🧬 想象一下，给身体里每一个细胞发一张"数字身份证"，AI 一看就知道它是肝细胞、脑细胞还是癌细胞——这不是科幻，而是刚登上《自然》的一项突破。长期以来，生物学研究有个大麻烦：不同实验室用不同仪器、不同方法测细胞，数据格式五花八门，就像在说不同的方言。一个研究里能认出的细胞类型，换到另一个数据集里常常就"失联"了。AI 在写文章、识图片上已经很厉害，但面对生物医学里这种碎片化的数据，往往束手无策。这篇《自然》论文提出了一个"通用细胞嵌入"（Universal Cell Embedding）模型，相当于给细胞生物学打造了一座"地基模型"（foundation model，就是像 ChatGPT 那样、先在海量数据上练好"基本功"再干各种活的大模型）。它的原理有点像语言模型把词语变成一串数字：这里把每个细胞的基因表达信息，压缩成一组数字（嵌入向量），无论数据来自哪种实验平台、哪种组织、哪个人，都被映射到同一个"细胞坐标系"里。于是不同研究之间的细胞可以直接比较、对齐，就像大家忽然都说上了同一种"细胞普通话"。这意味着什么？ ① 站在巨人肩膀上：用海量公开数据训练好的模型，能直接帮样本很少的新研究"认细胞"，省去大量重复标注。 ② 跨平台通用：过去互不相通的数据集，现在能在同一空间里直接对话。 ③ 加速发现：更快识别罕见细胞类型、疾病状态，甚至预测"改动某个基因后细胞会怎样变"。有意思的是，同一批顶尖团队最近在三大顶刊密集发文：除了这篇《自然》，还有《科学》上能自主设计、执行实验的 AI 研究员 Biomni，以及《细胞》上用 AI 从病理切片预测乳腺癌标志物的研究。三篇连发，说明"AI for Science"正从"帮科学家写代码"走向"真正参与生物发现"。当细胞有了通用的数字语言，生命科学的"巴别塔"或许正在被悄悄推倒。🚀人工智能 生命科学 Nature 基础模型 AIforScience