最近看到一个非常精彩的分享，来自 BioHub 的 Alex Rives 在 Latent Space 播客中深入探讨了 ESMFold2 给蛋白质科学带来的变革。整个讨论的核心其实可以浓缩为一句话：“苦涩的教训”（The Bitter Lesson）。围绕这一中心思想，他详细剖析了在生物 AI 建模过程中，究竟是依赖大规模数据集更有效，还是继续沿用那些“人类先验知识”更靠谱，并最终指向了一个终极愿景：构建生物系统的世界模型，实现“可编程生物学”。

核心要点

• 苦涩的教训（The Bitter Lesson）：在蛋白质结构预测领域，依靠无限堆叠计算资源和大数据训练出的通用模型，正在全面超越那些精心设计、依赖人类专家先验知识的专用算法。
• 数据集 vs. 归纳偏置：模型设计中始终存在一场博弈——是过度依赖人为预设的规则和物理约束（即归纳偏置），还是直接向模型投喂海量数据，让它自主发现规律。
• 生物世界模型：将蛋白质折叠模型视为一种理解生物学底层逻辑的“世界模型”，能够模拟生物分子在复杂环境中的行为。
• 可编程生物学：借助高精度 AI 模型，生物学正从“观察与发现”的考古式研究，大步迈向“可预测、可设计”的工程化科学。

详细分析

苦涩的教训：数据终将胜过规则

ESMFold2 的开发逻辑中，不得不提 Rich Sutton 提出的“苦涩的教训”，这一原理在生物学领域同样适用。传统生物信息学有一个显著特点：喜欢往模型里塞入大量归纳偏置，也就是各种人为设计的规则和物理约束，期望模型能严格遵循这些“祖训”来解决问题。然而，随着计算能力的飙升以及蛋白质序列数据库像滚雪球一样膨胀，现实给出了明确的答案：那些能够更高效利用大规模数据的通用学习方法，反而取得了突破性进展。ESMFold2 的进化历程非常具有代表性——当模型不再执着于对特定物理结构的硬性假设，而是转而从海量序列数据中自主挖掘规律时，其预测精度和泛化能力都得到了质的飞跃。

生物学作为“世界模型”

报道中提到的“世界模型”概念，提供了一个非常新颖的视角。这意味着 AI 对生物学的理解已经不再仅仅是简单预测出蛋白质结构就结束了。ESMFold2 更像是一个能够理解蛋白质语言和生物物理环境的模拟器。它在海量数据上进行预训练的过程中，捕捉到了蛋白质序列与功能、结构之间那些深层次的关联。这种“世界模型”的视角，本质上就是说 AI 已经能够模拟生物分子在复杂系统中的行为模式，为理解生命活动的本质提供了一个全新的计算框架。

通往可编程生物学之路

“可编程生物学”是这次讨论的终极目标。想象一下，当模型能够准确预测并模拟蛋白质的行为时，科学家就像编写软件代码一样，可以用代码来设计全新的蛋白质分子。这意味着生物学研究正在经历一场范式的转变：从“我观察到了什么，发现了什么”的考古模式，切换到“我想要这个功能，我来设计一个来实现它”的工程师模式。借助 ESMFold2 这类强大工具，研究人员可以更精准地操控生物系统，为合成生物学、药物开发以及生物工程等领域打开一扇全新的大门。

行业影响

ESMFold2 背后的这些理念，对 AI 行业和生物制药领域的影响极其深远。首先，它验证了大规模预训练模型在生命科学这条赛道上的有效性，直接加速了“AI for Science”这一范式的推广进程。其次，它极大地加快了蛋白质工程的自动化速度，降低了新药研发的门槛。最重要的是，它所提出的“可编程生物学”概念，预示着未来生物技术与信息技术将彻底融合，由此产生的产业协同效应恐怕会超乎所有人的想象。

常见问题

问题 1：什么是蛋白质研究中的“苦涩教训”？

简单来说，“苦涩的教训”是指：从长远角度看，依靠大规模计算和大数据训练出来的通用方法，最终会击败那些依赖人类专家知识的特化方法。在蛋白质研究领域，这意味着像 ESMFold2 这样的大规模预训练模型，在处理复杂生物问题时，比那些靠人工规则堆砌的传统方法更具优势。

问题 2：为什么“世界模型”对生物学很重要？

关键在于，“世界模型”让 AI 不再是“死记硬背”已知的蛋白质结构，而是真正理解了其背后的生成逻辑。这使得模型能够预测从未见过的突变会产生什么影响，甚至直接设计出自然界里根本不存在的全新蛋白质。

问题 3：可编程生物学将如何改变药物研发？

它将彻底改变研发流程：从过去那种大海捞针式的随机筛选，转变为目标明确的定向设计。通过模型预测，科学家可以直接在计算机上“画”出具有特定功能的蛋白质药物，极大地缩短实验周期，并显著提高成功率。