祖克柏投 5 億美元做生物學 AI，為什麼堅持不賺錢？

本文整理自《No Priors》2026 年 6 月播出的單集。

{{< youtube u8cYwaLzN-k >}}

---

馬克．祖克柏（Mark Zuckerberg）打造了全球最大的社群平台，經營著年營收破千億美元的 Meta。他太太普莉希拉．陳（Priscilla Chan）曾在舊金山加州大學（UCSF）行醫。這對夫婦十年前立下「在本世紀結束前治癒、預防、管理所有疾病」的目標，被諾貝爾獎得主笑過一輪之後，不但沒有縮手，反而加碼到 5 億美元，把陳-祖克柏倡議（CZI）的慈善重心全押在一個叫 Biohub 的計畫上。更耐人尋味的是，他們從頭到尾都不打算靠這個賺錢。

在最近一集 No Priors Podcast 裡，主持人 Sarah Guo 直接問祖克柏：你有建造商業帝國的經驗，為什麼不把 Biohub 做成一家公司？祖克柏的回答很坦率：「我不覺得做成公司是不可能的。但我認為用開源方式把工具盡快送到更多科學家手中，產生的影響會更大。」他接著解釋，非營利架構的好處是「簡化策略」，不用分心去想怎麼從模型和工具裡榨出營收，專心做好東西然後釋出就好。

這不是空口白話。Biohub 五月底發布的 ESMFold2，是一個完全開源、不限商業用途的蛋白質世界模型。任何科學家、任何生技公司都可以拿去設計蛋白質和抗體，不必付 Biohub 半毛錢。在 Recursion Pharmaceuticals、Isomorphic Labs 等商業公司紛紛把生物學 AI 當成核心資產鎖起來的年代，祖克柏選了一條完全相反的路。

生物學 AI 的獨特困境：你買不到訓練資料

祖克柏在訪談中點出一個很容易被忽略的事實：對生物學 AI 來說，資料比算力更難搞。

訓練 ChatGPT 或 Claude 這類語言模型，網路上有海量文字可以抓。但生物學完全不是這樣。「不是說某個地方有一座工廠，你付錢就能量產資料，」祖克柏說，「你必須發明全新的科學方法，才能取得這些數據。」這句話的分量不小。它意味著光砸錢買 GPU 叢集解決不了問題，你需要先「發明」資料的來源。Biohub 在紐約的實驗室專攻細胞工程，開發記錄體內活動的新型工具；芝加哥的實驗室則在打造前所未見的發炎反應測量裝置；舊金山的實驗室用透明斑馬魚做全身影像追蹤。這些實驗產生的數據，在網路上找不到，花錢也買不到。

這直接解釋了為什麼 Biohub 需要同時擁有 AI 團隊和濕實驗室。在語言模型的世界裡，你可以用資本換取算力和資料；在生物學的世界裡，你得先發明新的實驗方法才能產生新的資料集，然後用這些資料集去訓練新的模型。祖克柏把這稱為「前沿生物學和前沿 AI 的整合」，兩者缺一不可。他也坦承，生物學模型目前的規模比語言模型小得多，原因不是算力不夠，而是可用的訓練資料量還不夠大。

這個資料瓶頸，反過來也成了非營利策略的另一個論據。產生這些獨特的生物學數據集需要 10 到 15 年的持續投入，過程中充滿科學上的不確定性。傳統生技公司的商業模式很難支撐這種時間尺度。普莉希拉．陳補充了另一個面向：非營利的中性立場能吸引更多人參與。「要理解人類生物學的全貌，你需要整個學術界和生技產業一起動起來，」她說。如果 Biohub 是一家公司，那些研究脊髓性肌肉萎縮症等小眾疾病的科學家可能會被排除在外，因為商業模式不會優先投資利基市場。但把工具開放出來，這些科學家就能自己動手，而他們的發現往往會回頭推動整個領域前進。

