Biohub 虚拟生物学计划扩容到 18 亿美元：NIH、DOE、Google DeepMind、Meta 共同给"AI 预测生命"铺数据底座

Biohub 虚拟生物学计划扩容到 18 亿美元：NIH、DOE、Google DeepMind、Meta 共同给"AI 预测生命"铺数据底座

基于多家媒体转述整理 · 2026-10-08

一句话结论

10 月 7 日，Biohub 官宣把"虚拟生物学（Virtual Biology）"计划大幅扩容：美国能源部 DOE、NIH，以及新加入的 Google DeepMind、Isomorphic Labs、Meta 共同投入，总承诺达到 18 亿美元（约 13 亿欧元）。目标只有一个——建成开放的、面向 AI 模型训练的"AI-ready 生物数据底座"，让研究者可以训练出能预测生物行为的 AI 模型，把实验搬到电脑里做。官方称这是迄今最大规模的 AI-ready 生物数据协调投入。

钱从哪来、怎么花

参与方	投入	用途
Biohub	牵头（资金+数据+算力+测量技术）	统筹"虚拟生物学"计划整体；Biohub 由 Mark Zuckerberg 与 Priscilla Chan 通过慈善项目孵化
DOE 美国能源部	未来 5 年超 5 亿美元	实验室测量、建模与算力；属于跨部门 "Genesis Mission" 框架的一部分
NIH 美国国立卫生研究院	协调超 5 亿美元存量联邦投资	贡献相关数据集、数据库与知识库，并与 Biohub 一起做标准化，供 AI 模型训练
Google DeepMind + Isomorphic Labs + Meta	合计 3 亿美元	建设技术与多模态数据集，用于构建"预测生命"的模型
合计	18 亿美元	资金、数据、算力与新测量技术的总承诺

注意口径：18 亿是"资金 + 数据 + 算力 + 新测量技术"的总承诺，不是单笔现金。

为什么要"造数据"：预测生物学卡在数据上

AlphaFold 能预测蛋白质结构，靠的是几十年积累下来的公开结构数据。但要做"预测生物学的 AI 模型"，需要的是另一种数据：细胞在不同干预（药物、基因变化）下的响应数据——而这种干预型数据目前没有同等规模的公开集。现有数据大多记录"相关性"而非"干预结果"，往往只测细胞的单个维度、单个时间点、少数细胞类型。

Biohub 的方案是从测量端补齐：把细胞响应数据扩展到远超现有研究覆盖的细胞类型和条件范围，同时构建并验证能在更大规模、更高速度和精度下研究细胞及其相互作用的技术。Biohub 科学负责人 Alex Rives 的表述是：准确的生命预测模型可以让科学家"用数字方式做实验"，从而大幅加速对疾病的理解，并打开全新的治疗路径。

同类玩家也在动：Rivercell 同日拿下 2500 万美元种子轮

就在同一天（10 月 7 日），巴黎公司 Rivercell 宣布带着 2500 万美元种子轮出 stealth：HV 领投，HCVC、Alven、Bpifrance Digital Venture 跟投。它要造的是"细胞的世界模型"——预测细胞在治疗和基因变化后如何变化的模拟器。

有意思的是它的数据策略：既然没有现成的大规模干预数据，那就自己造——自建湿实验平台，用成像记录活细胞的整个实验过程，再读取基因活性；AI 模型自己选择下一个实验，实验室负责执行。公司由 Cardiologs 创始人 Yann Fleureau（其 AI 心脏诊断公司 2021 年被飞利浦收购）创办，Owkin、Bioptimus 出身的 Eric Durand 任首席科学官。

一公一私两条线在同一天推进，都瞄准AI 虚拟细胞这个新战场，说明行业判断正在收敛：谁先拿到干预层面的细胞响应数据，谁就有机会做出"生物学的预测模型"。这也解释了为什么 Google DeepMind（Isomorphic Labs）、Meta 愿意掏钱加入一个数据基建项目——模型竞争的上游是数据。

对读者意味着什么

适合谁关注：做 AI for Science、生物信息、计算药物发现的工程师与研究者；以及想判断"AI 制药"叙事里哪些环节真有数据支撑、哪些还停在 PPT 的人。

怎么跟进：重点盯两件事——Biohub 后续数据集的公开发布节奏；以及 DeepMind/Isomorphic 用这批数据训练的模型是否会开放。数据底座类项目见效慢，但一旦放出，会直接改变下游模型的天花板。