生物 AI 大登陆：巨头、机器人与生物人的位置账

2026 年，生物这个行当迎来了一次罕见的集体登陆。OpenAI for Science ↗ 年初成立时放话：2026 年的科学，将像 2025 年的软件一样被改写。四月，GPT-Rosalind 发布——第一个面向生命科学的前沿推理模型，药物发现、基因组分析、蛋白质推理，明摆着是冲 AlphaFold 去的。二月，Isomorphic Labs 的药物设计引擎 ↗被 Nature 报道称作「AlphaFold 4」，AI 设计的药物已经推进到人体试验。NVIDIA 的 BioNeMo ↗ 被 Lilly、Thermo Fisher、QIAGEN 采纳，与 Eli Lilly 合建十亿美元联合实验室，又在 BIO 2026 上发布了生命科学 Agent 工具包。Meta 系的 EvolutionaryScale 与 Biohub 把 ESMFold2 ↗ 开源——十亿个蛋白质结构，号称超过 AF3。连苹果都出手了——而且出了两次手。一次明面上：Project Mulberry，端侧 AI 健康教练，随后据报道大幅缩水、面临取消 ↗；一次暗地里：蛋白质设计模型 SimpleDesign 悄悄挂上 arXiv，整个计算生物学圈都在讨论。

这一篇不打算贩卖情绪。巨头登陆、算力冗余、机器人占席、岗位洗牌，所有素材摆在一起，其实只回答一个问题：生物人该站在哪。

大家都在做 = 用资产负债表投票#

科研可以浪漫，资本不会集体浪漫。Lilly 掏出十亿美元和 NVIDIA 合建联合创新实验室，图的是把自家的生物学积淀接上对方的算力和工程团队；Isomorphic 敢把 AI 设计的分子推进人体试验，图的是管线分成的长尾；OpenAI 免费送十万学术研究者 ↗最先进的模型，图的是整个领域的入口锁定——每一笔都是资产负债表上的决策，不是科研情怀。

上一次五大巨头朝同一个方向压注，还是云计算。这一次的压注对象，是「领域 × AI」这条交集线——本站喊了一年的杠杆要用在根基上，现在市场给这条线定了价。大家都在做，说明这里有钱；巨头一起做，说明钱不小。

五种方法论，一张牌桌#

把六家的动作摊开，会发现它们押的根本不是同一种东西：

玩家	方法论	具体押注	变现路径
OpenAI	通用推理垂直化	GPT-Rosalind + 免费十万研究者	领域入口锁定
Google / Isomorphic	全栈制药	Drug Design Engine → 人体试验	药物管线分成
NVIDIA	卖水人 + Agent	BioNeMo + Agent Toolkit + 联合实验室	算力与工具租用
Meta 系	开源换生态	ESMFold2 开源十亿结构	生态位与人才虹吸
Apple	效率路线 + 芯片垂直整合	SimpleFold → SimpleDesign 蛋白质两连发	自有硅上的科学计算

推理纵深、全栈制药、卖水、开源生态、效率垂直整合——五种方法论几乎互不重叠。值得逐个看一眼它们的底牌。

OpenAI 的赌注是「推理力可以平移」。它相信 GPT 在数学和代码上练出来的长链条推理，搬到生命科学一样好使——所以不做专用小工具，直接上前沿推理模型，再免费把十万研究者圈进来。免费不是慈善：科研工作流是最深的用户习惯，谁先把日常分析搬上自己的平台，谁就锁定了下一个十年的入口。

Google 走的是全栈纵深。从 AlphaFold 到药物设计引擎再到人体试验，它要的是「预测结构」和「设计药物」之间的完整管线——这是最重、最慢、也最难被复制的一条路，因为每一环都要真金白银的湿实验去喂。

NVIDIA 干的是卖水人的生意，但水里开始加料。算力租用是基本盘，真正的信号是 BioNeMo Agent Toolkit——卖水人开始教整条价值链用 agent 干活，等于亲手把「工具使用者」这个岗位标准化。它不关心哪家药企赢，它关心每家药企都用它的水。

Meta 系的算盘是把模型发出去。ESMFold2 开源十亿结构，看似让渡了护城河，实际是用开源换生态位：全世界的开发者替它找方向、提需求、养人才——「让整个人类社区替自己做实验」是成本最低的探索方式。

Apple 的赌注是「效率 + 自有硅」。2025 年 9 月的 SimpleFold ↗ 用流匹配加纯通用 Transformer 层做蛋白质折叠——没有 AlphaFold 那套昂贵的三角注意力——30 亿参数做到 AF2 的九成性能，算力成本只有约一成，轻到消费级笔记本能跑，权重直接开源。2026 年 9 月的 SimpleDesign ↗ 再进一步：序列与三维结构联合生成，绕开领域沿用多年的「自编码器分词→隐空间」范式，训练数据 200 万序列-结构对。从预测到设计两连发，全部跑在自己的 M 系芯片生态上。至于消费端的健康教练 Mulberry，那是另一条线的事，下一节单独拆。

