2025年末，《信睿周报》专访了长期深耕AI生物学领域的科学家叶盛。从蛋白质结构预测到AI驱动的生物药研发，他的研究不仅推动了生命科学的边界，更揭示了AI对人类社会的深层影响——当AI成为“远超人类智能的计算工具”，我们是否正在失去“从新手到专家”的成长路径？  

一、AI生物学：不是“取代”，而是“超越人类的认知革命”

过去五年，叶盛的精力几乎全部投入AI生物学研究。但与公众想象的“AI读论文代替科学家”不同，他的目标更激进：用AI突破人类对生物学的认知极限。  

“生物学领域的AI从一开始就是超越人类的。”叶盛解释，通用大模型或许能总结论文，但AI生物学模型的核心是“从海量数据中挖掘人类无法发现的规律”。例如，人类研究蛋白质结构半个多世纪，积累了20多万套数据，却始终未掌握蛋白质折叠的科学规律；而AlphaFold通过学习这些数据，直接“学会”了蛋白质折叠的底层逻辑，甚至能预测未知蛋白质的结构——这种“认知跃迁”，是传统研究方法无法实现的。  

在叶盛看来，AI生物学的价值不在于“替代人类”，而在于“扩展人类的认知边界”。AI模型像一台“超级显微镜”，能从生物数据的海洋中提取人类无法察觉的规律，帮助科学家更深刻地理解生命本质。  

二、被误解的“蛋白质”：生命的“首要机器”

公众对蛋白质科学的陌生，源于其“不可见性”——蛋白质比可见光波长还小1-2个数量级，无法直接观察，只能通过X射线晶体衍射、冷冻电镜等间接方法研究。但更深的误解，是对“蛋白质”本身的认知偏差。  

“‘蛋白质’的翻译仅体现了它从蛋清中提取的来源，却忽略了它的本质。”叶盛指出，“Protein”的词根与“质子（Proton）”同源，希腊语意为“首要的”。事实上，去除水分后，细胞中干重的主要成分就是蛋白质——它们是生命的“砖与瓦”，也是“机器零件”：从催化反应的酶，到传递信号的受体，再到免疫防御的抗体，几乎所有生命活动都依赖蛋白质。  

“基因的核心使命是编码蛋白质，而生物医药的本质是研究蛋白质。”叶盛强调，公众对蛋白质的理解不应停留在“营养品”，而应意识到它是生命科学的核心——研究蛋白质，就是研究“生命的机器如何运转”。  

三、AI如何重塑蛋白质研究：从“不可能”到“自由设计”

AI对叶盛的研究最直接的改变，是让“蛋白质设计”从“极少数人的游戏”变为“可普及的技术”。  

过去，蛋白质设计因人类对其三维结构规律的认知局限，成功率极低，全球仅有少数研究组能开展。但AI模型通过学习海量结构数据，能精准预测蛋白质折叠方式，甚至根据目标功能反向设计全新蛋白质。“今天我们设计特定功能的蛋白质，成功率已大幅提升。”叶盛说，“一个能自由设计任意功能蛋白质的时代，正在到来。”  

这种突破的意义不仅限于学术——未来，AI设计的蛋白质可能被用于定制化药物研发，甚至应对新发传染病的快速响应。“如果我们有了成熟的AI蛋白质设计技术，面对下一次病毒大流行时，可能在几周内设计出有效药物，遏制全球危机。”  

四、“新手村”消失：AI时代的人类成长危机

除了科学研究，叶盛更关注AI对社会的隐性影响。他提出一个尖锐的比喻：AI正在抹除人类成长的“新手村”。  

“过去，年轻画师从基础练习起步，逐步成长为美术总监；研究生通过反复试错，最终成为领域专家。”叶盛观察到，如今AI已能完成许多基础工作（如生成设计图、分析实验数据），但与AI配合的往往是资深从业者——他们凭借经验判断AI输出的价值，调整方向。而年轻一代却因缺乏“练级”机会，难以积累必要的经验和洞察力。  

这种现象在生物学领域尤为明显：AI模型能快速输出蛋白质结构预测，但只有对生物学问题有深刻理解的学者，才能解读结果的生物学意义。“未来的‘AI高级玩家’，需要从新手一步步成长起来。但AI的普及，可能让‘新手村’消失——没有足够的实践机会，谁来成为下一个专家？”  

五、未来5年：让AI蛋白质设计“飞入寻常百姓家”

谈及未来计划，叶盛的目标务实而宏大：未来5年内，推动AI蛋白质设计和核酸设计技术普及，使其更成熟、便宜、易用。“我们希望生物大分子设计能像软件开发一样标准化、流程化。”他说，“当技术门槛降低，更多研究者能参与进来，生物药的研发速度将被彻底改写。”  

这不仅是一场技术革命，更是一场“生命科学的民主化”——当AI工具普及，更多年轻人可能更早接触前沿研究，在“新手村”中积累经验，最终成长为AI时代的“高级玩家”。  

从蛋白质结构的“认知革命”到“新手村”的消失，叶盛的研究与观察，揭示了AI的双重性：它既是突破科学边界的“利器”，也可能成为人类成长的“隐形障碍”。而解决这一矛盾的关键，或许在于如何在AI时代保留“成长的空间”——让技术服务于人的发展，而非替代人的成长。