当实验室成为强化学习的验证器

核心论点：把科学变成最后一个“无限 token 生成器”

Beam 的出发点是“苦涩的教训”（the bitter lesson）：能随 compute 和 data 继续扩展的通用方法，长期会打败依赖人工设计的专用方法。过去支撑大模型预训练的是互联网文本，但这个数据源有限。大模型进入后训练与强化学习阶段后，Lila 判断科学实验是“可验证奖励”框架的终极版本：模型提出假设，实验室执行，测量结果反馈为奖励信号。他们把这套系统称为 AI Science Factory——本质是给科学问题做规模化验证器。

主持人在访谈中引用 Escalante Bio 博客里的“Your experiment has a runtime”追问 Beam；这不是 Beam 的原话。Beam 的回应是，不同实验有不同时间尺度，例如无法让核糖体变快。这并不否定“无限 token 生成器”的前提，而是提出了一个工程问题：如何把不同时间尺度产生的数据同步进入训练。

不是所有 token 都一样值钱

Beam 主动强调：不是所有能产生的科学数据都值得生成。测序数据理论上可以无限产生，但一个人的基因组相对参考基因组可能只有“几千字节”的真实信息量；继续测量高度相似的样本，边际信息很有限。

因此，Lila 的实验平台优先考虑通用性和灵活性，而不是原始吞吐量。目标是让模型设计此前没有想到的新实验协议，而不只是把已知协议跑得更快。在基因编辑表达协议测试中，公司称模型零样本设计的方案成功率约 80%，人类专家零样本成功率为 0%；但公司也说明，目前还没有做到完全开放式、自由形式的实验设计。

“实验室就是一张图”：PCI 总线、人在 API 之下

Beam 把实验室描述成一张图：每台仪器是节点，节点之间的物理传输层是边。当前主要靠平面电机系统实现——96 孔板在轨道上磁悬浮移动，可以做到毫米级定位控制。Beam 把这套系统比作“实验室的 PCI 总线”。并非所有仪器都已接入，材料科学也缺乏成熟的高通量自动化基础，团队仍需定制设备。

Beam 明确否认 Lila 是一家自动化公司：“我们不是自动化最大化主义者，我们是 token 生成最大化主义者和灵活性最大化主义者。”是否自动化取决于成本效益；打开试管盖之类的动作可以交给人。系统中的每一步都是 API 调用，有时调用机械臂，有时调用人的手——“人真的就是位于 API 那条线的下面。”

安全与科学严谨性：电催化剂的“离谱建议”变成最佳配方

团队把安全分成两类：恶意行为者，以及复杂系统意外产生危险输出，例如仪器溢出或错误组合化学品。这类化学 EHS 风险从公司成立第一天起就必须处理，因为能力曲线可能呈 S 形，在看似正常时突然出现未预料的能力。系统也做权限隔离：做抗体设计的问题，并不需要模型接触实验室储气罐。

一位在电催化领域发表过约 40 篇论文的专家，起初觉得模型提出的非铂族电催化剂配方平庸，后来又觉得离谱；实验却显示这些配方是公司最好的非铂族电催化剂。Rafa 强调：“我们不能因为是 AI 就放松科学严谨性的标准。”团队还指出，假阳性会打击人类操作者，却可能帮助模型降低不确定性。

强化学习的“怪癖”：会骂人的模型、坍缩的思维链

团队坦承 RL 存在 reward hacking 风险。早期让模型生成实验板位图时，用户要求修改试剂后，模型的思维链里会出现骂人的内容，来源并不清楚。另一种常见模式是坍缩：思维链不断重复最终答案，而团队尚不完全理解这种病态模式为何有时能获得更高奖励。

在 Lila，思维链既包含推理步骤也包含实验工具调用，而且以人类可读的英语呈现。模型有时会跳过看似必要的中间推理，在结果可直接验证的环境里，这种“抄近路”未必是坏策略。Beam 的结论是：“思维链常常是一个不可靠的叙述者，说明不了模型的计算实际在做什么。”

Lila 不是生物科技公司：模型本身才是产品

Beam 强调，典型生物科技公司搭建平台是为了冲刺临床试验；Lila 排除了这条路：“在 Lila，模型本身才是有价值的东西。”实验平台是 token 生成器，也是公司的护城河：单位时间和面积产生的数据增加，让模型更聪明，再带来更好的下一步实验建议。

