AlphaFold 几乎把自然界 2 亿多种蛋白质结构预测了一遍，David Baker 选择走另一条路：不去预测自然造了什么，而是去造出自然从没造过的东西。
今年 8 月的一个早上，研究助理 Jack Boylan 调出了前一晚的实验结果。实验室的 DNA 测序仪旁，试管里放着一大批人工设计的 DNA 序列，都是自然界从未进化出来的。哪些能用、哪些是废品，要靠测序仪一次读完后给出结果。
不久前的一次实验中，他们把 600 万条这样的设计序列一起放进同一支试管，同时进行测量。按传统做法，仅这一批实验就要花上好几年。
Boylan 所在机构名为 AI BioDesign，9 月 3 日刚在西雅图对外亮相，地点距离艾伦研究所总部只有几分钟路程。该机构背后获得保罗·艾伦遗产体系 9460 万美元投入，领头人是 2024 年诺贝尔化学奖得主 Baker 和基因组学家 Jay Shendure。
在这个算力成为核心资源的阶段，他们没有打算把这笔接近 1 亿美元的资金用于训练一个更大的模型，而是把重点放在那支试管上。
把并行能力搬进试管
AI BioDesign 的思路，是搭建一个高速闭环：AI 提出设计，实验室完成构建并测量，结果回流给模型，再由模型决定下一轮要造什么。
这套流程看上去仍是「设计—构建—测量—学习」，区别在于它的规模化方式。这里没有铺满机械臂的自动化车间。执行总监 Jesse Gray 说：「规模不来自机器人，来自在试管内部做并行。」
Shendure 对此的解释是，利用进化留给人类的细胞流水线，在一支试管里同时制造并测量几百万个分子。具体做法是把几百万条设计序列一起放进同一支试管，让细胞分别把它们造出来，再在同样条件下跑一遍，最后交给测序仪，一次读出哪些有效、哪些无效。
这样一来，模型学习「设计规则」时面对的是海量样本，而不再只是自然界留下来的有限数据。
这类设计出来的分子并非抽象概念。Baker 实验室此前曾设计过一个结合蛋白，其中紫色与粉色部分由 AI 设计，白色部分是被其包裹的胰淀素。
实验的目标转向喂给模型更多信息
这条产线的考核标准也与传统实验室不同。实验室按五六人一组组成小队，各自处理一个具体的生物设计难题，旁边配有机器学习团队随时协作。
每一轮实验的成绩，不只看做出了多少个能用的分子，更看模型从这一轮里学到了多少。
传统实验室通常先提出假设，再设计实验去验证。AI BioDesign 则把顺序倒了过来：实验首先是模型的「练习题」，围绕「设计—构建—测量—学习」持续循环。
每轮结束后，机器学习团队会依据结果挑出模型最没有把握、也最可能带来新信息的那批序列，决定下一轮要测什么。数据回流后，模型更新，再给出下一批设计。
他们追求的是每次实验带回尽可能多的信息，而不是尽快拼出一个成品。过去是人指挥实验台，现在实验台开始按 AI 的安排运行。
这不是 Baker 第一次设计自然界没有的蛋白
这并不是一个「AI 第一次造出自然界没有的蛋白质」的故事。Baker 早在 2003 年就做到过。
当年，他的团队利用 Rosetta 软件设计出名为 Top7 的蛋白。这个蛋白由 93 个氨基酸组成，其折叠方式在当时所有已知蛋白中都找不到先例。
2024 年诺贝尔化学奖中，一半授予从事计算蛋白质设计的 Baker，另一半授予 AlphaFold 团队的 Demis Hassabis 和 John Jumper，表彰蛋白质结构预测方面的工作。2024 年 10 月 9 日，David Baker 接到了诺贝尔奖委员会的电话。
