E20 AI 科学家的诞生:从Biomni到Phylo (上) episode artwork

EPISODE · Apr 16, 2026 · 53 MIN

E20 AI 科学家的诞生:从Biomni到Phylo (上)

from 生物解码BioDecoder · host WL

AI 科学家发展到哪一步了?本期节目,我们请到了Phylo 的联合创始人屈元昊,以及从大药企归国加盟临港实验室的计算科学家 袁博,一起聊聊: AI 科学家 Biomni 是如何从实验室萌芽的? 从斯坦福大学 Spin-out 成立商业化公司 Phylo 之后,AI科学家在真实世界的探索中又有什么启发和思考。两年前,我们还在吐槽实验室的枯燥日常。如今,大语言模型(LLM)和 AI Agent 的浪潮已经卷到了实验室。为什么人类科学家需要一个属于自己的 IBE (Intelligent Biological Environment)?从“学界打工人”变身“AI 代理人”,这究竟是科研生产力的解放,还是对传统读博之路的降维打击?AI 真的能从那 95% 失败的实验数据中挖掘出治愈癌症的希望吗?(00:00) 开场:AI Agent 浪潮下,科学家该何去何从?(01:59) 嘉宾介绍:Phylo 创始人屈元昊 & 计算生物学家袁博(03:01) 元昊的科学启蒙:从治愈疾病的梦想到癌症生物学(04:47) CRISPR-GPT 诞生:用 Agent 替代专家答疑(07:25) 关键转折:从专业 Agent 到通用 AI 科学家的跨越(08:20) Phylo 公司成立:斯坦福 Spinout、a16z 领投的 1350 万美元融资故事(10:54) Biomni 的进化路线:最终目标是全自动 AI 生物学家(13:03) 实验室自动化现状:机械臂与具身智能的未来(16:41) IBE 是什么?为科学家打造的智能研究环境(19:28) Agent 如何自我进化?个性化学习与反馈机制(22:55) 数据安全红线:用户数据绝不用于 AI 训练(24:18) Biomni 凭什么比通用大模型更准?文献检索实测(30:49) 从学术到创业:团队如何补足短板(34:55) 最大竞争对手?是整个传统行业的惯性(37:07) 商业化最难的鸿沟:谁来付费,为什么付费?(41:02) 被忽视的黄金数据:失败的实验才是最宝贵的训练集(44:00) 垂直 AI 还是 AGI?行业半年一变的速度(48:15) 用自动驾驶 L1-L5 类比 AI 科学家的可信度边界(52:35) 下期预告:AI 科学家崛起后,我们还需要读博吗?背景信息介绍Phylo 是一家从斯坦福大学孵化的 AI 生物科技公司,2026 年初完成由 a16z 领投、Anthropic 参与的 1350 万美元种子轮融资。核心产品为 AI 科学家 Biomni (https://biomni.phylo.bio/) —— 研究员用自然语言描述任务,Biomni自动调用数百个专业工具完成分析、出图、跑流程,将原本耗费数天的工作压缩到数小时甚至几分钟。目前,Biomni已被全球 7000 余个实验室和药企采用。 Phylo的科学顾问阵容包括诺贝尔奖得主 Carolyn Bertozzi、CRISPR 先驱 Feng Zhang 及计算生物学家 Fabian Theis。👥 本期嘉宾介绍特邀嘉宾🌀屈元昊:Phylo公司联合创始人,斯坦福大学癌症生物学博士。博士期间主导开发 CRISPR-GPT 与通用生物医学 AI 科学家 Biomni,完成 a16z 领投的 1350 万美元种子轮融资。长期深耕 AI × 生物学的可规模化落地。⚡袁博:临港实验室 AI for Health 方向负责人,哈佛大学生物医学博士(师从 Chris Sander 与 Aviv Regev)。曾任默沙东AI副总监,并先后在DeepMind与Google Brain任研究科学家。致力于将大模型应用于国家级真实世界临床数据,推动 AI 赋能药物开发与精准健康管理的规模化落地。常驻嘉宾🧪 小橙:生物物理学博士,专注于化学生物学与肿瘤靶向治疗。目前致力于新型靶向癌症疗法的开发,并正在推动AI和精准医疗在临床医学中的应用。🧠 小水博士:神经生物学博士,博士后研究员,研究神经退行性疾病中的细胞死亡机制,擅长干细胞、类器官建模与活细胞成像,同时深度应用 AI 进行疾病的机制研究。(鸣谢斯坦福大学Loh Kang Yong在本期播客准备期间的讨论和帮助)

Episode metadata supplied by the publisher feed · Published Apr 16, 2026

Embed this episode

Ready to play

E20 AI 科学家的诞生:从Biomni到Phylo (上)

0:00 53:27

No transcript for this episode yet

We transcribe on demand. Request one and we'll notify you when it's ready — usually under 10 minutes.

No similar episodes found.

No similar podcasts found.

Frequently Asked Questions

How long is this episode of 生物解码BioDecoder?

This episode is 53 minutes long.

When was this 生物解码BioDecoder episode published?

This episode was published on April 16, 2026.

Can I download this 生物解码BioDecoder episode?

Yes. Use the download control on the episode player to save the publisher-provided media file.
URL copied to clipboard!