扎克伯格和妻子共同创立的非营利性生物医学研究机构Biohub宣布与美国政府、Google DeepMind、Isomorphic Labs及Meta合作，建设用于AI生物学研究的开放数据集，总规模约18亿美元。看路途的报道： 1）Meta、Google DeepMind和Isomorphic Labs共同投入约3亿美元； 2）美国能源部未来五年投入超过5亿美元； 3）NIH（美国国立卫生研究院）协调利用此前联邦资金建设的数据资产，涉及超过5亿美元历史投入； 4）Biohub今年4月已经承诺5亿美元。 这个事的意义在于：过去AI药物研发最主要的瓶颈之一就似乎高质量实验数据不足。当前大模型已经能够处理大量文本和结构化数据，但真实生物学世界中的：细胞状态、基因表达、蛋白质变化、药物反应和不同实验条件下的动态数据，仍然远远不够。 这项合作希望利用自动化实验、测量和模型训练形成更高质量的数据集。 它对应的是一个潜在长期机会：AI药研的核心瓶颈，可能从模型计算能力逐渐转向可验证的实验数据和自动化实验能力。 这也正好契合了前面Freda Duan的文章要聊到的：AI让失败实验也变成有价值的训练数据，湿实验室正从"造药"转型为"造数据"，DNA合成、蛋白生产、CRO或成最先受益的"卖铲人"。