實驗室應該長得像資料中心：Lila Sciences 想用「AI 科學工廠」把科學研究的速度推到極限

TL;DR

• Lila Sciences 的核心論點：科學實驗就是「無限 token 生成器」，實驗室應該像資料中心一樣密集運轉，把實驗資料當成模型的燃料
• 他們建了一套 PCI 匯流排式的自動化實驗平台，用磁浮載板連接所有儀器，模型可以自己設計實驗、下指令、收反饋，有時候機器人動手，有時候人類動手，全部都是 API 呼叫
• 十兆科學推理 token，全部經過實驗驗證，橫跨生命科學、化學、材料科學，訓練出來的通用模型在多個領域打敗專用模型
• CAR-T 療法案例：兩三個人花六個月做完傳統生技公司五年的工作量，mRNA 表現量達到 Moderna 和 Pfizer 參考值的十倍
• 商業模式是「虛擬新創」：客戶帶著想法來，在 Lila 平台上跑整個研發流程，像是科學版的 Claude Code

---

這集在 2026 年七月十六日播出的 Latent Space Podcast，是他們新開的 AI for Science 支線。Latent Space 是 AI 工程師圈子裡很有影響力的技術 podcast，由 swyx（Shawn Wang）和幾位共同主持人經營，專門找 AI 前線的建造者來聊最硬核的技術細節。這次請來的是 Lila Sciences 的 CTO Andy Beam 跟物理科學首席科學長 Rafa Gómez-Bombarelli。Andy 之前是 Harvard 醫學院跟公衛學院的教授，也是 Generate Biomedicines（現已 IPO）的創始機器學習負責人，做了二十年 AI 研究。Rafa 是 MIT 材料科學系的教授，最早做分子生成式 AI 的那批人之一，他做的 autoencoder 分子潛在空間那張圖在學術圈已經變成 meme 等級的存在。Lila Sciences 本身是 Flagship Pioneering 孵化出來的公司，累計募了五億五千萬美金，估值超過十三億，目標是建造「科學超級智慧」。

苦澀的教訓，搬進實驗室

Andy 開場就把 Lila 的核心論點講得很直白：我們全力押注 bitter lesson（苦澀的教訓）。能規模化的通用方法，長期一定打敗精巧但不能規模化的方法。

這句話聽起來理所當然，但放在科學界其實很反直覺。過去七十年的 AI 研究史大部分時間都在做相反的事。

他的推論鏈是這樣的：大型語言模型之所以成功，是因為規模化算力加上規模化資料的組合。那些資料來自網路，是人類生成的，而我們已經把它用完了。Ilya Sutskever 在 NeurIPS 說的那句話：我們只有一個網路，它是化石燃料，我們已經把每一滴都榨乾了。

所以 AI 的下一個問題是：下一個網路規模的資料集從哪裡來？

後訓練時代，大家轉向強化學習加上可驗證獎勵。RL 本質上就是讓模型自己生成資料的機制。獎勵信號強化好的資料、懲罰壞的資料。這套框架在數學和程式設計上非常成功。

Lila 的賭注是：科學實驗就是終極版的 RL。跑科學方法、用自然和實驗當驗證器，這才是真正的「無限 token 生成器」。

PCI 匯流排，但是在實驗室裡

他們建造的東西叫「AI 科學工廠」。概念上，把整個實驗室想成一個圖（graph）。每台儀器是一個節點，節點之間的邊代表物理傳輸層。

實際上長什麼樣子？他們用平面馬達系統，讓載著樣品的九十六孔板在軌道上磁浮移動，精度到毫米等級。Andy 把它比喻成電腦主機板上的 PCI 匯流排：你插一張新顯卡、接一顆新硬碟，匯流排讓新裝置能跟整個系統溝通。

聽起來很美好，但現實比較骨感。很多實驗室儀器根本不是設計來互相溝通的。有些機器旁邊掛一台平板讓你輸入指令，然後故意不讓你連接其他東西。他們的團隊寫了大量客製驅動程式和韌體來取得底層控制權。Andy 半開玩笑說，他們大概擁有全世界最大的「保固失效」收藏。

最荒謬的部分：有些機器還在跑 Windows 95。他們的解法是用視覺語言模型來操控那台 Windows 95 的介面。還有一次，他們真的用機器人手臂去按儀器旁邊 iPad 上的按鈕。

整個系統的設計哲學是：所有操作都是 API 呼叫。有時候回應 API 的是機器手臂，有時候是人類的手臂。人類在 API 層之下。這聽起來有點冷酷，但邏輯很清楚：重點不是自動化本身，而是模型能不能設計實驗、下指令、拿到反饋。有些步驟自動化不划算（比如轉開試管蓋子這種需要對生拇指的事），那就讓人做。

