18亿美元。这是迄今为止针对"AI-ready生物数据"规模最大的一笔协调性投入。Biohub、美国能源部、美国国立卫生研究院，加上Google DeepMind、Isomorphic Labs和Meta，把资金、数据、算力和新的测量技术打包在一起，目标只有一个：让AI能预测生物学。

这笔钱不是投给某一个实验室，而是投给一个开放资源。按照公告的说法，成果将面向整个研究社区开放，为理解人类疾病、进而治疗疾病提供基础。

钱从哪来，花到哪去

拆开看，18亿美元由几方共同构成。能源部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负责协调相关数据集、数据仓库和知识库的贡献，这些资源来自此前超过5亿美元的联邦投资，NIH将与Biohub合作，把这些数据集标准化，以便用于AI模型训练。

Google DeepMind、Isomorphic Labs和Meta则共同投入3亿美元，用于创建构建生命预测模型所需的技术和多模态数据集。

Biohub自己此前已承诺5亿美元作为创始投入，其中4亿美元支持新技术，1亿美元资助Biohub之外的研究。

为什么要造"虚拟细胞"

Biohub科学负责人Alex Rives把这件事的分量说得很直白：一个准确的生物学预测模型，可以让科学家在数字世界里做实验，由此产生的洞见可能带来对疾病更深入的理解，并开辟全新的治愈路径。

正因如此，他把"虚拟细胞的创建"称为下一时代科学最重要的挑战之一。这也解释了为什么需要国家级和国际级的协调数据生成——单靠任何一家机构都做不到。

Isomorphic Labs总裁Max Jaderberg的说法是，要生成解决预测系统生物学所需的数据，必须突破今天任何单一组织所能产出的极限。作为创始成员加入，Isomorphic Labs希望帮助建立一个大规模、多模态的数据基础。

具体在测什么、建什么

这项计划要交付的是训练这些模型所需的基础测量。它会扩展细胞响应数据，覆盖比以往研究过的多得多的细胞类型和条件，同时构建并验证相关技术，以便在更大规模、更快速度、更高精度下研究细胞和细胞间的相互作用。

Biohub的4亿美元投入指向三类新测量能力：

  • 冷冻电子断层扫描，可解析细胞内部接近原子级的细节
  • 显微成像，可对活体组织中的数百万到数十亿个细胞成像
  • 工程工具，可在分子、细胞、组织乃至整个生物体层面构建和扰动生物学过程

两个政府项目的分工

能源部通过"Genesis Mission"这一跨机构计划参与，五年投入超过5亿美元用于基础细胞研究，涵盖数据采集、AI分析、测量与成像、建模和计算。它动用的资源包括百亿亿次超级计算、X射线与中子散射、冷冻电子显微镜与断层扫描，以及国家实验室体系内的自主实验室。

能源部科学副部长Darío Gil表示，这一合作是把AI用于公共福利的关键一步。他提到，能源部将把百亿亿次计算、实验测量和建模资产——包括联合基因组研究所、环境分子科学实验室和先进结构光束线等设施——与Biohub的AI模型、工具开发和生物数据能力结合，为开放科学设定新标准。

NIH则通过"Bio Genesis Mission"整合现有生物医学数据集、国家数据基础设施和研究项目。其资源包括由NIH国家医学图书馆和国家生物技术信息中心编目的国家生物医学仓库，以及已在开发协调生物图谱、共享数据标准和AI-ready生物医学数据集的NIH Common Fund项目。

NIH项目协调、规划与战略倡议副主Nicole Kleinstreuer博士说，把资源和专业知识结合起来，可以加速开发具有足够生物复杂度的通用细胞模型，用来预测任何细胞如何对干预作出反应。她认为，这些模型带来的回报可能广泛而深远，相比其他路径，能大幅缩短医学突破的时间线。

虚拟生物学计划最早于2026年4月宣布，如今这次扩建把它推到了一个新量级。Rives也向全球科学界发出了邀请，希望更多人加入这个项目。