Lila 的野心：把实验室变成科学的"无限 token 发生器"

核心要点

苦涩教训 as thesis：Lila 全押"scale 与通用方法胜过专用方法"。互联网数据是"我们压裂开采的化石燃料"，已被用尽；科学实验是下一个 internet 规模的 token 来源。

科学即终极 verifier：RLVR 在数学和代码上很成功，而用自然与实验做 verifier 是其终极版本。Lila 建"AI science factories"，即可扩展的科学验证器，实现大规模 post-training。

实验室即数据中心：仪器是图上的节点，边是物理传输层——96 孔板在 planar motor 轨道上磁悬浮移动，类比 PCI 总线。追求灵活性与"每单位时间/每平方英尺 token 产量"，而非纯吞吐。

六个月做出 CAR-T 概念验证：两三人团队用模型+平台，六个月做到非人灵长类 B 细胞清除优于 Capstan 数据，UTR 表达量是 Moderna/Pfizer 参考的约 10 倍，成本仅传统 biotech 的 10%。

领域迁移真实存在：他们组装了 10 万亿 token 的实验验证推理数据集，通用模型常胜过专用模型；小分子药物化学的推理竟迁移到金属有机框架（MOF）材料的 CO2 捕集。

零 FTE 虚拟创业模式：客户带着明确问题上平台，付平台费+试剂费+上行分成，把五年 biotech 工作压缩到六个月，未来可并行运行成百上千个虚拟创业。

站在巨人肩上做后训练：不做 pre-training，从开源权重模型起步（如 Nvidia Nemotron，约 30 万亿 token），获赠约十亿美元算力，在其上叠加 10 万亿科学推理 token。

章节时间轴

• 0:46 嘉宾介绍 — Andy Beam（CTO，20 年 AI，Generate Biomedicines 创始 ML 负责人）与 Rafa（CSO 物理科学，计算化学家，MIT 教授）自我介绍。
• 5:21 Lila 的 thesis — 全押苦涩教训，科学作为无限 token 发生器与终极 verifier。
• 7:38 数据的"运行时间" — 实验有物理时间尺度限制，如何跨数量级的反馈训练模型。
• 8:56 有价值的 token — 平台优先通用性与灵活性，模型能设计并运行全新协议。
• 9:56 实验室如何重配 — 图结构、planar motor 磁悬浮传输层、PCI 总线类比。
• 13:46 安全与验证 — AI 安全、EHS 化学安全、如何区分"愚蠢"与"惊艳"（电催化剂例子）。
• 23:01 RL 与 reward hacking — 96 孔板"骂人"、推理链坍缩重复、latent space 中思考。
• 27:35 为何不是 biotech — 模型本身才是价值，实验室是 token 发生器与护城河。
• 29:54 数据效率与领域迁移 — 广度带来 spillover，跨尺度推理，语言是否科学的未来。
• 35:17 不止 bio：材料科学 — 量子点、薄膜、电化学、绿氢催化剂等 campaign。
• 41:29 scaling 的苦甜教训 — 只有能规模化的才重要；供应链意识、技经分析 agent。
• 43:47 CAR-T 深度案例 — Emily Whitehead 故事、in vivo CAR-T、六个月概念验证。
• 59:56 开放性与 Ken Stanley — 机器创造力、提出有趣问题的元推理。
• 60:43 实验室视频讲解 — 液体处理、磁悬浮、磁控溅射、旋涂。
• 76:55 仪器上线与未来实验室 — 目标把上线时间从 30 天降到 30 分钟；Cambridge 十万平方英尺新址。
• 78:27 10 万亿 token 详解 — 是什么、从何而来、为何这个规模重要。
• 84:36 Flagship 生态与身份 — Lila 如何区别于典型 Flagship 单一资产公司。
• 90:46 材料 vs 生物哪个更难 — 争论、超导体的"无名"商业困境、政府驱动。
• 95:25 瓶颈问题 — sim-to-real gap、MFU（约 5-6%）、招聘信息。

