Radical Numerics 的 Eric Nguyen：生物学不缺数据，缺的是能把信号提出来的模型

以 DNA 为底，其他组学当成同一个系统的不同传感器

他说大多数生物 AI 一次只做一个模态或一个专科，蛋白质结构预测是其中最成功的一支；Radical 想做的是一个系统同时读 DNA、RNA、蛋白质、表观组和代谢组。理由有两层：信息上，造一个生物体所需的东西都在 DNA 里；实际上，直接从 DNA 推到所有性质“可能算不出来”，而其他模态是现成的捷径，等于把物理世界的结果印了下来，比如 DNA 的三维结构能直接告诉模型两个相隔上百万字母的位点其实挨在一起。他把这些模态比作定位时的多个传感器：没有哪一个准，要一起用来确定真实位置。

他的“暴论”：生物学的数据太多，模型太弱

他说公开数据的量不是问题：单看 DNA 就是“互联网规模”，比网上所有文字还多，按原始 token 算是“高出几个数量级”；把其他组学加上会更多。问题是用在这些数据上的模型，他说除 AlphaFold 之外基本都“强不过线性回归或逻辑回归”，加数据加算力就平台期。所以 Radical 先攻建模和预训练这一段：把现有公开数据榨干，把昂贵的、有临床价值的标注数据留给后训练。他说靠自己生成监督数据来绕开弱模型，是会把公司拖垮的做法。

“I agree that there's a data problem, but my hot take is there's not a lack of data. There's too much data in bio.”Eric Nguyen

读别人做科学，和自己做科学不是一回事

他说前沿实验室现在做科学的方式是用自然语言推理，像人那样编排，真要处理原始数据时再去调用生物信息学工具和专门模型，因为原始科学数据的人工标注稀少得多。在他看来，靠读教科书、期刊和实验记录来学科学是有上限的，更多的事实还留在没人写进论文的原始数据里；他认为前沿实验室迟早会算出直接在科学数据上训练更划算。他的博士期间就在做这件事，并说语言模型在他眼里是一台新的显微镜。

“It's reading about humans doing science versus doing the science itself.”Eric Nguyen

先卖“读”，四个市场同时开着

他把能力分成读和写：读 DNA 做预测相对容易，生成和写入更难。所以先做的是解释基因组，帮药企判断该往哪个靶点和哪种病投研发经费，以及癌症检测与诊断；给一段 DNA 判断它的性质和致病性，同一套东西也用在生物防御上，他说这天然是 API 生意。公司因此同时开着制药与药物发现、诊断、合成生物学和生物防御四个方向，他说没有哪家公司会同时做这四件事，并把路径比作前沿实验室：先给出通用工具，看用户把它用在哪里，再往下纵深。

验证在湿实验室，先外包，再自建

他同意验证是瓶颈，并说这会是瓶颈一段时间。现在的做法是大量合作：常规实验外包给 CRO，特殊的留在内部；他说因为建模一侧跑得比预期快，自建湿实验室的时间表在提前，“很快”就会做。另一条绕路是回溯验证：拿已经发表的结果，看模型能不能独立得到同样的结论，他把这当作走向真实湿实验的桥。他举的例子是 Omnii 预览里的阿尔茨海默病部分：一篇论文花了两年的湿实验去确定哪些基因最致病，他说一个刚入职几天的同事用 Omnii 大约两天就复现了同一个排序。

设计和防御分不开，所以发布方式成了唯一的闸门

Evo 和 Evo 2 时他们还是博士生，默认开源，防护措施是把能感染人的真核病毒从训练数据里删掉；他说这只是一类防护，细菌病原体的基因和蛋白技术上仍在库里。他的论点是：有能力改写生命底层的模型必然压低做危险东西的门槛，数据放在模型外面也挡不住，所以同一家公司要同时推设计和防御，做防御的人必须懂前沿的设计能力，否则不知道要防什么。公司现在对模型的访问方式更谨慎，他说当下的平衡是先让美国政府方面的伙伴拿到防御能力。

“If you're going to build models with such capabilities to control the substrate of life, you're going to lower the barrier to making dangerous things.”Eric Nguyen