史类比。

苏联发射 Sputnik 卫星，美国毫无防备，艾森豪威尔随即创立了 ARPA（后来的 DARPA），专门防止技术上的措手不及 。

她说，除了国家层面的 Sputnik 时刻，每个普通人也都有——通常是健康相关的。

她自己的那一刻，是母亲被诊断出癌症，全家的生活瞬间停摆。

而现在，她感觉又有什么大事正在酝酿，会在未来20到50年显现。如果上一代的目标是把人从疾病带回健康，下一步呢？

她说不好具体是什么，但「我能尝到那个味道了。我不知道它是什么，但它就在这里」。

本集带走

• 美国科研经费高度依赖联邦拨款这一单一来源，Renee 认为这种模式不可持续，危机也可能倒逼多元化。
• 顶尖科学家的手艺往往说不清、写不下，这类具身知识随着人员流动不断流失。
• 用摄像头和AI完整记录实验过程，能定位失败原因、避免整轮重做，还能加速科学在不同实验室间的转移。
• AI设计药物只是漏斗顶部，检测转移、制造放大等下游环节才是真正的瓶颈。
• Renee 警告：美国可能正在失去二战以来的科学领先地位，而每拖两周，就消耗掉1%的时间。

今天从事科学工作的人中，没有人曾在美国一个我们不是——引用一下，“获胜”的时代从事过科学工作。
Nobody who’s practicing science today has practiced science in the United States in a time where we weren’t, quote unquote, winning.
—— Renee Wigerzen · [01:16]

我们资助科学的方式是不可持续的，对吧？
The way that we fund science is not sustainable, right?
—— Renee Wigerzen · [04:49]

而挑战在于，很多这样的科学家，他们是如此的专业，以至于几乎无法描述自己在做什么。
And the challenge is a lot of those scientists, they’re such an expert, they can hardly describe what they’re doing.
—— Renee Wigerzen · [07:10]

令人失望的是，我们可能因为某种我们没注意到的流程上的差异而丢失了多少发现。
It’s disappointing the amount of discoveries that we probably just lose to some sort of procedural variation that we haven’t picked up on.
—— Renee Wigerzen · [11:40]

今天从事科学的人，没有一个是在美国不“赢”的时代里做过科学的。
Nobody who’s practicing science today has practiced science in the United States in a time where we weren’t, quote unquote, winning.
—— Renee Wigerzen · [26:58]

这就是为什么我乐观。就像我几乎能尝到它的味道。我还不知道它是什么，但它已经在这里了。
That’s why I’m optimistic. Like I can taste it. I don’t know what it is yet, but it’s here.
—— Renee Wigerzen · [29:25]