详细内容

一、核心 thesis：科学是下一个"内联网规模"数据源

Andy 给出 TLDR：Lila 全押"苦涩教训"（bitter lesson）与 scale——能规模化的通用方法终将胜过不能规模化的专用方法。这听起来理所当然，却与 AI 研究 70 年历史大部分时间的直觉相悖 5:21。

他的关键洞察是：过去五六年催生大语言模型的，是规模化算力与规模化数据的结合，而数据来自人类生成的互联网——"如 Ilya 去年在 NeurIPS 所说，我们只有一个互联网，它是我们压裂开采的化石燃料，每一盎司都榨干了，但它没了。"于是问题变成：下一个 internet 规模的数据集从哪来 6:06？

Andy 指出 pre-training 时代之后进入了 RLVR（可验证奖励强化学习）。RL 本质是模型生成自己数据、奖励信号强化好数据、惩罚坏数据的机制，在数学和代码上很有效。而 Lila 相信：运行科学方法、用自然和实验做 verifier，是这一框架的终极版本。他们建造的"AI science factories"就是可扩展的科学验证器，用来做大规模 post-training，推进推理模型能力的前沿 6:51。

主持人将其重述为：在算力、数据、参数等 scaling 轴之外，为科学"数据"增加一个新的 scaling 轴——两位嘉宾确认。

二、"实验有运行时间"：如何工程化多尺度反馈

主持人引用 Escalate Bio 博客名句"你的实验有运行时间"，追问数据采集的周期。Rafa 坦承因实验而异——"你没法让核糖体跑得更快"，生物学设定了速度上限；材料和化学时间尺度更小、长度尺度更大。真正的技术问题是：如何针对相差数量级的反馈机制训练一个模型 7:38。

Lila 的思路是让整个系统在不同长度尺度上生成不同数据，数据生成后再同步训练模型。有些实验以天或周为单位，于是要问能否 multiplex、每单位时间拿到更多数据。但"无限 token 发生器仍在那里"，只需解决对接与训练的技术问题 8:25。

主持人尖锐追问：不同科学 token 信息量差异巨大——比如 NGS 数据几乎可无限采集，但"我的基因组相对参考基因组只有几 KB 信息量"。Andy 认同：他们不想反复生成同类数据。因此平台在设计上不同于传统自动化——优先通用性与灵活性而非原始吞吐量。目标是让模型能设计全新协议、运行、获取反馈，哪怕是他们自己从未想过的实验；下一个 token 必须对模型有价值，而非又一个已到边际收益递减的 NGS 样本 9:11。

三、实验室的物理架构：PCI 总线与"API 线下"

Rafa 把实验室描述为一张图：每台仪器是节点，节点间的边表示两台仪器间有物理传输层 9:56。当前是 planar motor 系统——96 孔板在轨道上磁悬浮，毫米级控制其去向。Andy 类比 PCI 总线：主板上的通用串行总线让新设备（显卡、硬盘）能与计算机其余部分对话；他们的传输层几乎连接了所有仪器 10:43。

Andy 强调 Lila 不是"自动化极大主义者"，而是"token 生成极大主义者与灵活性极大主义者"。自动化有很长的尾巴——比如"给试管拔盖"极难自动化，因为实验室处处假设你有一双灵巧的拇指 11:30。他们遵循 80/20 原则：易上线的直接接入 PCI 总线，难的仍由人来搬。一切都是 API 调用——"有时你调 API，那头是机械臂；有时是人的手臂"，即"API 线下"的工作 12:16。

关于实验设计的新颖度：在表达协议和某些基因编辑工作上，模型 zero-shot 能做到人类版本的 80%，而人类 zero-shot 是 0%。是否做完全开放式实验？还没有，但那是终极目标 13:46。

