https://xiaoyuzhoufm.com/podcast/689c6fb36f495c4caccf91d1
医院里有一类病人最难受：症状清清楚楚，基因检测也做了，报告上却写着「意义未明变异」——知道身体出了问题，说不清是哪段DNA干的。做基因组AI的Eric Nguyen说，这类悬案之所以这么多，是因为过去十几年，AI在生命科学里只学了一半：它一直在学怎么「读」DNA，几乎没人教它怎么回答医生真正想问的问题。他的新模型补上了这一半，也第一次在一项长期由老方法霸榜的任务上把它赢了。
嘉宾是谁
Eric Nguyen是斯坦福生物工程与AI方向的博士，导师包括Chris Ré——在AI圈，这个名字通常和「用更省算力的办法处理超长文本」联系在一起。Eric读博期间做的就是这件事：DNA特别长，人类基因组有三十多亿个字母，普通语言模型根本装不下，于是他先做出了HyenaDNA，把能一次处理的DNA长度推到100万个字母，是当时同类模型的500倍。
真正让他出名的是Evo和Evo 2。这两个模型第一次让人看到，AI不只能读懂DNA，还能「写」出自然界不存在的基因组——Evo的论文2024年11月登上《Science》封面，Evo 2在2026年3月发表在《Nature》。2025年，他联合创办Radical Numerics并任CEO，公司2026年6月宣布拿到5000万美元种子轮，旗舰模型叫Omnii。
这期节目来自Latent Space的「AI for Science」系列，两位主持人都是行内人：Brandon Anderson在Atomic AI做RNA药物的机器学习，RJ Honicky是MiraOmics的联合创始人兼CTO，做单细胞和空间组学的AI分析。他们问得很细，很多地方是替听不太懂的听众把技术细节逼出来的。
一、基因组AI只做对了一半：它一直在读，从没被教过怎么回答
Eric在节目里解释基因组模型为什么长期打不过专用小模型，这是Omnii发布博客里基准表的起点。
先说结论：过去几年那些看起来很大的基因组AI，其实都是「半成品」。它们读过海量DNA，却没有被教过怎么用医生想要的形式把答案交出来。补上这一步之后，它才第一次在变异致病性预测上超过了长期霸榜的老方法。
要理解这句话，得先知道今天所有聊天机器人是怎么练出来的。第一步叫预训练：把海量文本喂进去，让模型反复做「猜下一个词」的练习。练完得到的东西叫基座模型，它很会顺着往下写，但你问它正经问题，它可能胡说八道、答非所问。第二步是后训练，业内也统称「对齐」：用人工整理过的问答示例教它「什么样的输入对应什么样的输出」，再让人给它的回答打分，用打分去训练它，这套方法叫RLHF（基于人类反馈的强化学习，就是让人给模型的回答打分，再用打分去训练它）。顺便说一句「参数」，你可以粗略理解为模型内部的旋钮数量，旋钮越多模型越大。OpenAI在2022年证明过一件事：一个13亿参数、经过对齐的模型，输出比1750亿参数、没对齐的原始GPT-3更让人满意。也就是说，对齐不是安全口号，它是把「能力」变成「好用」的关键一环。
基因组模型的问题就出在这。Eric说得很直白：「大家看到的都只是训练出来的基座模型。它们是预训练过的，但基本没有对齐。」模型见过无数DNA，知道哪些字母组合常见、哪些罕见，但它不知道你在问「这个突变会不会致病」。研究者要拿它做预测，通常得自己取特征、再外挂一个小模型去回归，多一道手续，也多一道门槛。
被它比下去的老方法叫CADD（Combined Annotation Dependent Depletion，直译「组合注释依赖耗竭」），它不是实验方法，也不是临床流程，而是华盛顿大学团队2014年提出、后来不断更新的变异有害性打分器：把几十种注释——这段序列在别的物种里保不保守、染色质在这里开不开、蛋白层面的预测分数——拼成一张大表，用一个统计模型合成单一分数。它之所以长期是最强基线，有三个原因：把能塞的都塞进去了（Eric的说法是「能上的全上」）、覆盖整个基因组（连编码区之外的99%也管）、而且训练时不用已知的致病突变，所以不存在「用考题当练习册」的嫌疑。想赢它，等于要赢过一个集大成者。
