被諾貝爾獎得主嘲笑的願景，十年後為什麼變得「太保守」？

本文整理自《No Priors》2026 年 6 月播出的單集。

{{< youtube u8cYwaLzN-k >}}

---

2016 年，馬克．祖克柏（Mark Zuckerberg）和普莉希拉．陳（Priscilla Chan）宣布了一個聽起來很荒謬的目標：在本世紀結束前治癒、預防、管理所有人類疾病。他們把這個願景帶到一群頂尖科學家面前，包括好幾位諾貝爾獎得主。「他們笑了，」普莉希拉在 No Priors Podcast 的訪談中回憶，語氣平靜但帶著一種「我記得很清楚」的意味。十年後的今天，這對夫婦不但沒有後退，反而把賭注加碼到 5 億美元，而且祖克柏的態度翻轉了。「如果有什麼變化的話，」他在節目中說，「我覺得我們當初設的目標太保守了。」

這不是矽谷式的狂妄。要理解為什麼祖克柏會這樣說，需要看看過去十年裡到底發生了什麼事。

從集郵到工程學

Biohub 最早的大型計畫之一，是一個叫 CellxGene 的開放資料平台。這個專案把全球各地實驗室產生的單細胞基因表現資料，整合成一個統一的、可搜尋的資源庫。當時，這被一些人嘲諷為「集郵」，蒐集一堆資料卻不知道能做什麼。但普莉希拉對這件事有完全不同的看法。她在訪談中把 CellxGene 稱為「從描述性科學走向工程科學的關鍵轉折點」。過去的生物學研究大多是觀察和分類：觀察細胞做了什麼，分類不同的細胞類型。CellxGene 的資料量大到一個程度，讓研究者可以開始問「為什麼」和「如果做了某件事會怎樣」這類工程性質的問題。

這個轉變在 AI 出現之後變得更加鮮明。當 Biohub 的 AI 團隊拿到 CellxGene 的資料去訓練蛋白質語言模型，那些「集郵」來的資料突然成了訓練世界模型的燃料。祖克柏在節目中觀察到一個有趣的模式：Biohub 在 AI 浪潮來臨之前就已經在做這些基礎資料蒐集工作，當 AI 的能力快速成長時，他們手上已經有別人沒有的東西。這不是因為他們預見了 AI 的發展，而是因為他們相信「大規模、開放的科學基礎建設總有一天會有用」。這種耐心，在追求快速回報的矽谷生態裡非常稀少。

普莉希拉補充了另一個面向：CellxGene 的成功不只在於資料本身，而在於它示範了一種新的科學協作模式。因為資料是開放的，全世界的研究者都可以拿去用，而他們的研究成果又會回饋到更大的知識庫裡。這種正向循環是封閉式研究做不到的。「我們不需要自己解決所有問題，」她說，「我們需要的是讓所有人都有能力去解決問題。」

把每個人當成獨立個體來治療

普莉希拉．陳在訪談中描述了一個聽起來簡單但意義深遠的願景：把每個病人當成一個獨一無二的個體來理解和治療，而不是把他們歸類到某個疾病類別裡。

「你走進醫院，你不應該只是一個『乳癌患者』或『糖尿病患者』，」她解釋，「你是一個有著獨特基因組合、獨特生活史、獨特環境暴露的個體。你的疾病和別人的『同一種』疾病，在分子層面上可能完全不同。」這個觀點在醫學界不算新，精準醫療的概念已經被討論多年。但普莉希拉把它和 Biohub 的 AI 願景連結起來：如果你能建出一個夠好的虛擬細胞模型，理論上你可以用病人自己的基因資料去模擬他的細胞對不同治療的反應，在真正用藥之前就預測哪種方案最有效。

這需要兩個前提。第一，你得有夠好的模型，能夠從分子層面模擬細胞行為。第二，你得有夠好的資料蒐集工具，能夠在臨床場景中快速取得病人的分子資料。Biohub 的三個實驗室正在同時推進這兩個前提：AI 團隊建模型，紐約和芝加哥的實驗室開發新的測量工具。普莉希拉特別強調，這不是先做完基礎研究再轉化成臨床應用的線性流程，而是兩者同時進行、持續互相回饋的循環。

她在訪談中的一段話特別引人深思：「現在的醫療系統對待病人的方式，就像是用平均值在做決策。但你不是平均值。你的身體不是平均值。」這不只是一個科學願景，也是一個關於醫療體系應該如何運作的價值主張。

