# “Curing All Disease by next century is too conservative" - Mark Zuckerberg

- Channel: [No Priors: AI, Machine Learning, Tech, & Startups](https://www.youtube.com/channel/UCSI7h9hydQ40K5MJHnCrQvw)
- Published: 2026-06-10
- Source video: [Watch on YouTube](https://youtube.com/watch?v=u8cYwaLzN-k)
- Read on ReadTube: https://www.read.tube/p/videos/u8cYwaLzN-k
- Language: Simplified Chinese

## Summary

**百年治愈目标已过保守**

马克·扎克伯格、普莉希拉·陈和亚历克斯·里夫斯讨论了比奥哈布如何用开放科学与人工智能加速生物学进步，目标不是由他们自己治愈疾病，而是为整个科学界提供工具。三人认为，随着蛋白质模型、单细胞数据、细胞工程和虚拟生物学的发展，理解人体、预测风险并个性化干预正变得越来越可行。

他们把比奥哈布定位为一种长期的、以工具为核心的科研基础设施，而不是一家追求商业化回报的公司。核心思路是把前沿人工智能与前沿生物学结合起来，先在蛋白质层面建立世界模型，再逐步扩展到细胞、免疫系统和更复杂的生物系统，从而推动整个学科更快前进。

他们回顾了项目的演化：从最早支持单细胞测序方法、人类细胞图谱和细胞注释工具，到如今围绕虚拟生物学推进更大规模的数据生成与模型训练。由于生物学不像互联网文本那样天然拥有海量现成数据，团队必须通过显微成像、细胞工程和传感器等新方法创造新数据，并把实验和模型放在同一个闭环里协同推进。

几位嘉宾强调，开放源代码和开放平台能让工具更快进入更多科学家手中，尤其有利于罕见病和长尾疾病，因为这些领域往往难以吸引传统商业模式的投入。短中期最值得关注的方向包括炎症、免疫系统、蛋白质设计、抗体设计以及通过单细胞与组织层面的模型提前预测毒性和脱靶效应；他们相信，未来的目标不是先猜某一种病最先被攻克，而是逐步实现对个体基因、机制与治疗路径的精准理解。