四、安全、验证与 reward hacking

安全上 Rafa 强调不能拖延——能力曲线是 sigmoid 形，可能突然出现你没预料到的能力 16:48。当前平台在利益一致的 Lila 员工手中，不太担心恶意行为者，更需担心的是模型建议触及实验室安全（如让仪器溢出、混合不该混的化学品），因此需要从第一天就有 EHS 化学安全层 16:02。他们也用生物安全等级、按科学问题限制暴露的能力（如抗体设计问题无需让模型知道有气罐）。

如何判断建议是危险还是浪费？Andy 举电催化剂例子：一位在该主题发过 40 篇论文的内部专家，起初觉得模型建议"无聊"，后来变成他眼中的"愚蠢"——非铂族的水裂解制氢氧催化剂——结果那些成了 Lila 迄今最好的非铂族电催化剂 17:36。"显然错误"与"连人类专家都惊讶的正确"之间界限难辨，所以他们会做一些浪费性的实验来学会区分。

关于测量正确性（主持人提及此前 Berkeley 实验室测量被误读的争议），Rafa 强调不能因为是 AI 就放松科学严谨性——现在必须用衡量人类科学的最高标准衡量 AI 科学 19:08。Andy 补充：给模型控制实验室，反而逼你把大量数据暴露出来，于是能用输入变异解释输出变异（"那天湿度不对，也许就是原因"），并一键重跑验证，因为一切本质是软件 21:28。

关于 RL 的 reward hacking，Andy 分享趣事：早期让模型排 96 孔板 plate map，被反复要求改试剂时它会在 chain-of-thought 里"骂人"——"这是 96 孔板，拜托，没那么难"，personality quirk 来自互联网语料 24:32。还有病态重复：推理链坍缩、反复输出最终答案却莫名带来更高奖励。主持人追问：如果陷入病态循环，实验室是否在反复做同一实验？Andy 解释 chain-of-thought 也包含工具调用，而 Lila 的实验室仪器本身就是工具调用，且全程人类可读的英文；有时模型跳过中间步骤直接给答案、拒绝做实验，某些情况下竟不是坏策略——"它是个理论家"。他还点出模型其实在 latent space 里思考，chain-of-thought 常是"不可靠的叙述者"27:35。

五、为何不是 biotech：模型才是价值，领域迁移是核心赌注

Andy 说 Lila 很独特：传统 biotech 目标是冲刺临床试验、开发资产，一旦有临床资产就把平台"送进医学诱导昏迷"。Lila 把这个选项从桌上拿掉——模型本身才是价值，更像一个"neo lab"，推进核心推理 LM 模型的能力 28:22。实验室平台是 token 发生器、是数据生成机制，也是 Lila 的护城河：随其扩展，每单位时间、每平方英尺产出的数据增加，反哺模型变得更聪明，再建议下一个实验 29:09。

主持人引用 Octant Bio 的 Sridhar Kota 名言："ML 药物发现的商业模式是什么？你需要数据来训模型，但如果你有了数据，还要模型干嘛？"Andy 回应：这在狭窄范围内成立，但正如十年前若只用编码数据做编程助手、不掺莎士比亚诗和 carnitas 食谱，效果会差——存在 spillover。核心赌注是这对科学也成立：模型训练的数据越广越深，任一领域所需数据量越小，相邻领域甚至降到零 29:54。

主持人质疑跨尺度（量子、化学、生物）是否真有领域迁移，因为它们是"完全独立的模型"而非仅语言差异。Rafa 反驳：人类科学家能跨所有这些领域工作，且主要用书面语言+工具交流；存在一个共通的推理过程 31:27。Rafa 举复杂性理论与量子引力共享数学的例子。Andy 则给出实证：10 万亿 token 的实验验证推理数据集，通用模型常胜过专用模型 32:13。关于"科学的未来是语言吗"，两人较谨慎——Rafa 引 Demis Hassabis 观点，认为有些数据模态与语言差异太大，几何问题可能更适合别的架构（如蛋白折叠、等变扩散模型可作为工具调用）；"科学与我们交流的方式一定是语言，但模型是否要一直用英文思考化学，未必"33:45。