從生物學家領軍到 AI 研究者掛帥

Biohub 過去一年最大的變化，不是資金規模，而是領導哲學的根本翻轉。

祖克柏在訪談中講得很直接：「之前 Biohub 的領導者基本上是對科技有興趣的生物學家。現在我們刻意翻轉了這個定位。」他說的是 Alex Rives 的加入。Rives 曾在 Meta FAIR 帶領蛋白質語言模型研究，後來創辦 Evolutionary Scale 並拿到創投資金。但 2025 年底，他做了一個讓業界意外的決定：帶著整個團隊離開自己的公司，加入非營利的 Biohub 擔任科學負責人。

為什麼放棄一家有資金、有團隊的公司？Rives 在節目上的解釋很簡單：「當我理解到他們真正想做的是把前沿 AI 和前沿生物學放在一個緊密的回饋循環裡，而不是一方服務另一方，我就知道這是對的地方。」他認為，預測下一個 token 的系統可以從生物學資料中學習世界模型，就像從語言資料中學習一樣。但要做出劃時代的成果，你不能只有 AI 能力，你也需要頂尖的生物學資料生產能力，而且兩者必須持續互相回饋。商業 AI 實驗室做不到這一點，因為它們沒有濕實驗室。

祖克柏特別點出了團隊穩定性的價值。Rives 帶來的不只是他個人，而是一群長期合作過的研究者。「在這個領域什麼都在快速變動的時候，有一群互相了解、默契好的人，這個優勢被嚴重低估了，」祖克柏觀察。普莉希拉也有感而發：以前 Biohub 的各團隊是「大致朝同一個方向走」，各做各的；現在則是「手臂緊扣，朝同一個目標衝刺」，雖然強度大到有點嚇人，但進展的速度完全不同。

十二個人就夠了

AI 人才市場的搶手程度，圈內人都知道。一個頂尖的 AI 研究員可以同時收到 Meta、Google、OpenAI 和一堆新創的高薪邀約。Biohub 是非營利機構，薪資條件天生就處於劣勢。那它憑什麼搶到人？

祖克柏的答案有點出乎意料。他沒有談薪水，而是談規模。「做 AI 研究，你根本不需要好幾百、好幾千個研究員。十幾個、二十幾個非常厲害的人聚在一起，就能做出世界級的成果。」這句話從一個剛砸下數百億美元擴張 Meta AI 實驗室的人嘴裡說出來，格外值得玩味。它暗示的是，在前沿研究這件事上，團隊的「密度」可能比「人數」更重要。

祖克柏接著點出 Biohub 的真正差異化優勢：「頂尖 AI 研究者非常搶手，他們可以去任何地方。但其他 AI 實驗室沒有的東西，就是前沿生物學。」在 Meta 或 OpenAI 工作，你做的是語言模型；在 Biohub，你用同等級的 AI 能力去解碼生命本身的運作機制。這不是薪水能補償的差距，而是問題本身的吸引力。「我不認為世界上還有其他機構同時在做前沿生物學和前沿 AI，」他直言。

Rives 的說法更乾脆：「我們的使命是治癒和預防疾病。科學家對這件事有很深的驅動力。而且現在這件事看起來真的可以做到了，不再只是口號。」這個微妙的轉變很重要。十年前，「治癒所有疾病」聽起來像天方夜譚。但有了 ESMFold2 這類具體成果，這個使命有了可信度，對頂尖研究者的吸引力自然就不一樣了。

我的觀察

祖克柏的開源生物學策略，和他在 Meta 推動 Llama 開源的邏輯一脈相承，但在生物學領域多了一層更紮實的護城河。語言模型的訓練資料到處都是，開源模型面臨的最大質疑是「你把武器送給了對手」。但生物學模型的訓練資料必須靠自己的實驗室發明和生產，別人拿到你的模型也很難在資料層面追上。開源不會稀釋你的優勢，反而是在幫你建立生態系，讓全世界的科學家幫你跑最後一哩路。

更值得觀察的是人才策略。在每家公司都在用天價搶 AI 研究者的市場裡，Biohub 的差異化武器不是薪水，而是「你在這裡能做到其他地方做不到的事」。前沿生物學就是那個護城河。這讓我想到一個更大的問題：在 AI 時代，最稀缺的資源也許不是算力或資金，而是一個夠獨特、夠有意義、夠吸引頂尖人才願意投入一輩子去解的問題。