五种方法论几乎互不重叠，说明两件事：第一，问题够大够多面，没有一条路能通吃；第二，路线还没收敛。路线未收敛的意思是：每一种打法都还在试探期，标准打法没出现，平台还没有资格通吃——窗口开着。

NVIDIA 那行值得多看一眼：连卖水人都开始发 Agent 工具包了，说明这条价值链上「会用工具的 agent」已经成了默认交付形态——上一篇文章刚说过老黄定律，这里就有了注脚。

苹果的两条线：一边撞墙，一边两连发#

五家里最不缺钱的苹果，恰恰最先传出不利消息——但只讲这一半，就把它读漏了。

先说撞墙的一半。Project Mulberry——彭博系记者 Gurman 在 2025 年 3 月曝光的端侧 AI 健康教练——原定随 2026 年春夏的 iOS 更新落地，随后被曝未能如期就绪，项目大幅缩水，面临取消风险，苹果被报道正在重新思考整个 AI 健康战略。这不是孤例，是硅谷在临床健康上的连败史：IBM Watson Health 2022 年把核心资产卖身改名 Merative，Google Health 的独立部门同年收缩解散。临床健康这一层的墙，是数据的脏、验证闭环的长、监管的深——钱的厚度砸不开它。

再看没撞的那一半。同一个苹果，在科学计算侧打出了两连发：SimpleFold 做折叠预测，SimpleDesign 做序列-结构联合设计，一步跨到领域前沿，而且轻得反常——别家堆算力，它把模型做到笔记本能跑；别家圈公有云，它把 Private Cloud Compute 服务器直接换上自研 M5 芯片（跳过 M3/M4），供应链消息称专用 AI 服务器芯片 2026 下半年量产。模型、芯片、端侧到私有云，垂直整合成一整条自己的路。

两半合起来，结论比「巨头撞墙」或「巨头无敌」都精确：验证闭环厚的层（临床健康），连巨头都啃不动——那是领域人的壁垒；验证闭环薄的层（蛋白质科学计算），巨头推进飞快——那是平台竞争的主战场。FDE 的账里医学背景被标价 30-40K×18 薪，标的就是前一层；六家齐聚的蛋白质模型大战，卷的是后一层。壁垒在验证层，战场在计算层——两层位置，分属两类人。

红利修正：短期红利在产线，不在生物#

前天的文章结尾说「21 世纪是计算机和生物的时代」，方向没错，但说法要再严谨一点——这篇自己修正自己。

短期内的红利，其实轮不到生物，甚至轮不到软件：在实体制造业的电气化和自动化。逻辑很直接：AI 厂商这几年在疯狂新建算力中枢，每一座中枢都是一座小型发电厂加工厂——供配电、暖通、自动化控制、微电子，对应专业的需求肉眼可见地涨，麦可思的就业绿牌榜连续多年给电气类亮绿灯，说的就是这件事。

但这个窗口对新人是关着门的。今年、明年高考的考生，四年后毕业，大概率吃不到自动化红利的尾段——因为机器人自己会吃掉这部分岗位。电力巡检是最先消失的：无人机和人形机器人巡检已经在电网铺开。再往深一步，电工这个职业里最危险的仪式叫合闸——带电合闸，弧光能把人燎成重伤，这是所有电工入行时被反复警告的操作。机器人不怕。少了一台，再换一台。

芯片设计看起来能撑得久一些，十几年是合理预期。但注意「撑」这个字：嘉立创EDA 已经接入了 AI 编程代理——从原理图到 PCB 的自动化全流程，对外公开的工具就有 72 个；竞品华秋的 AI 工具链也在跟进。撑十几年的真实含义是：你毕业的时候，正好赶上这个环节被 AI 吃掉的中段。

算力中枢的现实账#

既然红利在算力基建，就把算力的账也算一下。账面很雄伟：工信部口径，截至 2024 年底全国算力总规模 280 EFLOPS，其中智能算力 90 EFLOPS。但科技日报的深瞳报道 ↗标题就是另一面：利用率仅三成，「沉睡」的算力如何激活。西部的数据中枢更冷，行业分析给的利用率只有 20-30%。

新华网把这总结为结构性矛盾 ↗：通用算力相对过剩，智能算力相对短缺。存量机架里躺着大量旧卡——华为 910 一代、更早的 NVIDIA 卡——甚至整座纯 CPU 的算力中枢，在 AI 时代基本接不到活。它们的出路无非两条：被调度盘活，或者原地改造等新一代算力进厂。东数西算 ↗的八大国算力枢纽里，内蒙、贵州、甘肃、宁夏全在西北——不是偶然：光伏便宜、气温低、土地广，算力中枢的运营成本里电费和散热是大头，西北全占。