六、材料科学、scaling 的苦甜教训与 CAR-T 案例

Lila 不止做 bio。材料侧能做薄膜、粉末、量子点——量子点 demo 让访客选波长，自驾实验室在一个多小时参观中生成命中目标颜色的量子点 35:17。他们还做电化学、催化、材料力学性能，程序涵盖防腐/航空高性能涂层、粘合剂、冷却液等。Andy 指出量子点与蛋白设计"是同一个平台、同一套能力"，共享基础设施是能同时做这些事的前提 37:35。一个惊艳的迁移：模型在小分子药物发现上学到的化学，迁移到 MOF/COF 材料上，用于从空气捕集 CO2 或过滤氨 52:16。

Rafa 讲"scaling 的苦甜教训"（他离开学界前最后一课的题目）：在 AI 里 scaling 是好事，给你路线图；在化学材料里 scaling 很"吓人"，因为只有能规模化的东西才重要 42:15。量子点例子里他们把同一配方从个位数毫升扩到近一升。他们让系统在做实验时就推理"未来什么会重要"——供应链意识、有个技经分析 agent 随时待命。最终不做临床试验、不建中试厂，而是与客户合作交付 43:01。

CAR-T 深度案例 43:47：Andy 详解 CAR-T 历史与 in vivo CAR-T（六个月前 Capstan 被 AbbVie 以约 21 亿美元收购）。Lila 内部早已分别掌握三项能力——binder 设计、LNP formulation、mRNA 设计。两三人团队用六个月做到非人灵长类 B 细胞清除显著优于 Capstan 数据，其"怪兽级"UTR 使表达量约为 Moderna/Pfizer 参考的 10 倍，一路做到接近可提交 IND 的程度，成本仅传统 biotech 的 10%——这正是"零 FTE 虚拟创业"模式：客户带着明确问题，用模型+平台在短得多的时间、极低成本下跑完整个项目，Lila 收平台费+试剂费+上行分成，可并行运行成百上千个虚拟创业 49:57。Andy 还讲了 Emily Whitehead 的故事：她因医生恰好知道用 IL-6 抗体压制发热反应而从垂危获救——正是这种"血清运气"，Lila 想用广博的科学知识去自动化、把成功率"从 2% 拉到 98%"59:09。

七、10 万亿 token、算力与未来实验室

主持人质疑 10 万亿 token 到底算多算少（相当于约 3000 个人类基因组、约为 Evo 等大模型的 1/2000）。Andy 澄清：这些是 RL 生成的、实验验证的推理 token（英文+工具调用+实验反馈的混合），不是把 PDB/Swiss-Prot 在序列层 tokenize 79:13。pre-training 语料通常 15-30 万亿 token，正是在万亿 token 量级能看到 emergent 能力涌现，所以这个规模很重要 80:44。

他们不做 pre-training——"要做的黑魔法太疯狂"——而是从开源权重模型起步，获赠约十亿美元算力，用 Nvidia Nemotron（约 30 万亿 token pre/post 训练）等作为良好的科学先验基础，在其上叠加 10 万亿科学推理 token 80:44。他们还建了约一千个独特科学 RL 环境的测试套件，计划开源其中一部分 81:30。关键实证：互联网上"实验验证的推理轨迹"数量约等于零，所以即使参数量不及 frontier 模型，只要给它看实验验证的推理轨迹，就能立竿见影地提升 83:49。

未来实验室愿景 64:35：现在用商品化仪器（甚至用视觉语言模型控制 Windows 95 机器、用机械臂按 iPad），这是 V0.5。因为垂直整合了软硬件栈，V2 会很不同——像数据中心一样密集堆叠（甚至加 Z 轴堆叠、"每单位体积的 token"）、24/7 熄灯运行、追求数据中心级 uptime。他们正搬入 Cambridge 十万平方英尺新址，会用 AMR（自主移动机器人）做部分传输。目标是把新仪器上线时间从 30 天降到 30 分钟，让"仪器上线像插 USB"76:09。

