访谈摘要：Mark Zuckerberg & Priscilla Chan
关于CZI、AI与生物科学的未来

• CZI目标: CZI (陈-扎克伯格倡议) 的宏大目标是在本世纪末治愈、预防或管理所有疾病。这个目标最初提出时，曾让许多科学家觉得难以置信。
• Priscilla Chan: 作为一名儿科医生，她亲身经历了很多疾病无法诊断、无法治疗的困境。这促使她认识到，推动医学进步的根本动力来自于对基础科学的深入探索，这也是她投身于此的“希望管道 (pipeline of hope)”。
• Mark Zuckerberg: 他认为，AI技术将为生物科学领域带来巨大的杠杆效应。当生物学家认为目标“过于疯狂”而AI专家认为“必然发生”时，CZI的定位就是在这两者之间架起桥梁。

• 核心理念: 科学史上的重大突破，往往源于新工具的发明（如显微镜）。CZI的策略不是资助下一个科研项目，而是构建能加速整个科学领域发展的工具。
• 战略定位: 传统的政府科研经费（如NIH）通常是小额、短期的，难以支持耗时10-15年、耗资数亿美元的大型工具开发项目。CZI正是要填补这一空白。
• 慈善模式: CZI作为一家“运营型慈善机构 (operating philanthropy)”，亲身投入开发，并将成果开源，赋能所有科学家、初创公司和研究者，而不追求直接的商业回报或署名权。

• 定义: Biohub是CZI慈善事业的核心，是实体化的科研中心，旨在将前沿生物学 (frontier biology) 与前沿AI (frontier AI) 结合。
• 网络布局:
  • 旧金山 (San Francisco): 专注于深度成像 (deep imaging) 和转录组学 (transcriptomics)。
  • 芝加哥 (Chicago): 专注于组织 (tissues) 构建和组织内细胞通讯研究。
  • 纽约 (New York): 专注于细胞工程 (cell engineering)，开发能够感知和报告体内信号的细胞。
• 合作模式: 每个Biohub都与顶尖大学（如UCSF、斯坦福、伯克利等）合作，打破机构壁垒，鼓励跨学科、跨机构的科学家并肩工作。

• 项目起源: CZI最初的目标是构建一个生物学的“元素周期表”——人类细胞图谱 (Human Cell Atlas)。
• 意外的工具: 在资助单细胞测序研究时，发现科学家的工作瓶颈是数据标注。为此，CZI开发了一款内部标注工具 (annotation tool)，这就是 "Cell by Gene" 的雏形。
• 网络效应: 由于该工具简单易用且标准化，迅速被科学界广泛采用。这导致了一个强大的网络效应：研究者不仅使用工具，还主动将他们的数据贡献回平台，共同构建图谱。
• 社区力量: 目前细胞图谱中75%的数据来自外部社区的贡献，远超CZI自己资助的25%，证明了开放工具的巨大价值。

• 核心概念: 构建细胞的动态数字模型，使其成为“新的果蝇”，让科学家可以在计算机上（in silico）进行实验，模拟生物过程。
• 主要用途:
  • 在进行昂贵且耗时的湿实验室 (wet lab) 实验前，低成本地验证和筛选高风险的科学假设。
  • 支持精准医疗，预测特定基因变异（如VUS，意义不明的变异）对细胞功能的影响及药物的潜在脱靶效应。
• 技术路径: 采用层级化建模 (hierarchical approach) 的方法，从基础的蛋白质模型（如Evolutionary Scale的工作），逐步构建到细胞器、完整细胞，最终到虚拟免疫系统等复杂系统。
• 模型类型: 正在开发多种AI模型，包括预测CRISPR编辑后果的VariantFormer、生成合成细胞数据的扩散模型，以及早期探索中的生物学推理模型 (reasoning model)。

• 组织整合: 宣布将所有科学项目整合，由AI蛋白质折叠领域的先驱Alex Rives统一领导。这标志着AI将在CZI的科学战略中扮演更核心的角色。
• 战略聚焦: 经过十年探索，CZI决定将主要资源和精力“加倍下注”在科学研究上，尤其是Biohub项目，因其被证明是影响力最大的领域。
• 新“实验室空间”: 未来的扩张重点将是计算资源而非物理空间。CZI正在构建拥有数千乃至上万个GPU的大规模计算集群，并计划向外部科学家开放。
• 加速愿景: Mark Zuckerberg相信，借助AI的飞速发展，治愈所有疾病的世纪目标有望“显著提前”实现。

在成立近十年之际，陈-扎克伯格倡议 (CZI) 明确了其未来方向：以构建开源工具和平台为核心战略，深度融合前沿AI与前沿生物学，全力加速实现“在本世纪末治愈、预防或管理所有疾病”的宏大使命。

CZI的独特之处在于其“运营型慈善”模式。它并非传统的资金捐助者，而是一个积极的建设者。通过建立CZ Biohub这一跨机构、跨学科的实体研究网络，CZI旨在解决传统科研体系中存在的资金短期化、研究分散化和合作壁垒化等痛点。

从意外成功的Cell by Gene细胞图谱平台，到未来极具潜力的虚拟细胞模型，CZI的实践展示了一条清晰的路径：首先，识别并解决科学研究流程中的核心瓶颈（如数据标注）；其次，开发标准化的、易于使用的开源工具；最后，利用工具吸引社区参与，形成数据和创新的正向飞轮。

展望未来，CZI正将其组织、资源和领导力全面向AI聚焦，将大规模计算集群视为新的“实验室”，并坚信这种“AI + 生物学”的深度融合，将是开启下一轮生命科学革命、并最终攻克人类顽疾的关键钥匙。