这笔账对生物人的含义在后文。先把另一个事实摆出来：算力中枢的就业结构是下宽上窄的——塔尖的模型研究岗要人极少，那是全球抢的一小撮人；塔基的运维端要大量工科人手：电气、暖通、自动化、网络。越靠近基础设施，岗位越多，门槛越平。

数据中心 × 生物：一个机架养活两批人#

现在把两条线合上——巨头既在建 AI 设施，又在做生物，这两套设施正在物理层面合流，而且已经有实锤了。

新加坡，NUS Medicine 与 DayOne、Cortical Labs 联合部署了生物数据中心原型 ↗：20 台 CL1 生物计算单元组成的服务器机架，被称为世界第一个独立运行的生命-硅混合服务器机架——培养皿里的人类神经元长在硅片上，做真正的信息处理。不是比喻，是机架，有供电、有散热、有运维。

这种机架最有意思的地方是它的用工结构：一个机架，养活两批人。一批是生物人——养细胞、换培养基、监控污染，神经元是活的，伺候方式和细胞房一脉相承；另一批是电气和运维人——供电、散热、集群调度，传统数据中心的那套手艺原样适用。生物和电气在同一台机架前会师，谁也离不开谁。

记住这个结构，后面算位置账的时候要用。

但要把这份乐观校准到国内现实：蛋白质这个方向，基础实验员的需求是真的，国内却没多少企业在做这件事——因为巨头真正缺的其实是数据库。基础实验员该测的测、该记的记，测出序列传进数据库，数据积累才是模型时代的油田。对应的分工也清楚：还是两批人，生物的该测序测序，化学的该做空间结构研究的研究空间结构——一批喂样本，一批定结构。岗位存在，但链条的起点是「把数据攒出来」，不是「把模型调出来」。

实验台易主：从机械臂到人形#

巨头押的是平台层，机器人动的是实验台层。「机器人做实验」不是预言，是已经跑了几年的现实：Berkeley 的 A-Lab 在 Nature 上发过自主合成实验室 ↗，CMU 的 Coscientist 让 GPT-4 自己规划并驱动化学实验，也是 Nature。但注意它们的形态——全是专业机械臂加定制轨道车：贵、专机专用，每换一类实验就要重排一遍产线。

人形机器人换的是这个逻辑：所有工具都是照人的习惯造的——移液器给人手设计，天平给人眼读数，超净台按人的身高定高度。既然工具世界里全是人的印记，那么仿照人做的机器人，就能直接继承人类的一切工具，人能用的它就能用，而且不睡、不吃、不手抖。上一代的自动化是「为机器重新设计实验」，这一代是「机器直接进人类的实验室」。

最先受益的场景毫无悬念：高传染性的封闭实验室。人进 BSL-4 级实验室要穿正压防护服，本身还是污染源；机器人既不会被感染，也不会污染样本——完全封闭实验里，人反而是最该被隔离的那个变量。伦理上，生化人（cyborg）短期看不到，往实验台里放的会是纯机器人——它们不是同事的增强版，是席位的竞争者。

人才市场的两个推论#

把前面所有层叠在一起，人才市场会走出两个推论。

推论一：FDE 会越来越多，薪资会走低。FDE 岗现在 12K 起、异地 20-25K，是因为「领域经验 × AI 应用」的交集还稀缺；但这个交集没有专利保护，涌入者越多、工具越顺手，定价就越平——所有岗位的供需曲线最后都长一个样。

推论二更尖锐：到时候，真的需要这么多高级人才吗？巨头的方法论五花八门，落到具体岗位上却高度同质化——绝大多数位置需要的是熟练的工具使用者，不是定义问题的人。工具使用者之间的竞争，最终是价格竞争。

推论三：这条饭链是外包制的，而且只接得住大公司。上面说的数据分析，很多公司根本不自己做——直接外包出去。而接外包的起码要在行业内大到一定程度才轮得到。换句话说，基础岗位的职业安全不取决于你自己有多强，取决于你所在的公司有没有大到能接住从巨头手里漏出来的活。接住了，你的职业也只是「暂时」不消失——这三个字，值得反复读。

但反方向也有一条：软件工程在凉，计算机衍生行业活得很好——芯片设计、自动化、电气化，全是 AI 基础设施的施工队。所以严格讲，「计算机和生物的时代」这句话还是成立的，只是要拆开读：「计算机」这个词底下坐着的，是电气、自动化和微电子；「生物」这个词底下坐着的位置，正在重新分配。