Rafa 补充关于 scaling 策略的取舍：他们更看重"一轮接一轮的快速迭代"而非广而嘈杂的大规模多路复用；也爱 pooled 实验（如 DNA 编码库，一个板上万到十亿个实验、读出直接选出赢家）70:45。他举 gas sorption 例子：传统 BET 每样本一天且难并行，他们改测一个可并行的代理属性，96 孔板一小时测 96 个 MOF，快约 2500 倍 72:17。

金句

我们只有一个互联网，它是我们压裂开采的化石燃料——每一盎司数据都榨干了，但它没了。 —— Andy Beam（引 Ilya）6:06

我们不是自动化极大主义者，我们是 token 生成极大主义者、灵活性极大主义者。 —— Andy Beam 12:16

我们不能因为是 AI 就放松科学严谨性；我们必须用衡量人类科学的最高标准来衡量 AI 科学。 —— Rafa Gomez-Bombarelli 19:08

与其掷一枚公平的骰子，不如掷一枚灌了铅的——我们就是想把骰子灌得越偏越好。 —— Andy Beam 55:18

科学家至今还在用二进制编程：他们有一个想问的问题，却得亲手把它编译成实验协议、搬液体搬到得关节炎。 —— Andy Beam 52:14

在 AI 里 scaling 给你路线图；在化学和材料里 scaling 很吓人，因为只有能规模化的东西才重要。 —— Rafa Gomez-Bombarelli 42:15

提到的书·产品·人物

• Lila Sciences（公司，转录中亦作 Lyra/Lyla）：本期主角，从 Flagship 孵化，用自动化实验室为科学超级智能生产可验证推理数据。
• Andy Beam（人物，嘉宾）：Lila CTO，20 年 AI 研究者，Generate Biomedicines 创始 ML 负责人，前哈佛医学 AI。
• Rafa Gomez-Bombarelli（人物，嘉宾）：Lila 首席科学官（物理科学）、联合创始人，计算化学家，MIT 材料科学教授。
• Flagship Pioneering（孵化机构）：Lila 与 Generate、Moderna 的母体，据称创立约 110 家公司、约 30 次成功 IPO；CEO Jeff Builtzen。
• Generate Biomedicines（公司）：Flagship 生成生物学公司，Andy 创始 ML 负责人，近期成功 IPO，有治哮喘的单抗三期试验。
• Ilya Sutskever（人物）：其 NeurIPS "只有一个互联网"的论断被引为核心 thesis。
• Ken Stanley（人物，Lila 团队）：开放性/机器创造力先驱，著《Why Greatness Cannot Be Planned》，在 Lila 建开放性团队。
• 《Why Greatness Cannot Be Planned》（书）：Ken Stanley 论开放性与偶然性。
• Capstan（公司）：in vivo CAR-T 公司，六个月前被 AbbVie 以约 21 亿美元收购，Lila 数据对标它。
• Emily Whitehead（人物）：儿科白血病首批 CAR-T 治愈者之一，因医生知道用 IL-6 抗体而幸存的传奇案例。
• Nvidia Nemotron（模型）：Lila 常用的开源权重基座模型，约 30 万亿 token 训练。
• Heather Kulik（人物）：MIT 教授，此前 Latent Space 嘉宾，提出"材料领域没有 AlphaFold"。
• 量子点 / MOF / COF / 电催化剂（产品/材料）：Lila 材料侧代表性成果，含绿氢非铂族催化剂、CO2 捕集材料。
• Octant Bio / Sridhar Kota（公司/人物）：其关于 ML 药物发现商业模式的推文被引来质疑。
• Escalate Bio（公司）：其"你的实验有运行时间"博客被引用。
• magnetron sputtering / spin coater / planar motor（设备）：实验室视频中的关键仪器。

适合谁听

关心 AI for science、自动化实验室、scaling 与 RLVR 前沿，以及科学创业商业模式的从业者与投资人。