斯坦福搞出的 Biomni，看起来像个无所不能的科研“瑞士军刀”，但要说它能独立完成所有研究，我还是先泡杯咖啡冷静一下。
- 野心巨大：Biomni 的目标不是解决某个单一问题，而是要打造一个能跨越 25 个生物医学子领域、执行从数据分析到实验设计全流程的通用型 AI。
- 架构聪明：它把一个强大的 LLM 推理大脑（Biomni-A1）和一个包含 150 个工具、59 个数据库的“豪华工具箱”（Biomni-E1）结合起来，让 AI 不仅能“思考”，还能“动手”。
- 结果惊人，但现实复杂：在标准测试中，它的表现媲美甚至超越人类专家，但在真实、充满意外和噪音的研发世界里，它的泛化能力才是真正的考验。
又是一个无聊的下午, 我对着满屏的文献、跑了一半的实验数据和写了一半的代码，感觉脑子快烧了。生物医学研究这活儿，就是这样，数据像洪水，文献像海洋，实验流程又臭又长，一个人恨不得劈成八瓣用。
就在这时，我看到了斯坦福 Jure Leskovec 团队的这篇新预印本——Biomni。标题口气大得吓人：“一个通用生物医学 AI 智能体”。又一个 AI 想“颠覆”我们这个行业。
研究者总共干了两件事。第一，他们建了个叫 Biomni-E1 的“豪华游乐场”。这里面塞满了我们搞研究能用到的一切：150 个专业工具，105 个软件包，59 个核心数据库，横跨基因组学、蛋白质组学、药物发现等 25 个领域。这就像给一个实习生配齐了全世界最顶级的实验室，而且所有仪器都联网了。
第二，他们训练了一个叫 Biomni-A1 的“超级大脑”。这个大脑基于大语言模型，但又不止于此。它懂得如何检索信息，如何规划步骤，最关键的是，它能写代码去调用“游乐场”里那些工具来完成任务。它不是跟你聊天，它是直接上手干活。
效果怎么样？论文里的数据很亮眼。在数据库问答（LAB-Bench DbQA）上，74.4% 的准确率，跟人类专家（74.7%）打个平手。在序列分析（SeqQA）上，81.9% 的准确率，甚至把人类专家（78.8%）甩在了后面。他们还扔给它 8 个真实的科研任务，比如分析几百份可穿戴设备数据、处理几十万个单细胞测序数据，结果性能比基础 LLM 提升了 4 倍。
看到这种结果，我的第一反应是：真的假的？我们都知道，基准测试毕竟是封闭问题，有标准答案。真正的科研，一大半时间都在定义问题，以及处理那些教科书上没写的烂摊子。比如，Biomni 能分析 30 个参与者的 458 个可穿戴设备文件，这很酷。但如果其中一个参与者的数据格式错了，或者传感器中途没电了，它能像一个经验丰富的博士后那样，敏锐地发现问题并找到解决方案吗？我对此持保留意见。
所以，这玩意儿能取代“生物医药民工”吗？短期内，别想了。
但它可能是我梦寐以求的终极科研助理。想象一下，我只需要用自然语言下个指令：“嘿，Biomni，把上周跑的那个激酶抑制剂筛选数据里所有活性小于 100nM 的化合物挑出来，做个结构聚类，然后跟 PDB 数据库里所有同靶点(含已知配体)的结构做个对接，顺便帮我设计一下下一步合成的路线。”然后我就去喝咖啡，回来报告就生成了。这场景，想想都觉得带劲。它能把我们从大量重复、繁琐的“操作性”工作中解放出来，让我们专注于真正需要创造力和洞察力的“思考性”工作。
真正的挑战在于，科研充满了“意外”。移液枪头堵了，细胞状态不对，试剂批次有问题，服务器突然宕机……这些充满了人类经验和直觉的“know-how”，AI 能学到吗？
尤其是在湿实验设计上，看到它能设计出经过验证的分子克隆方案，我一边感叹后生可畏，一边默默检查了一下自己的饭碗。
还好，暂时还端得住, 我想是吧。
📜Paper: https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1