跑道比想的长：世界的割裂是缓冲垫#

还有一个大多数人没算进去的变量：这个世界的不均衡。

印度洋的北森蒂纳尔岛上，有一个绝对拒绝接触外部世界的部落；非洲大陆有大片区域，生活方式距离原始狩猎只有几代的距离——他们偶尔会买到现代社会的商品，但生产方式还停在过去。同一颗星球上，GPT-Rosalind 在做蛋白质推理。一边这么发达，一边这么落后——这种割裂通常被当作问题来谈论，但换一个视角：它意味着「AI 时代」对绝大多数人类来说根本没有开始。

绝大多数人还没摸过 AI。这意味着「在人和 AI 之间做翻译」这件事的全球跑道，比任何一代人的整个职业生涯都长。发展不均衡是残酷的，但客观上，它是这个职业最厚的缓冲垫。

位置账：从工具使用者到验收人#

把全篇的账收拢。巨头押注平台层——模型、算力、引擎，那里要人极少，是全球抢的一小撮；机器人占的是执行层——产线、巡检、实验台，那里的工具使用者会被同类的机器换掉；中间留下两层位置给领域人：

上层的问题层与验证层。什么问题值得算，只有懂领域的人看得出来；算出来的结果敢不敢用，要过湿实验闭环、合规红线和判定点清单——这套东西数据不出域、经验不入模，巨头搬不走。窗口期内，这两层的溢价在涨。

塔基的运维层。算力中枢要电气和自动化的人手，生物计算机架还要再加一批养细胞的人——一个机架养活两批人，生物人和电气同学在同一个机架前各领一份工资。

但两层位置有一个共同的准入条件，就是前天的文章里那句话：AI 是放大器，杠杆放大的，是你本来的样子。如果你本身是 0，AI 这个倍数哪怕无限大，0 乘任何数还是 0。放大器时代的第一张门票，是先让自己不是 0。

站内有一个现成的证据收尾：两只真实果蝇大脑在下五子棋——166,700 个神经元、2558 万突触的连接组仿真，个人级 AI for Science 的活样本。它证明的既不是算力免费，也不是模型万能，而是：上这张牌桌，不需要苹果的预算。需要的是领域问题、工程思维，和够用的工具。

结语#

巨头登陆，把生物从冷门变成主战场；机器人占席，把「拿工具的手」变得不值钱；窗口未收敛，把「定义问题和验收的人」变得值钱。三条线拼在一起，结论不是慌，是换位：从工具使用者，退到问题定义者和验收人的位置上。

登陆部队再大，也需要向导。潮水决定的只是地图——潮水决定不了你站在哪。

数据口径#

这篇文章的数据分五类，口径各异，逐条说明。

巨头动态：GPT-Rosalind（2026-04-16，科技媒体口径）、OpenAI for Science 与十万研究者免费（OpenAI 官方 ↗）、Isomorphic 药物设计引擎（官方公告 ↗与 Nature 报道，「AlphaFold 4」为科学圈戏称，AF3 的 23% 为该基准口径）、BioNeMo 采纳与 Lilly 十亿美元实验室（NVIDIA 投资者公告 ↗）、ESMFold2 十亿结构（科学网 ↗口径）。苹果双线：SimpleFold（Apple ML Research ↗，权重开源）与 SimpleDesign（Apple ML Research ↗ / arXiv 2609.03377，「绕开隐空间范式」为钛媒体等媒体口径）；PCC 服务器换装 M5、专用 AI 服务器芯片 2026 下半年量产为供应链爆料口径（郭明錤），非苹果官方；Mulberry 缩水与取消风险为彭博系报道口径，同为媒体报道而非官方结论。

算力账：利用率三成、总规模 280 EFLOPS 与智能算力 90 EFLOPS（科技日报深瞳 ↗，工信部口径）、结构性过剩（新华网 ↗）、东数西算八枢纽（国家发改委实施意见 ↗）；旧卡存量（华为 910 一代、旧 NVIDIA 卡、纯 CPU 中枢）为行业观察口径；「关停、自负盈亏、碳排放整肃」为地方与行业信号，未核到部委原文，用来看方向不看条文。

机器人与实验室：A-Lab（Nature 2023 ↗）、Coscientist（CMU，Nature 2023）；「人形机器人进实验室」为基于工具人形化的趋势推演，不是已大规模发生的事实；嘉立创EDA 接入 AI 代理与 72 个工具（实测报道 ↗），华秋跟进为行业报道。

生物计算：新加坡生物数据中心原型（NUS Medicine 官方公告 ↗，20 台 CL1）；「一个机架养活两批人」为本文基于岗位结构的推演，不是官方表述。

岗位与薪资：FDE 供给增加与薪资走低为趋势判断；麦可思绿牌榜口径；北森蒂纳尔岛为公开地理事实。所有趋势判断用来看方向，所有数字用来看量级。