扎克伯格承诺捐款超2000亿美元，加大AI投入，誓要攻克所有疾病

早在 2015 年，Facebook 创始人 Mark Zuckerberg 和他的妻子 Priscilla Chan 成立了一家慈善机构——陈-扎克伯格倡议（Chan Zuckerberg Initiative，CZI），该机构有着一个雄心勃勃的目标——在本世纪末治愈、预防或管理所有疾病。

成立之初，扎克伯格夫妇承诺，将他们 99% 的财产（约 450 亿美元）投入到 CZI，已实现这一看似不切实际的目标。而如今，随着人工智能（AI）领域的快速发展，扎克伯格夫妇的身价也随之暴涨。如今，在 CZI 迈入第二个十年之际，当初的承诺已攀升至超过 2000 亿美元。

扎克伯格夫妇

近来，CZI 已不再关注社会问题，几乎停止了除科学领域以外的所有领域的资助，上周，CZI 宣布将增加对科学研究的投入，加倍押注人工智能，誓要更早实现治愈所有疾病的宏伟目标。

作为 Meta 公司（Facebook、Instagram、WhatsApp 的母公司）的 CEO，扎克伯格拥有公司近 15% 的股份，目前该公司市值约为 1.58 万亿美元，扎克伯格所持股份对应超过 2300 亿美元。这意味着陈-扎克伯格倡议（CZI）的资金规模超过了霍华德·休斯医学研究所（HHMI）以及盖茨基金会、惠康信托和诺和诺德基金会在内的生物医学慈善领域老牌巨头。

在运营进入第二个十年之际，CZI 表示，在接下来的十年将在基础科学研究方面投入至少 100 亿美元，这一数额是其成立后第一个十年投入的 40 亿美元的两倍还多，年度投入资金已与霍华德·休斯医学研究所（HHMI）的年度投入相当。

出于对人工智能与生物学结合（AI + Biology）的乐观态度，CZI 重新调整了其目标，将原定目标（在本世纪末治愈、预防或管理所有疾病）改为在本世纪末治愈、预防所有疾病。

上周，CZI 在一份预印本论文中详细阐述了一个新项目——一项重大人工智能计划，该计划旨在构建人类免疫系统虚拟模型【1】，从而加快新疗法的探索。此外，作为对 AI 加大投入的又一迹象，CZI 宣布麻省理工学院/哈佛大学博德研究所的计算机科学家 Alex Rives 将出任科学主管。

值得一提的是，Alex Rives 曾在 Meta 公司的基础人工智能研究实验室领导开发了蛋白质语言模型——ESMFold 和 ESM2，能够快速、准确、大规模预测蛋白质结构【2】。但他的团队之后被 Meta 公司裁掉，Alex Rives 随后与团队成员创立了 EvolutionaryScale 公司，该公司种子轮即融资 1.4 亿美元，并进一步推出了 ESM-3，这也是第一个同时对蛋白质的序列、结构和功能进行推理的生成式人工智能模型【3】。

值得一提的是，他们使用 ESM3 生成了一种全新的绿色荧光蛋白——esmGFP，其在进化上与天然的绿色荧光蛋白（GFP）差异巨大，与已知的最接近的荧光蛋白只有 58% 的序列同源性，大自然需要 5 亿年时间才能进化出这种新型绿色荧光蛋白，也就是说，ESM3 模拟了 5 亿年进化，创造了一种新型绿色荧光蛋白。

ESM3 生成的全新绿色荧光蛋白——esmGFP

而现在，CZI 将其旗下的三个实验室和成像中心重新整合为一个非盈利机构科研机构——Biohub，Biohub 以上一轮估值的数倍价格收购了 EvolutionaryScale 公司，Alex Rives 将领导 Biohub，重组后的 Biohub 计划构建一个通用的虚拟细胞模型。

11 月 4 日，Biohub 联合多位免疫学、计算生物学和人工智能领域专家，在预印本平台 arXiv 发表了题为：A Roadmap for Predictive Human Immunology 的论文【1】，提出了一种将 AI 与大规模因果实验相结合的新范式，旨在推动免疫学从描述性科学向预测性、工程化科学转变，以构建虚拟免疫系统。

免疫学曾历经两次革命——

第一次革命（还原论生物学）：通过发现克隆选择、MHC 限制、免疫检查点等机制，解析了免疫系统的组成部分，但难以预测系统的整体行为。

第二次革命（系统免疫学）：依托高通量单细胞技术，构建了细胞与分子“图谱”，但仍局限于静态、相关性描述，缺乏因果与动态预测能力。

该论文提出的第三次革命，核心是预测免疫学循环（Predictive Immunology Loop），通过融合因果实验数据与生成式 AI 模型，构建能够动态模拟和干预免疫系统的“虚拟免疫系统”。

论文指出，“虚拟免疫系统”的最终目标不仅是预测免疫行为，更是构建统一的概念模型，使免疫学具备如同物理学“标准模型”般的解释力。通过闭环迭代，免疫学有望从观察科学跃迁为能够主动设计和干预健康的工程化科学。“虚拟免疫系统”为解决自身免疫疾病、通用疫苗设计等重大免疫学挑战提供了清晰路线图，同时强调了数据生成、模型构建与实验验证的深度融合是突破现有瓶颈的关键。

Priscilla Chan 表示，如果 AI 兑现其承诺并揭示出研发新型药物的途径，那么 CZI 可能会向临床研究倾斜。随着自己年岁的增长，推动 CZI 朝着其雄心勃勃的目标迈进的感觉更为紧迫了。人们需要希望，而我愿意相信不可能的事情是有可能实现的（People need hope. I want to believe that impossible things are possible）。

论文链接：

1. https://arxiv.org/abs/2511.03041

2. https://www.science.org/doi/10.1126/science.ade2574

3. https://www.science.org/doi/10.1126/science.ads0018