衰老，大概是人类最公平也最无奈的事了。皱纹、器官退化、体力下降、记忆变慢——这些变化迟早会找上每一个人。长久以来，人们习惯将这些看作自然规律，觉得不可改变。医学能治百病，却似乎治不了“老”。
但今天，人工智能和生命科学的结合，正在给这个老问题带来新解法。国内一家叫“自然常数”的生物科技公司，联手瑞士洛桑联邦理工学院（EPFL）的 Johan Auwerx 教授，基于全球规模最大的小鼠全生命周期数据库，打造了一个AI跨物种真实世界模型。这个模型通过人类与小鼠之间的同源基因映射，不仅能用于临床阶段的风险预测，更重要的是，它可能为理解“衰老到底是怎么发生的”提供一套全新的方法论。顺便一提，华兰股份（301093.SZ）旗下的灵擎数智最近砸了超过2亿元投资入股自然常数，成了它的第一大股东——资本的嗅觉往往很敏锐。
全生命周期小鼠数据库：训练“读懂生命”的AI
ChatGPT 能聊天，靠的是互联网上海量文本的训练。那要训练一个能理解生命规律的AI呢？同样需要海量的底层生物数据。过去很长一段时间，正是因为缺乏高质量、连续的生命体观测数据，AI在生物医药领域始终施展不开手脚。
自然常数的核心竞争力，就在他们独家引进的这套小鼠全生命周期数据库——规模在全球范围内都算领先的。它几乎覆盖了所有小鼠品系，这样一来，不同复杂遗传背景下的衰老过程都能被比较完整地纳入观察范围。
说到这儿，一个关键点就来了：小鼠和人类的基因相似度超过90%，所以它一直是研究人类生命周期的理想模型。但过去的研究，往往只盯着某个年龄段或者某个单一器官做实验，就像“管中窥豹”。自然常数干的这件事，是完整记录一只小鼠从出生到青年、到中年、直到死亡的全过程。打个比方：如果说过去的生命研究是在翻看一张张照片，那这套数据库更像是一部关于生命的完整纪录片。自然常数创始人黄小鲁解释得很形象：“这些数据能整体描绘出一个哺乳动物正常衰老的全过程，这就是基线。所有偏离这个基线的，就是疾病。”正是这种全方位、高频次的动态数据，让AI第一次有机会系统地观察衰老和疾病是如何一步步改变生命的。
Johan Auwerx 教授加盟，为AI模型注入科学纵深
顺着这个思路想下去：如果AI能识别生命变化的规律，那它能不能提前预测衰老的速度？如果衰老速度能被预测，那它能不能被重新管理？这种追问正在推动生命科学发生一场转变——从“怎么治病”，转向“怎么理解生命”。
Johan Auwerx 教授加入自然常数、担任首席科学官，让这个探索有了更扎实的科学根基。Auwerx 教授是全球代谢与衰老领域的老牌权威，长期担任《Science》《Cell》这类顶级期刊的编委。他在线粒体功能调控方面的研究，揭示了细胞核与线粒体之间的双向通信机制，还验证了白藜芦醇、尿石素A、NAD+等抗衰老活性分子的作用原理。有意思的是，他当年为研究衰老而搭建的全生命周期数据，正好在AI技术爆发的大背景下，成了构建跨物种真实世界模型的关键基础设施。
据透露，Auwerx 教授会深度参与自然常数AI模型的构建。他几十年的科学积累加上AI的算力，有望把那些过去很难量化的生物学机制，变成可以计算、可以验证的模型输出。这不仅能支撑自然常数为全球药企提供临床管线的风险预测和方案优化，也极有可能为抗衰老领域开辟出一条全新的研发路径。
理解衰老本质：从经验驱动走向数据驱动
回顾抗衰老的探索史，无论是抗氧化剂、干细胞，还是各种“长寿药”，始终缺乏统一的标准和清晰的路径。整个行业长期处在经验驱动和碎片化摸索的状态，很难从整体上回答“衰老到底是什么”。
自然常数正在尝试做的，是用数据和算法给抗衰老研究搭建一个底层的量化框架。在他们的模型里，AI能识别哪些细胞功能在衰退、哪些代谢系统开始失衡，然后基于海量实验数据，为不同个体匹配更精准的分析方案。衰老研究这件事，也因此开始从模糊的经验判断，走向可量化、可预测、可验证的新阶段。
往深了说，AI抗衰老的真正意义，可能并不在于追求永生，而是人类第一次尝试建立一套描述生命变化的底层语言，去回答那个根本问题：人到底是怎么老的？沿着这个方向，自然常数与华兰股份旗下的上海药图智能之间也存在着协同空间——自然常数的跨物种生命数据，加上药图智能的生物医学知识图谱，或许能真正碰撞出衰老的底层机制和有效的抗衰老药物。
