一句话看懂：Biohub 联合美国能源部、NIH 以及 Google DeepMind、Isomorphic Labs、Meta 等机构，投入 18 亿美元用于生成开放、可训练 AI 模型的生物数据，目标是把细胞行为变成可计算、可预测的对象。
事件核心：发生了什么
2026 年 10 月 7 日，Biohub 宣布扩大“虚拟生物倡议”（Virtual Biology Initiative）。美国能源部（DOE）将在五年内投入超过 5 亿美元用于实验室测量、建模和计算；NIH 将协调此前超过 5 亿美元联邦投资产生的数据集、存储库和知识库，并与 Biohub 合作将其标准化为可训练 AI 模型的数据格式。Google DeepMind、Isomorphic Labs 和 Meta 合计投入 3 亿美元，用于开发构建生命预测模型所需的多模态数据集和技术。Biohub 自身则承诺 5 亿美元初始资金，其中 4 亿美元用于冷冻电子断层扫描、大规模显微成像和分子/细胞/组织层面的扰动工程工具，1 亿美元支持外部研究。各方合计投入 18 亿美元，涵盖资金、数据、算力和测量技术。
为什么重要
当前生物 AI 模型的主要瓶颈不是算力或算法架构，而是高质量、标准化、多模态的训练数据。现有生物数据集往往规模有限、格式不一、实验条件不可比。这一倡议试图在国家级和国际机构层面协调数据生成，把细胞对干预的反应数据扩展到远超以往研究范围的细胞类型和条件下。DOE 的百亿亿次超算、X 射线与中子散射、冷冻电镜和自主实验室，加上 Biohub 的测量工具与 AI 建模能力，如果能形成标准化数据流水线，将降低生物 AI 模型对私有数据的依赖，推动形成更接近开源基础模型的生态。Isomorphic Labs 作为创始成员参与，也意味着药物发现场景会直接受益于这些数据的可用性。
对用户/开发者/创作者的影响
对开发者来说，这项倡议的直接影响是未来可能出现可申请使用的开放生物数据集和预训练模型，用于细胞反应预测、药物靶点筛选或合成生物学任务，类似于生物领域的“基础模型 API”。对科研用户而言，标准化数据集降低了跨机构复现和迁移实验的成本。对 AI 应用开发者，多模态生物数据可能催生新的推理和模拟工具，但短期内不会出现可直接调用的消费级产品。对内容创作者和普通用户，这项投资的意义更偏底层：生物 AI 模型如果成熟，可能加速药物研发和疾病理解，但距离日常可感知的应用仍有距离。目前公开信息显示，数据集的开放许可、访问门槛和算力分配方式尚未详细说明，实际可用性需要等具体平台上线后才能判断。
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
一是 Biohub 与 NIH 的数据标准化进展，这决定数据集能否直接用于训练主流生物模型；二是 DeepMind、Isomorphic Labs 和 Meta 各自会贡献什么类型的模型或数据，是否开源；三是 DOE 的 Genesis Mission 与 NIH 的 Bio Genesis Mission 之间如何协调，避免重复建设。如果这些数据能在 2027 年前后以开放许可形式释放，生物 AI 领域的开发门槛将明显降低。
