Jason Kelly在波士顿的实验室里，有50台机器人正在无人值守地运转。这位Ginkgo Bioworks的创始人兼CEO，在接受红杉资本访谈时，用一句话概括了他对AI与生物技术交叉点的判断：「过去三十年的技术革命——互联网、社交媒体——对生物技术和制药业来说，不过是后台IT垃圾。这一次不同，这一次会真正改变我们做科学的方式。」
一次让Kelly彻底改变想法的实验
2024年，Ginkgo与OpenAI合作，用推理模型接管了一项细胞游离蛋白质合成优化任务——斯坦福Mike Jewett实验室在当年8月刚刚设定的行业最优基准。所谓细胞游离合成，就是把细胞内容物提取出来放进试管，再加入DNA片段，让它在体外制造蛋白质，相当于世界上最小的3D打印机。这项技术成本昂贵，科学家长期致力于降低每单位成本。
实验规则很简单：模型每轮能使用384孔板，每孔是一个独立实验单元。运行30,000个实验后，模型拿到数据，自行设计下一轮。四轮之后，AI打破了人类设定的最高纪录。六轮之后，超越幅度达到40%。
Kelly强调，模型并不是凭借更聪明的生物学理解赢得胜利，而是通过逻辑循环——提出假设、设计实验、分析数据、再次提问——替代了科学家的手工操作。「它只是把科学家做的事情变成了代码。这不需要它去模拟生物学，只需要它足够有逻辑。」他认为，这是迄今为止「模型从事实验性科研工作最具说服力的结果，没有之一」。
这个结果让他重新审视整个科学生产方式的经济学。
实验室的「地铁」与「Waymo」
Kelly用一个类比解释了为什么科学自动化一直停滞不前。在自动化坐标系上，横轴是任务的多样性，纵轴是自动化程度。低多样性、高自动化是地铁——你只能去固定的站点；高多样性、低自动化是汽车——你能开到任何地方。过去一百年，实验室就像汽车：科学家手握移液管（一种高精度注射器），因为实验太多变，机器无法替代。
AI把这个坐标系的右上角打通了。「我们把它叫做自动驾驶汽车——Waymo。你同时获得了地铁的全自动化和汽车的灵活性。实验室里现在发生的事，正是这个跃迁。」
目前，实验室自动化主要面对两个技术难关：第一，把数百台第三方实验仪器的软件整合进一套控制系统；第二，解决液体处理问题——黏稠液体在移液时需要人眼和手腕配合调压，机器难以精确模仿。Kelly认为这两个问题「完全可以工程化解决」，Ginkgo在波士顿的实验室基本已经跑通。
科学成本的颠倒结构
Kelly抛出了一个让人警醒的数字：无论是NIH每年400亿美元的研究经费，还是制药企业每年600至800亿美元的R&D投入，用于实际消耗的试剂和耗材——即真正的科学工作本身——不足5%。其余95%花在实验室空间、设备折旧和科研人员薪资上。
「如果我们真的想有效利用科研资金，预算重心应该在试剂消耗上，因为那才是用量定价。但现在完全相反。」
自动化实验室可以把设备利用率从低于20%提升到约70%，同时大幅压缩实验室占地面积。Kelly举例，Ginkgo刚向美国能源部Project Genesis项目出售了97台自动化机架，其密度远超等量传统实验室所需空间。
百个AI科学家同时攻克阿兹海默症
Kelly描绘了他心目中未来科学研究应有的样子：一座拥有全套设备的自动化实验室，顶部运行一百个AI推理模型，每个模型追踪不同假设。与现在最大的区别在于信息共享——今天，科学家之间的交流周期是一到两年，而且只看到彼此「觉得值得发表的部分」，那些否定性结果永远消失在各自的实验室笔记本里。
「换成AI，它们每天都会把实验原始数据和运行记录共享给彼此。你的失败结果，可能恰好对我的假设有关键意义——但现在我永远看不到那些数据。」
他认为这种信息密度的提升，比模型本身变得更聪明更重要。「哪怕AI比科学家笨，我认为它也会赢。」
中国正在侵蚀美国的领先优势
Kelly在华盛顿主持过美国国家安全委员会生物技术小组两年，他对中国追赶速度的描述毫不含糊：三年前，中国来源的新药发现（从初创企业卖给默克、辉瑞等大药企的阶段性新药）在全球占比不足5%；上一季度，这个数字已经跳升到40%。
「他们的科学家数量和我们一样多，同样聪明，薪酬更低。科学是实验驱动的——谁能用更少的钱做更多实验，谁就赢。我看不出为什么他们不会在研究领域胜出。」
他的结论是：美国如果不在实验自动化和AI科学工具上加速，将再次遭遇类似苏联发射斯普特尼克卫星时的技术突袭。DARPA的创立初衷正是「不再被技术意外」——Kelly认为这一逻辑今天同样适用。
药物开发成本二十五年逆势上涨的根源
Kelly给出的另一个数据同样刺眼：过去二十五年，药物开发成本不降反升，每年持续攀高。他认为根源只有一个——科学工作依然依赖手工，而手工劳动的成本从不随技术进步下降。「给科学家配上新工具，效率确实略有提升，但成本的大头——实验室空间、设备折旧、人员薪资——没有任何一项在走Moore定律的曲线。」
相比之下，半导体行业在真空管时代完成了向平面芯片制造的跃迁，从此走上一条人类无法凭直觉预测的指数曲线。Kelly相信生物技术正面临同样的抉择：「第一步是放下移液管，切换到一套不再需要人站在中间的系统。只有完成这一步，才谈得上往后的一切。」
Ginkgo的商业逻辑由此分为两半：一是帮助药企和国家实验室建造自动化实验室（97台机架已交付美国能源部Project Genesis项目）；二是将波士顿自己的自动化实验室作为云服务对外开放——最低39美元即可提交一个实验任务，数据结果远程返回，样本不寄送。Kelly把这比作「科学的AWS时刻」：门槛足够低，好奇心足以驱动消费。
「我们终于做出了有用的东西」
从2008年在波士顿用政府补助和服务合同艰难维持，到2014年经由YC获得第一批风险投资，Ginkgo用了近二十年才等到这个拐点。Kelly说，他在YC认识的所有科技圈朋友，过去都默认技术革命与生物技术无关：「社交媒体对我们来说就是个后台IT系统。」
现在他用一种罕见的直白语气评价这次AI浪潮：「科技圈终于做出了有用的东西。」
他最后给出的愿景，带着一点理想主义的野心：如果科学实验的门槛像编程一样被彻底压低，就像上世纪六十年代没有人相信孩子们有一天会在家里写代码，今天同样没有人能预测——当实验成本降到足够低，会有多少人想亲手问一个关于这个世界的原创问题。
波士顿那50台机器人，是他走出泥沼的第一步。