一句话看懂：Biohub、美国能源部、NIH联合Meta、Google DeepMind等机构，投入至少18亿美元构建AI-ready生物学数据集，目标是训练能预测细胞行为的模型。这是目前规模最大的AI生物学数据协同承诺，生物基础模型竞赛可能因此提速。
事件核心：发生了什么
2026年10月7日，非营利研究机构Biohub宣布一项总额18亿美元的合作计划，参与方包括美国能源部、美国国立卫生研究院（NIH），以及Meta、Google DeepMind和Isomorphic Labs。后三家商业机构合计出资3亿美元。
资金将覆盖数据生成、算力、新型测量技术。能源部五年内投入超过5亿美元，用于实验室测量、建模和计算，并接入其“Genesis Mission”科学计划，调用百亿亿次超级计算机、X射线与中子散射、冷冻电镜及自动化实验室。NIH则提供此前联邦资助超过5亿美元建成的数据集和存储库，由Biohub标准化以供AI训练。
这18亿美元中包含Biohub自身在2026年4月启动Virtual Biology Initiative时承诺的5亿美元，其中4亿用于细胞测量新工具，1亿资助外部研究。Allen Institute、Broad Institute、Gladstone Institutes、英国Wellcome Sanger Institute，以及Human Cell Atlas和Human Protein Atlas联盟也参与其中。Nvidia提供算力和软件，Renaissance Philanthropy协助募资。
为什么重要
当前细胞数据集规模在数亿级别，而Biohub科学负责人Alex Rives对路透社表示，准确模型需要数十亿乃至数万亿细胞数据。合作方计划约一年内产出首个数据集，五年内实现准确的预测模型。这意味着生物学正试图复制大模型“数据 Scaling”的路径。
商业出资方享有数据公开前一年的独家访问权，政府资助部分则无此限制。Rives对Axios解释，禁售期是为了给商业参与者提供激励。这种“先闭后开”的模式，可能成为公共科研数据与商业AI训练之间的新妥协样本。
竞争也在升温。Anthropic已建立自己的生物学实验室；OpenAI Foundation启动了超过1.25亿美元的生物学数据集资助计划；巴黎的Rivercell于同日融资2500万美元构建AI虚拟细胞。AI for Biology正从学术课题变成资本和算力密集的赛道。
对用户/开发者/创作者的影响
对开发者而言，未来可能出现标准化的生物学训练数据集和API，降低生物基础模型的开发门槛，但初期仅限合作方使用。对药企和生物科技公司，五年内若预测模型可用，早期靶点筛选和细胞实验有望部分转为数字实验，缩短研发周期。对内容创作者和普通用户，这类进展短期内不会直接改变日常工具，但会推动AI在科学发现中的角色从辅助分析转向假设生成。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 首个数据集能否在约一年内如期公开，以及标准化程度是否足以直接用于训练。2. 一年独家访问期结束后，商业机构是否会开放衍生模型或API。3. 其他AI实验室是否跟进类似规模的数据联盟，以及监管对生物数据跨境流动的态度。
来源：The Next Web