Octant Bio 的 Sri Kossuri 曾问：“如果你需要数据来训练模型，但你已经有了数据，那你还要模型干什么？”Beam 认为这个反问只在单一细分领域内成立。他用编程助手类比：训练数据的广度和深度会产生溢出效应。Lila 的核心押注也是如此——训练覆盖的科学领域越广，进入具体子领域所需的专有数据越少，有时可接近零。

不止是 TechBio：材料、量子点、MOF，以及材料“苦乐参半”的规律

Lila 的范围包括薄膜、量子点、液体和聚合物配方、电化学、传统催化与材料力学性能。访客可以指定目标颜色，实验室会在一到一个半小时内合成至少一批命中目标波长的量子点。配方这种看似不耀眼的能力，也成为润滑剂、脂质纳米颗粒、除臭剂、凝胶和皮肤移植等产品的共通模块。

团队把原本为小分子药物发现训练的化学推理能力复用于 MOF。Rafa 把材料和化学的规律概括为“苦乐参半的教训”：AI 里 scaling 本身是路线图；化学和材料里，只有能被规模化验证的东西才算数。量子点合成已从几毫升做到接近一升，早期实验也会加入供应链与技术经济约束。Lila 不准备自己做临床试验或中试放大，这些环节通常交给客户或合作伙伴。

CAR-T 的“零全职员工”验证案例

Lila 分别训练过 in-vivo CAR-T 所需的结合蛋白设计、脂质纳米颗粒制剂和 mRNA 设计能力。一个两三人的团队随后用约六个月把三者组合起来。Beam 以 Capstan 为对照：这家同类 in-vivo CAR-T 公司此前被 AbbVie 以约 21 亿美元收购。

团队的核心技术贡献是所谓“monster UTR”序列，据称可把 mRNA 表达峰值和持续时间提升到 Moderna、Pfizer 参考序列的约 10 倍。六个月后的非人灵长类数据据称在 B 细胞清除效果和持续性上优于 Capstan 的公开数据。由此团队提出“zero-FTE startup”：两三个人加模型和平台，在六个月内完成五年的生物科技工作，只花十分之一成本。商业结构包括平台费、试剂与运行成本，以及后续里程碑分成；这些仍是公司自述，缺少第三方同条件复现。

临床转化、Emily Whitehead 与开放式探索

Beam 指出，行业整体只有约 5%–8% 的药物能从 IND 走到获批；发现往往不是唯一瓶颈，规模化生产、监管和安全性仍会决定结果。团队把目标比作让骰子尽量“加载过”，而不是保证成功：在早期就加入经济可行性推理和工艺工程模拟。

他以儿童患者 Emily Whitehead 的 CAR-T 治疗为例：严重细胞因子风暴几乎致命，最终依靠主治医生知道一种关节炎药物可以阻断 IL-6 反应才转危为安。Beam 用这个故事说明，临床关键知识常没有进入数据库；Lila 想系统化的不只是分子设计，也是这种知识拼接。

Ken Stanley 在 Lila 领导开放式探索，目标是让模型不仅回答难题，还能提出有意思的新问题。Beam 的判断是：“如果你只是一个很会考试的学生，你不可能拥有科学超级智能。”团队预计在访谈当年年底前展示初步成果。

实验室实况、10 万亿 token 到底是什么，以及两个收尾瓶颈

实拍视频展示了磁悬浮运输的 96 孔板、机械臂交通管制和磁控溅射设备。许多商用仪器没有程序化接口，有些仍运行 Windows 95；团队为此编写驱动和固件，甚至用视觉语言模型操作老界面。Beam 把这些改装称为“生物学领域里全世界最大的一批失效保修单收藏”。未来 v2 实验室将像数据中心机柜一样更密集地纵向堆叠，调度则像实验室版 Slurm。

Beam 澄清，“10 万亿 token”指模型在内部科学 RL 环境中生成、并经实验反馈验证的推理轨迹，混合英语推理与工具调用；不是把 dbGaP、PDB 或 SwissProt 等公开数据库直接 token 化。Lila 从开源权重模型起步，并提到与 NVIDIA 合作、使用 Nemotron，再以这些轨迹做后训练。公司还称内部约有 1,000 个独立科学 RL 环境，计划开源一部分。

访谈最后留下两个瓶颈。Rafa 选择材料模拟的 sim-to-real 精度：AlphaFold 是由真实实验结构训练出来的，而材料模拟器还不够准，无法可靠替代这种数据。这里“材料领域没有 AlphaFold”的原始判断来自同档节目前一期嘉宾 Heather Kulik，Rafa 明确认同并补充了上述解释。Beam 则选择训练基础设施的 Model FLOPs Utilization，目前据称只有理论峰值的约 5%–6%。