Omnii做的事，是把预训练和后训练之间再加一轮专门训练、以及后训练本身，引进基因组学：用问答式的格式告诉模型「现在是在做哪一类任务」，还给它喂进任务本身的结构，让它在预训练的基础上再学一层。效果就是，它不用再外挂小模型，按格式写一段提示就能出结果。Eric的类比是：如果ChatGPT每次你问问题都得先针对你的领域微调一遍，那还能用吗？
最有意思的是它强在哪里。人类基因组里真正编码蛋白质的部分只占1%到2%，其余98%以上都是非编码区（节目里嘉宾把1%–2%说成了非编码区的比例，那是口误）。非编码区你可以把它想成开关，决定哪个基因、在哪种细胞、什么时候、开多大。变异如果改的是蛋白质本身，判断相对容易，密码子表一查就知道后果；但如果改的是一个开关，就麻烦得多：它可能管着十几万字母之外的某个基因，只在特定细胞里起作用，效果还很轻微，比如把表达量改个20%就足以让人长出不一样的特征。而已有研究显示，常见的疾病相关变异显著集中在这些调控区里——这组数字和上面那个1%–2%是两回事，别对调。这类变异正是过去最难判断的地方。
直播里Brandon追问了一个要害问题：你们怎么保证没和ClinVar、TraitGym这些评测集「撞题」？这两个东西，一个是美国NCBI维护的人类变异档案库（全球实验室自愿提交，页面显示约464万条变异），一个是加州大学伯克利分校团队整理的非编码调控变异评测集。之所以要问，是因为基因组里相似序列太多，模型很可能在预训练时就「见过」考题，这种数据泄漏会系统性高估性能，已有研究专门证明过。Eric的回答是公司有生物信息学同事做清洗、去重、序列比对，会把训练集里和评测集相似的内容删掉。这属于他的一面之词，但至少他说得出流程，而不是含糊带过。
对普通人来说，这件事的意义很具体。据Eric说，Omnii发布早期主动来问的，很多是手握海量基因数据、却卡在诊断上的医院系统和非营利组织——他们知道病人有症状，说不清是哪段DNA造成的，只能把这类悬案一条条攒着。可以推想，如果这类模型真的好用，最先受益的不是科研论文，而是这批等答案的病人。
需要打个折扣的是：Omnii目前只是「预览」，公司还在继续训练，博客主打的非编码变异优势，也要等独立评测来验证。Eric自己说的是「哪怕只做了一点点，我们就已经很惊讶地看到它开始达到最先进水平」。这话里既有兴奋，也留着余地。
二、思维链不只是文字游戏：把「越变越好」写出来，DNA里也成立
Eric在节目里描述「DNA里的思维链」实验：只喂低分序列，模型续写出高分序列。
第二个判断更反直觉：让模型把推理过程一步步写出来，这件事不是自然语言的专利。只要数据在某个维度上有「分数从低到高」的顺序，模型就能顺着这个顺序往下续写，写出它从没见过的高分样本。换句话说，培养皿里一轮轮筛出来的定向进化，可以在计算机里跑一遍。
先解释思维链。2022年1月，Google的研究者Jason Wei和同事发表了一篇论文（注意：Jason Wei是后来才加入OpenAI的，节目里嘉宾把他记成了OpenAI的人），做法很简单：别让模型直接报答案，先在提示里给几个「带解题步骤」的范例，模型在数学应用题、常识推理上的表现就大幅提升，而且这种能力只在模型足够大时才冒出来。为什么有效？一种解释是「草稿纸」：模型一次只能算这么多步，把中间结果写出来，就等于多算了几步。另一种解释更关键，它来自2023年另一篇论文（Prystawski等），认为逐步推理之所以有用，关键在于训练数据本身就有可以一步步串起来的局部结构，而不是「语言」这个东西有什么特别。这后一种解释，正是把思维链搬到DNA上的依据。
DNA里没有词。模型的「思考」没法用句子写出来。Eric的团队找了一个替代品：分数。他们用了一批RNA适配体的数据。适配体你可以理解成一小段人工筛出来的RNA，靠折叠成特定形状去抓住某个目标分子，2004年FDA批准的抗VEGF药物pegaptanib就是这一类，也是目前获批的适配体药物里最知名的一个。这批适配体是怎么来的？主持人Brandon补充了背景：先随机合成一大批序列，让它们和目标结合，结合的用下一代测序读出来——某条序列被测到的次数越多，说明它抓得越牢，这个读段数就是它的「适应度分数」；然后把留下的再突变一轮，反复迭代。这套方法叫SELEX，一次能并行筛大约1000亿条序列。
