OpenAI总裁布罗克曼称死亡或成可选项，AI正加速生物学突破

OpenAI联合创始人兼总裁格雷格·布罗克曼（Greg Brockman）近日在《华尔街日报》科技峰会（WSJ Tech）上发表观点，引发广泛关注：随着人工智能深度介入生命科学，人类或许能在不远的将来将死亡转变为一种可自主选择的状态。

这一论断并非空泛畅想，而是基于当前AI在生物学领域的切实进展。布罗克曼强调，AI驱动的科研突破速度可能远超外界预期——未来12至18个月内，生物学、疾病治疗与医疗健康领域有望出现真正影响临床实践的成果。

布罗克曼指出，生物学的突破不仅关乎延长寿命，更在于缓解人类长期承受的生理与心理痛苦。“死亡能否成为一种选择”，本身就是一个值得严肃探讨的问题。他并未承诺“永生”已近在眼前，但明确表示：“这些事情都有可能实现。”

该观点与埃隆·马斯克此前多次表达的看法高度一致。今年1月，马斯克在接受彼得·戴曼迪斯（Peter Diamandis）采访时曾直言：“延长人类寿命乃至实现某种程度上的永生，是一个完全可以解决的问题。”他进一步推测，人体各系统同步衰老的现象暗示存在某种“生物时钟”，若能定位并干预该机制，寿命显著延长便具备可行性。

值得注意的是，马斯克虽未在该次谈话中聚焦AI技术路径，但其对“死亡程序可被改写”的判断，为布罗克曼的论述提供了思想呼应。而如今，AI正从理论层面走向实操环节，为这一愿景提供技术支点。

近年来，AI在生命科学中的角色已发生质变。早期应用集中于DNA序列比对与蛋白质结构预测（如AlphaFold），如今则延伸至主动创造与设计层面。以Evo、Evo 2为代表的生物大语言模型（Bio-LLM），已能从零生成具有功能潜力的全新遗传序列，不再仅是分析工具，而是成为“分子设计师”。

更进一步，AI智能体开始承担端到端科研任务。例如，Robin与OpenAI GPT-Rosalind等多智能体框架，可独立完成数百篇文献综述、交叉分析CRISPR筛选数据集、提出潜在靶点假设，并筛选候选小分子药物。部分方案已在实验室中获得验证——这标志着AI从“辅助研究者”转向“协同研究者”，甚至在特定子任务中具备独立产出能力。

与此同时，实验执行环节也在智能化升级。新一代实验室机器人整合高精度传感器与实时决策AI模块，可根据反应进程动态调整温度、pH值、加样速率等参数，摆脱传统预设流程的刚性限制。这种“感知-决策-执行”闭环，极大提升了高通量筛选与复杂生化实验的效率与成功率。

以癌症治疗为例，AI系统已能整合患者基因组、转录组与临床数据库，快速识别耐药机制并推荐联合用药策略；在神经退行性疾病领域，AI驱动的类器官建模正加速病理机制解析；而在抗衰老方向，多个团队利用强化学习优化Senolytic（清除衰老细胞）化合物筛选路径，缩短研发周期达50%以上。

尽管前景广阔，布罗克曼与业内专家均承认：从“AI辅助治疗”到“逆转衰老”仍存在巨大鸿沟。衰老本身是多层次、非线性的系统性过程，涉及端粒损耗、表观遗传漂移、线粒体功能障碍、蛋白稳态失衡等至少九大核心机制（依据《Cell》2023年综述）。单一靶点干预难以产生全局效果，且长期安全性尚未验证。

此外，“死亡成为可选项”这一表述需谨慎解读。布罗克曼所指的并非物理意义上的不死，而更可能是通过持续修复、替换与再生维持功能性生命状态——类似“数字永生”或“生物连续体”概念，即个体意识与生理功能在技术干预下得以延续，而非传统意义的“避免死亡”。这与马斯克提及的“长寿时代即将到来”一脉相承，指向一种渐进式生命延展路径。

行业观察显示，资本正快速涌入该交叉领域。2024年以来，全球AI+生物初创企业融资额同比增长170%，其中专注于衰老干预的公司（如Altos Labs、Calico）获投超20亿美元。大型药企亦纷纷设立AI研发中心，辉瑞、诺华等已将AI纳入早期药物发现标准流程。

技术瓶颈依然明显。当前Bio-LLM的训练数据仍受限于公开文献与有限实验结果，对稀有病种或复杂微环境响应能力不足；AI生成的分子结构常面临合成可行性与脱靶风险挑战；而跨尺度建模（从分子→细胞→组织→器官）尚缺乏统一框架。

但不可否认，AI正重塑生命科学研究范式。过去十年，新药研发平均周期为10–15年，成本约26亿美元；而采用AI优先策略的项目（如Exscientia的DSP-1181）已将先导化合物发现压缩至不到12个月。这种效率跃升，为攻克衰老相关疾病提供了时间窗口。

布罗克曼最后提醒：技术可能性不等于伦理正当性。当干预寿命的能力趋近现实，社会需提前构建关于“何时停止治疗”“谁有权决定生命终点”“资源分配公平性”等议题的共识框架。这不仅是科学问题，更是文明级命题。

目前，OpenAI自身尚未直接开展生物实验，但其通过开源模型（如GPT-Rosalind）、合作研究（与Broad研究所等）及人才支持，持续推动AI for Science生态建设。布罗克曼表示，未来几年将是“生物学的AI拐点”，关键突破可能出现在2026–2027年间。