FutureHouse 预览 Finch：号称「研一水平」的生物科研 AI

想象一下，你刚招来一个勤奋但略显青涩的研一研究生：你丢给他一堆关于癌症转移的论文，问他分子驱动机制是什么，他二话不说开始写代码跑数据、做图表，甚至自己核对结果，几分钟就把一份初步报告拍在你桌上。

这就是由 Eric Schmidt 资助的非营利研究机构 FutureHouse 刚刚端出的新工具 Finch。在上周刚上线 API 和平台之后，他们拿出了这个号称能支持生物学「数据驱动发现」的 AI 工具。

一个几分钟就能出图的「研一新生」

按 FutureHouse 联合创始人兼 CEO Sam Rodriques 的说法，Finch 的工作流很直接：吃进生物学研究数据（主要是学术论文），接收一段科研提示词，接着自动运行代码生成图表，最后再检查结果。

Rodriques 在 X 上把它比作实验室里的研一新生。他说，能在几分钟内把这套跑通简直是超能力，而且 Finch 确实找出了一些很酷的东西，在他们自己内部的项目里用着挺顺手。

FutureHouse 的最终野心，是在未来十年内打造出一个真正意义上的「AI 科学家」。但现实是，Finch 目前依然会犯一些 Rodriques 口中「愚蠢的错误」。这也是为什么它现在还处于封闭内测阶段，FutureHouse 正在公开招募生物信息学家和计算生物学家，帮他们抓虫、测准度和训模型。

科学狂想与实验室冷水

想让 AI 接管科学研究流程的，远不止 FutureHouse 一家。

OpenAI 首席执行官 Sam Altman 此前撰文断言，超级智能工具将极大加速科学发现；Anthropic 本周刚启动了「AI for science」计划，其 CEO 甚至大胆预言 AI 有望帮助找到治愈大多数癌症的方案。再加上 Precedence Research 预测药物研发市场规模将从 2024 年的 658.8 亿美元暴增至 2034 年的 1603.1 亿美元，谁都想在这里分一杯羹。

但学术界和产业界兜头浇下的冷水也不少。许多前线科研人员并不觉得当下的 AI 真的能指导科学流程。即便是 FutureHouse 自己，目前也还没用自家的 AI 搞出过哪怕一项突破性发现。

放眼整个行业，拿着 AI 搞药物发现的明星公司如 Exscientia 和 BenevolentAI，近几年都遭遇了备受瞩目的临床试验折戟；即便是 Google DeepMind 顶着光环拿出的 AlphaFold 3，实际预测的准确率波动也相当大。

为什么重要

对于生物科研人员和计算生物学方向的开发者来说，Finch 这类工具最大的吸引力在于把枯燥的代码处理、文献清洗和初步出图压缩到了几分钟之内。如果日常需要从大量杂乱论文中捞线索，它值得申请内测去看看，但绝不能把它的结论直接当成科研依据，核验成本依然在人类专家身上。

从行业角度看，AI 的主战场正在从通用的写文作图，快速收敛到「啃硬骨头」的垂直科学计算上。巨头画的饼很大，但无论是多模态大模型还是专属 Agent，在严谨科学界都面临同一种拷问：容错率极低。

我们认为，FutureHouse 把产品定位成「研一新生」是聪明的做法，既降低了外界对其产生幻觉的预期，又点出了辅助定位。不过，做图表和跑代码只是科研里最浅层的一步。如果 AI 只能复述已知文献里的关联，却无法提出反共识的真正假说，那它就始终只是个高效的实验室打工人，离「AI 科学家」的愿景还有很长一段路要走。