Baby KJ 和罕見疾病經濟學

訪談中最動人的段落，出現在普莉希拉提到一個叫 KJ 的寶寶的時候。

KJ 出生時被診斷出一種罕見的免疫缺陷症。「罕見」在醫學裡的意思是：全世界可能只有幾百個已知病例，沒有任何藥廠會覺得為這麼小的市場開發新藥是合理的投資。這就是罕見疾病的殘酷經濟學：每一種罕見病的病人都太少，少到商業模式完全不成立。但所有罕見疾病的病人加起來，人數其實非常龐大。

Biohub 的 AI 平台讓這個故事有了不同的走向。因為 ESMFold2 是一個通用的蛋白質理解模型，不是針對某一種疾病設計的，它可以被應用在任何蛋白質相關的問題上，包括那些病人太少而被藥廠忽略的罕見疾病。普莉希拉在節目中提到了 CZI 的「Rare As One」計畫，這個計畫資助罕見疾病病患社群（不是大型研究機構，而是病患和家屬組成的團體），讓他們有能力推動自己疾病的研究。

祖克柏把這個模式連結到更大的邏輯：「如果你有一個夠通用的 AI 平台，那罕見疾病就不再是經濟上不可行的問題。因為平台的成本是共享的，你不需要為每一種疾病重新建一套系統。」這和他在語言模型領域的思路一模一樣。Llama 不是為某一個應用設計的，它是一個通用基礎模型，任何人都可以拿去做自己需要的應用。ESMFold2 的邏輯相同：它不是為某一種疾病設計的，它是一個理解蛋白質的通用引擎，任何疾病的研究者都可以拿去用。

KJ 的故事後來有了一個令人驚喜的結局。Biohub 的團隊用他們的工具找到了 KJ 的基因突變位點，這為後續的治療開發提供了明確的方向。普莉希拉談起這段經歷時明顯動了感情：「這就是我們為什麼要做這件事。不是為了發表論文，不是為了和 DeepMind 比誰的模型比較厲害。是因為有真實的人在等答案。」

不要建造生物學的中央超級智慧

訪談中最耐人尋味的段落之一，是祖克柏談到他對集中式 AI 生物學平台的反對。

主持人 Elad Gil 問了一個自然的問題：如果 AI 在生物學上這麼有潛力，為什麼不集中所有資源建一個超大型的中央系統，讓它解決所有問題？祖克柏的回應很乾脆：「我不認為建造一個中央超級智慧來解決所有生物學問題是正確的方式。」他的理由有兩層。第一，生物學的問題太多元了。蛋白質折疊、細胞行為、免疫反應、神經退化，每一個層級都有自己獨特的資料類型和建模挑戰，一個萬能模型不太可能同時在所有層級都做到最好。第二，更根本的是，一個中央系統會創造出一個致命的單點故障。如果整個生物醫學界都依賴同一個系統，那這個系統的偏見、盲點和錯誤就會被放大到整個領域。

這個立場和祖克柏在 AI 開源辯論中的核心論點一脈相承。他在 Meta 推動 Llama 開源時，反覆強調的就是「權力不應該集中在少數機構手中」。在生物學領域，這個原則有了更具體的意義：如果只有 Google DeepMind 或少數大藥廠擁有生物學 AI 的能力，那些資源有限的大學實驗室、小型生技公司、罕見疾病社群，就永遠只能等別人施捨工具。開源讓每一個有能力的團隊都可以自己動手，而且可以針對自己的特定問題去調整和優化模型。

普莉希拉從另一個角度呼應了這個觀點。她提到，Biohub 刻意把三個實驗室分散在舊金山、紐約、芝加哥，每個實驗室各有側重。這不是為了行政方便，而是設計上的選擇。「如果所有人都在同一棟大樓裡做同一件事，你會得到很高的效率，但也會得到群體思維，」她說，「分散的好處是，不同地方的團隊會從不同角度攻擊同一個問題，有時候會發現中央團隊不可能看到的東西。」

我的觀察

祖克柏和普莉希拉．陳最了不起的地方，或許不是他們投了多少錢，而是他們對這個問題的框架方式。多數矽谷巨頭做慈善，會選一個具體的、可衡量的目標，然後用商業思維去最佳化執行。祖克柏夫婦選了一個幾乎不可能的目標，然後花十年時間去建造追求這個目標所需要的基礎建設，而不是急著去摘低垂的果實。

讓我印象深刻的是普莉希拉在訪談中的一句話：那些諾貝爾獎得主笑的時候，她並沒有覺得受傷，而是覺得「我們問對了問題」。十年後，AI 的進展讓這個問題從天方夜譚變成了值得嚴肅討論的科學路線圖。但如果他們當初因為被笑而選了一個更「務實」的目標，今天就不會有 Biohub，不會有 ESMFold2，不會有那些罕見疾病家庭看到的一線希望。有時候，最不務實的目標反而是最務實的策略，因為它讓你有理由去做那些短期看不到回報、但長期改變整個遊戲規則的事。