实验的做法是：把数据集里分数最高的那部分藏起来，只把分数低的序列按从低到高排好序喂给模型，让它接着写。结果模型确实复现出了一些没给它看过的高分序列。Eric说这话时留了个明确的尾巴：湿实验验证还在做，所以这次不能下结论，「它是不是只能在计算机里做到，这个它做到了」。
Brandon当场表示意外，而且给了理由。RNA领域有个出了名的短板：共进化数据太差。所谓共进化，是指同源序列里成对出现的相关突变——蛋白质研究长期靠它来推测结构和功能约束。但RNA家族的同源序列少、比对浅，而且常常「结构像、序列不像」，天然适配体更是人工造出来的，压根没有同源家族可依。所以对一个几乎不能靠进化信息走捷径的分子类别，模型还能沿着分数轨迹外推，分量才这么重。
Eric把适用范围说得更宽。他说这个范式可能套用到别的实验上：比如抗微生物耐药，给模型看杀菌效果越来越强的噬菌体基因组加对应分数；再比如他们正在和一个美国国家实验室合作的项目——设计能提取稀土矿物的蛋白质，而且不只是要结合得牢，还要有选择性，只挑某一种矿物结合，对其他矿物亲和力要低。这背后是美国的战略关切：关键矿产供应链。
这也是这期节目最有价值的地方之一：它把「AI做实验」从口号变成了配方——只要能记下每一轮的分数，就可能少做几轮湿实验。对制药、抗菌疗法这些行业，这是实打实的成本；对普通人，它意味着未来某些原本要熬很多年的研发，可能会快一些。
要提醒的是，这条路径并不总是走得通。Brandon就在节目里当面泼了盆冷水：稀土提取这类任务，未必是这家公司的比较优势，因为它的长项看起来更像统计参照——判断哪些突变常见、哪些不常见。Eric的回应是，他们能把目标蛋白上游的非编码区喂给模型，让它在真实微生物的语境里提出合理的变体，这是纯结构模型做不到的。这个回答有道理，但有没有用，还得看实验数据。
三、写基因的人转头做防御：真正的缺口不在聊天框里
Eric在节目里解释「功能空间」：序列可以完全不同，功能保持一致，这正是查表式检测挡不住的地方。
第三个判断是这个行业很少有人说清楚的：生物安全真正的缺口，不在聊天机器人的拦截上，而在序列和功能的层面。因为AI可以让一段DNA「字母完全不同、功能一模一样」，而现有的检测方式，本质上是在拿订单去比对一张已知危险清单——对不上，就放过。所以做设计的人和做防御的人，用的其实是同一批模型；防御这一侧必须被拉到和设计同一水平线。Eric管这叫军备竞赛。
这家公司把自己的使命写成「双重使命」：同一支团队、同一批模型，既做设计，也做防御。理由他讲得很直白：「一个擅长生成的模型，往往也很擅长判别或者预测。」生成和判断本来就是一回事的两面。
为什么说检测方式有盲区？先看这条产业链。基因合成是商业服务：你在厂商网站上提交序列、付款，几天到几周后一支冷冻的DNA管快递上门，Eric的比喻是「寄亚马逊包裹」。整个科学界都靠这条管线运转。既然制造能力集中在少数厂商手里，防御的天然卡口就是订单筛查。问题是，行业自律组织IGSC（2009年成立，成员合计占全球商业产能的多数）做的是把订单序列和翻译后的氨基酸序列，拿去比对自家的管制品病原体数据库——这仍然是查表。不加入的厂商、短片段订单、台式合成仪，都可能不筛查。
压力测试已经有人做过。2025年10月发表在《Science》上的一项研究，来自微软首席科学官办公室：他们用开源的AI蛋白设计软件，把毒素等「关注蛋白」改写成序列被改得面目全非、但可能仍有同样功能的版本，再拿去测合成商使用的筛查软件，发现大量漏检；随后他们联合几家基因合成公司（比如Twist Bioscience，主要做基因合成的厂商之一）和生物安全机构打补丁，把检出率提了上去。需要说明的是，节目里提到的「Paraphrases」并不是这项研究的正式项目名，「改写（paraphrase）」是这组研究里对该类威胁的通用叫法。