十兆 token 的科學推理資料集

他們組裝了一個十兆科學 token 的推理資料集，橫跨生命科學、化學、材料科學，全部經過實驗驗證。這些不是從網路上抓的文獻，而是模型在 RL 環境中生成的推理軌跡，混合了英文推理、工具呼叫和實驗反饋。

為什麼十兆這個數字重要？主流語言模型的預訓練語料大約在十五到三十兆 token。到了兆級 token，你才開始看到湧現行為。

他們沒有從頭預訓練，而是從開源模型出發（主要用 NVIDIA 的 Nemetron），假設預訓練已經涵蓋了大量科學文獻，這是一個好的科學先驗，然後在上面疊加這十兆的實驗驗證推理 token。

結果很有意思：這個通用模型在多個領域打敗了專用模型。Andy 說，網路上經過實驗驗證的推理軌跡有多少？大約是零。就算在參數量上不如前沿大模型，只要讓模型看過實驗驗證的推理軌跡，性能就會立刻跳升。

之前在一天造二十種合金，AI 卻一個都「想」不出來那篇聊過，材料科學的瓶頸不是算力而是實驗。Lila 的做法等於直接正面突破這個瓶頸。

電催化劑的「Move 37」

Rafa 分享了一個讓我印象很深的故事。他們在做綠色氫能的研究，需要找到不用鉑族金屬（釕、銥）的電催化劑來電解水。傳統做法就是慢慢降低鉑族金屬的比例，本質上沒解決問題。

他們讓模型自由探索。前幾輪的建議，團隊裡一位發了四十篇論文的電催化劑專家覺得「無聊」。然後建議從無聊變成了「蠢」。用了正確的概念，但把不該組合在一起的元素放在一起。

結果那些「蠢」建議變成了他們做出的最佳非鉑族電催化劑。

這讓我想到 AlphaGo 下出 Move 37 那一刻。專家看了覺得是錯棋，結果是神之一手。在科學領域，分辨「明顯錯誤」和「超越人類直覺的突破」之間的界線，比下棋更模糊。

六個月做完五年的活

CAR-T 療法的案例最能說明這套系統的威力。CAR-T 是把病人的 T 細胞取出來，裝上一個嵌合抗原受體，讓它去精準獵殺癌細胞或致病的 B 細胞。傳統流程要抽血、改造、再回輸，一次治療要四十萬美金。新一代的 in vivo CAR-T 用脂質奈米顆粒包裹 mRNA 直接注射，T 細胞在體內就被重新編程。

Lila 內部兩三個人花六個月，從 mRNA 設計到非人靈長類的體內實驗，做出的 B 細胞清除效果顯著優於 AbbVie 用二十一億美金收購的 Capstan 的資料。他們設計的 UTR（非翻譯區）讓 mRNA 的蛋白質表現量達到 Moderna 和 Pfizer 參考值的十倍左右。

Andy 說得很直白：這等於用傳統生技公司十分之一的投資，在六個月內完成五年的工作量。

科學版的 Claude Code

他們的商業模式不是自己去做臨床試驗或蓋工廠。Andy 把它類比成科學版的 Claude Code：你帶著問題來，平台幫你加速解題。

具體來說就是「虛擬新創」模式。有人帶著一個想法來，比如「如果有一個能同時辨認兩個靶點的 CAR-T，我知道市場缺口在哪」。這個人不需要自己建實驗室、組團隊，直接在 Lila 平台上跑整個研發流程。收費結構是平台使用費加試劑成本加一些上行分潤。

這個模式的可擴展性在於：平台越成熟，能同時服務的虛擬新創就越多。從幾十個到幾百個到幾千個。

科學界的 sim-to-real 問題

最後他們各自回答了一個好問題：如果能一鍵消除你領域裡的一個瓶頸，你選什麼？

Rafa 選了 sim-to-real gap。做物理模擬的人最痛的點：分子模擬和電子結構模擬的精度不夠好，訓練在模擬資料上的模型沒辦法直接回答真實世界的實驗問題。他指出一個有趣的矛盾：Heather Kulik 說材料科學沒有 AlphaFold，但 AlphaFold 是訓練在實驗資料上的，根本沒用模擬。Meta 產出了上億筆模擬訓練資料，但它們就是不夠準。

Andy 選了一個聽起來無聊但影響巨大的東西：GPU 利用率。RL 訓練的平均浮點運算利用率（MFU）只有百分之五到六。也就是說，他們只用到了付費算力的百分之五。如果能一鍵拉到百分之百，不只更快到達答案，還能省下 GPU 預算投入實驗室。

這集讓我最有感的一點是：AI 的下一個前沿可能不在數位世界裡，而是在實體世界的實驗室。當所有人都在搶網路上的最後一滴資料時，Lila 選擇自己造水源。這個賭注夠大，執行難度也夠高，但邏輯是通的。

想看更多這類 AI 和科學交叉的產業觀察，歡迎訂閱 wilsonhuang.xyz，新文章發佈就能第一時間收到。