10 月 7 日，AI 行业出现了一幅少见的画面：在模型市场上刺刀见红的 Meta 和 Google，坐到了同一张桌子前，旁边还坐着美国政府。把三方拧到一起的，却是一批还不存在的数据。
当天，扎克伯格夫妇创办的非营利机构 Biohub 宣布，虚拟生物学计划（Virtual Biology Initiative，VBI）完成一轮扩容：四方合计投入 18 亿美元的资金、数据、算力和测量技术，为"能预测生命"的 AI 模型铺设数据底座。Biohub 称，这是迄今最大规模的一笔 AI 生物数据协同投入。但比金额更反常的，是出钱的阵容。
对一家慈善机构来说，能把能源部和 NIH 这两大联邦机构同时拉进自己的项目，本身就是稀罕事。但比阵容更值得追问的是：为什么这批最懂模型的人，愿意为"数据"掏出 18 亿美元？
把 18 亿美元拆开看
这笔钱由四笔账拼成。最大的一笔来自 Biohub 自己：今年 4 月它已承诺 5 亿美元锚定 VBI，其中 4 亿投向测量技术，1 亿资助外部研究。但当时的阵容还局限在学术圈——Allen 研究所、Broad 研究所、Wellcome Sanger 研究所都在，唯独缺了产业和政府。
10 月 7 日补上的正是这两块。美国能源部通过跨机构计划 Genesis Mission，五年内投入 5 亿美元以上，动用国家实验室体系的 exascale 超算、X 射线与中子散射装置、冷冻电镜和自主实验室。NIH 一侧的任务名为 Bio Genesis Mission，不新增拨款，负责协调此前 5 亿多美元联邦投资形成的数据集与知识库，交由 Biohub 标准化成可训练格式。但 NIH 官方稿通篇用"超级智能（SI）"替代"AI"——直接背景是 9 月 29 日签署的行政命令 14434，联邦机构官方文件一律改用 SI，法律定义则没变。稿里还只字未提金额，甚至没有点 VBI 的名。
商业一方，Google DeepMind、Isomorphic Labs 与 Meta 合计投入 3 亿美元。所以这笔交易的结构很清晰：政府出算力和存量数据，慈善机构出测量技术，商业公司出现金。但三方真正想要的，是同一样东西。
为什么偏偏是数据？
答案写在 AlphaFold 的历史里。蛋白质结构预测之所以被 AI 攻克，靠的是全球科学界几十年攒下的蛋白质数据库（PDB）——正是这批开放数据，把 Hassabis 和 Jumper 送上了 2024 年诺贝尔化学奖的领奖台。但细胞比蛋白质复杂几个数量级，对应的"细胞版 PDB"至今不存在。
缺口有多大？Biohub 科学负责人 Alex Rives 对路透社给出了一组数字：现有细胞数据集的规模在数亿个细胞，而准确的预测模型需要数十亿、最终数万亿个细胞。"我们需要捕获生物学的语言、细胞的语言，"他说，"但这种语言今天还不存在。"
所以 AI 生物学的瓶颈，正在从模型能力转向数据产能。VBI 的技术路线也围绕产能展开：空间转录组学绘制完整组织内的分子活动，扰动筛选记录细胞对环境变化的响应，冷冻电子断层成像把细胞内部解析到近原子级别。但这些技术此前从未以协同的方式大规模运转过。
简单说，VBI 想造的是一台"数据印钞机"：显微镜要能观察活组织里百万到十亿个细胞，工程化工具要能在分子、细胞、组织乃至整个生物体层面构建和扰动生命。但印钞机需要厂房，Biohub 那 4 亿美元测量技术投入，建的就是厂房。
开放数据，但出钱的先玩一年
数据造出来给谁用？Biohub 的官方口径是"开放资源"，但路透社挖到了更细的交易结构：商业出资方享有一段 embargo 期，可以先用数据做研发，之后数据才转为公共科学资源。Rives 对 Axios 透露，这个窗口期是一年；他同时强调，政府出资部分的工作不受此限。
这是一套精心设计的定价机制：用延迟开放，换私人资金进场。Priscilla Chan 对路透社说，生物学到目前为止还只是一门"靠巧劲的发现式科学"，而这些数据"一直是社区资产，会在时间中自我累积"。但社区资产的另一面是，Biohub 下一步还打算找药企和更多慈善机构进场——"开放"在这里是有时差的开放。
十年慈善，中途换挡
这不是扎克伯格第一次为生命科学开支票。2016 年 9 月，他和 Chan 宣布十年投入 30 亿美元，目标是"在我们孩子的一生中治愈、预防或管理所有疾病"，Biohub 就是那张支票的第一个项目，起步资金 6 亿美元。但十年过去，"治愈所有疾病"的宏大叙事，悄悄换成了一件更具体的事。
换挡发生在最近一年。2025 年秋，CZI 把慈善重心全面压向 AI 生物学；2026 年 1 月，Biohub 联合 Arc 研究所和 Tahoe Therapeutics 合建单细胞数据集；4 月 VBI 启动；10 月扩容到 18 亿美元。节奏越来越快，但每一步都踩在同一件事上：数据。
各方也各有算盘。对 Google 系来说，AlphaFold 解决了分子层，细胞层是下一个叙事——Isomorphic Labs 去年 3 月刚拿了 Thrive Capital 领投的 6 亿美元，Hassabis 曾在 2025 年初放话，当年年底前让 AI 设计的药物进入临床。但缺数据同样是它的软肋，Isomorphic 总裁 Max Jaderberg 直言，解决预测性系统生物学"需要超越任何单一机构产能极限的规模"。
对美国政府来说，Genesis Mission 把国家实验室的算力和装置接入了这盘棋，官方口径还把这次合作对齐到"预测生命系统"国家科技挑战；对扎克伯格来说，慈善的中立外壳做成了一件任何一家公司都做不成的事——让竞争对手共用一套数据底座。但外壳再中立，18 亿美元的流向仍由 Biohub 协调，这张桌子的主人是谁，一目了然。
五年压缩几十年，赌局才刚开始
Rives 给出的时间表相当激进：这类工作正常需要几十年，联盟的目标是压缩到五年；第一个数据集约一年后发布，他预计五年内会出现准确的预测模型。但虚拟细胞这件事，从来没有人做成过。
牌桌之外，对手也在下注。Anthropic 建了湿实验室加码生物学，OpenAI 基金会启动了 1.25 亿美元以上的生物医疗数据资助计划。但比起单家公司的下注，这场 18 亿美元的联盟押注，本质是把数据确立为 AI 生物学时代的战略资产——军备赛才刚刚开始。
悬念同样具体：数万亿细胞的数据标准统一是脏活累活，一年独占期与"开放"承诺的张力会被持续审视，而第一个数据集，要等到一年后才见分晓。但至少在这个 10 月，AI 生物学最贵的一张门票，标价的是数据。