误报是另一头的麻烦。主持人Brandon提到，现有的筛查工具常常过度敏感，把正当的合成生物学研究也一并拦下。他还算了一笔账：就算准确率指标F1做到0.99（F1是把「查得准」和「查得全」两项合起来打的一个分，1是满分），在一年几十亿条序列的规模下，误报的绝对数量仍然大到无法人工处理。这个平衡极其难拿。
Eric对这套框架的补充是分层的。他把生物防御拆成三到四根支柱：检测监测（比如机场拭子、污水采样）、溯源（判断是天然的还是人为改造的、来自哪里）、应对手段（抗病毒药、抗菌药、诊断），再加一根威慑——但威慑靠的是情报、官方归因和制裁，只有政府手里才有这些工具，所以公司只专注前三根。
那最让他睡不着的是什么？他先排除了想象的路径：「要进入一个想设计生物武器的人的脑子挺难的。」他担心的是一件更平常的事——专业门槛和工程化速度都在往下掉，规模到某个点会指数级涨上去。风险分两类：故意做的，和不是故意的。他特别提到后者：「有人想生成点东西、调控一下功能，本来是想做某个东西来理解、来研究，结果它跑出去了。」这里说的是实验室感染、样本误运、防护失效这一类事故，不是有人蓄意释放——原话里他并没有用「意外泄漏」这个词，这是对那一类风险的概括。
主持人RJ从反方角度逼问过一次：你既然在前沿，就是同时在推动攻击和防御的前沿，长期看这还有意义吗？Eric的回答是希望大家换个心态，「别觉得做个生物防御工具就算交差了」，这就是一场军备竞赛，跟网络安全很像，有来有回。
Brandon立刻指出这个类比有漏洞，而且这一点值得普通人记住：网络安全的漏洞可以打补丁，人的基因组是固定的，「你没法给一个人打补丁」。攻击面因此大得多。反过来他也补了一句乐观的话：就算能随便打印DNA，从打印出来到做成一个真正成功的病毒，门槛仍然相当高。
最后是这家公司自己的保留。Eric承认，如果目标是百分之百阻止危险设计，这个问题本身就太难，总会有绕过去的办法。所以他把语言模型和聊天机器人的安全称作「一层」——过了这层还有东西流出来怎么办？他们想做的是给那些关心「已经流出去、已经存在于环境里的东西」的人提供工具，做监测、做溯源、做应对。他说得也很克制：在那里它需要做到完美才有用吗？「我不这么认为。我觉得只要能带来帮助，能推动生物防御往前走就够了。」
写在最后
三个判断串起来看，其实是同一件事的三个切面。AI在生命科学里补上了「对齐」这一课，于是它不只能读DNA，也能按人的要求写DNA；一旦能写，设计的门槛就往下掉。Eric说他们做的是同一批模型的两面，这句话听着像公司叙事，但逻辑是真的：能生成功能的东西，也最能判断功能。
对普通人来说，这期节目提供的不是又一个「AI很可怕」的说法，而是一个具体的版本：危险设计的数量可能指数级增长，以及近期更可能发生的那种「本来只是想做研究，结果它跑出去了」。而防线也不在聊天框里——DNA是要被合成出来的实体，合成管线撑着整个科学界，这条管线的筛查现在还在靠比对清单。
值得想一想的是：如果AI写的基因最终真的能治病，也能造病，那么「谁来判断哪一段该被拦下」，这件事该由谁来定？Eric说他乐观，因为研究者群体和政策圈有韧性。这个乐观成不成立，大概取决于接下来几年，有没有人真的把工具做出来、放出来、让更多人用上——而不是只在座谈会的最后一题上说一句「生物武器」。
收听本期：小宇宙搜索「闪电译制厂」，收听《EP3｜生物安全是一场 AI 军备竞赛——对话 Radical Numerics CEO Eric Nguyen》。 https://www.xiaoyuzhoufm.com/episode/6abd29f8195d838e2aec28a8
原节目：Latent Space — 🔬 Bio-security is an AI Arms Race - Eric Nguyen (CEO, Radical Numerics)《🔬Bio-security is an AI Arms Race - Eric Nguyen (CEO, Radical Numerics)》 https://www.latent.space/p/bio-security-is-an-ai-arms-race-eric