---
id: "2085872702095835337"
title: "160年的生物学苦工，AI要干多久？ 两个月。 大卫·辛克莱尔（David Sinclair）团队近日交出了成绩单。 他…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: 100
percentile: null
published_at: "2026-08-09 13:17:26"
translated_x_url: "https://x.com/i/status/2086446063494340978"
reason_tags: []
canonical_url: "https://mubeitech.com/p/2085872702095835337"
markdown_url: "https://mubeitech.com/p/2085872702095835337/markdown"
json_url: "https://mubeitech.com/api/posts/2085872702095835337"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 160年的生物学苦工，AI要干多久？ 两个月。 大卫·辛克莱尔（David Sinclair）团队近日交出了成绩单。 他…

160年的生物学苦工，AI要干多久？
两个月。

大卫·辛克莱尔（David Sinclair）团队近日交出了成绩单。
他们要找什么？
一颗能让细胞“返老还童”的药丸。

以前开发一款新药，药企要砸进去几十亿美元。
最后找出的分子，通常只能在细胞里发挥一种作用。
但辛克莱尔带着20个人的小团队，想找一个能同时包揽三四种活性的“超级分子”。
去哪找？
他们建了一个包含一万亿个分子的超级候选库。

一万亿是什么概念？
如果在传统的实验台上搞测试，就算配齐最顶级的机器人和无数个研究生。
把这些分子挨个筛一遍，至少需要几千年。

怎么破局？
全扔进电脑，纯算力硬刚。
谷歌DeepMind之前已经破解了人体两万种蛋白质的结构。
辛克莱尔团队直接在电脑里搭建虚拟漏斗。
调动庞大的算力，让这一万亿个分子与目标酶进行模拟对接。

机器狂奔了两个月，漏斗底端掉出了结果。
一万亿个盲盒，被精准浓缩成了200个极具潜力的候选分子。

下周，这200个分子就会直接进入人体细胞测试阶段。
怎么评估效果？还是靠AI。
AI会直接盯着这些细胞看，判断它们是不是真的从92岁的衰老状态，逆转回了20岁的年轻模样。

五年前，这种工作量对人类来说还是根本不可能触及的领域。
现在，几千年的时间壁垒，被结结实实地压缩到了60天。

---

_Translation: <https://x.com/i/status/2086446063494340978>_
_Canonical: <https://mubeitech.com/p/2085872702095835337>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-08-09 13:17:26_