如果说 AlphaFold 解决的是「读」——预测一串氨基酸会折叠成什么形状，那么 Baker 解决的是「写」——为了实现某种功能，应该设计出什么形状。
过去几年，「读」这一路被推向中心位置。AlphaFold2 以及同期那批大模型，依赖的都是人类已经积累好的数据。可在「写」这一侧，数据库里没有自然界不存在的东西，只能自己设计、自己制造、自己测量。
这也是该领域长期受限的原因之一：AI 一晚上可以给出几十万个候选设计，而传统实验室一年做出几百个就已算高产。设计与验证之间的巨大落差，构成了长期存在的瓶颈。
Baker 说，这个项目真正的突破，是 AI 的速度第一次开始匹配合成生物学的实验能力。一边是一天生成几百万个候选设计，另一边是一支试管测掉几百万个样本，这两部分终于开始咬合。
不追通用大模型，优先建设实验基础设施
在很多团队追求一个能回答所有问题、甚至模拟整个虚拟细胞的通用大模型时，Baker 和 AI BioDesign 选择了另一条路线：围绕具体难题训练一批小模型，并为每个问题专门制造海量新数据。
按照他们的判断，自然进化留下来的样本，只是几十亿年试出来的一小部分解。仅用这些样本去学习普适的设计规则，中间存在明显空白。要补这部分空白，就要缺什么数据，自己造什么数据。
而「造数据」这件事，靠的不是单纯堆显卡，而是试管、测序仪和实验台。前一阶段竞争的是算力基础设施，下一阶段争夺的则可能是实验基础设施。
更特别的一点是，即便这条路线成功，相关成果也将开放。模型、数据集、实验方法、试剂和基准，都会公开。
对于「如果别人用这些数据做出了赚钱的药怎么办」这个问题，总裁 Rui Costa 的回答是：「如果有很多公司拿这些数据去把世界变好，那是我们的运气。」
设计能力提升，也带来生物安全问题
大规模制造自然界不存在的分子，也伴随风险，包括意料之外的生态影响和恶意滥用。
这条链条中，一个绕不过去的环节是合成 DNA。设计图再多，最后总要有人把它们做成实物。当前守在这个环节的是行业筛查系统：当用户下单合成一段 DNA，系统会把序列与已知毒素和病原体基因比对，命中后就会拦截。
2025 年 10 月发表在《Science》上的研究显示，微软团队使用公开的蛋白设计工具，把 72 种受关注蛋白改写成约 7.2 万条合成同源序列。这些序列在结构和功能上大体保留，但序列本身已经面目全非，结果导致四款筛查软件出现大量漏检。
随后，该团队联合四家合成公司修补了这一问题，检出率大幅回升。
但问题在于，补丁只能修补已经发现的漏洞。设计能力在加速前进，守门机制始终处在追赶状态。
Baker 提出的主张是，所有人工合成的 DNA 都应登记留档，既记录序列，也记录下单者身份。他认为这是一个切实可行的防滥用门槛。
18 到 24 个月拿出进展，5 年内向全球研究者开放
这场押注已经开始。Costa 给出的时间表是 18 到 24 个月拿出真正进展，5 年内向全球研究者开放。
Baker 列出的愿景包括：一种新疾病的疗法可以在几周内而不是几十年后做出来，海洋中的塑料可以被酶分解，生物计算机的能耗远低于硅芯片。
这些还只是方向。Baker 也承认，在这条路上，先出现的可能是一批能用、却还讲不清楚为什么能用的分子。
达尔文曾用「无尽之形最美」形容自然的多样性。Baker 的判断是，那些最美的形式只是几十亿年试出来的一小部分，绝大多数抽屉还没有被打开。现在，他借助 AI 把抽屉拉开，一次翻 600 万格。
AlphaFold 已经把 2 亿多种蛋白质的结构预测了一遍，「读懂自然」这条路已经走到尽头。Baker 押注的下一道关口不在模型本身，而在数据，在于能不能建立一条持续产出新数据的实验产线。