1. 细胞就是一座城3.7万个智能体到底在“演”什么看到“斯坦福团队做了家AI药企3.7万个智能体一起做药”这条消息时我第一反应是这不是我们熟悉的“AI制药”。过去几年AI制药的主流玩法是让模型在海量分子结构里找规律预测靶点、生成候选分子本质还是“模式识别”。但这个项目完全换了路数——他们不直接做药而是先造了一座“数字细胞城市”把细胞里面成千上万的基因、蛋白质、代谢物、信号分子一个个变成有独立行为的智能体然后让它们在虚拟空间里各司其职、互相通信、共同运转。一整个细胞成了一座可运行的“城市”。药物研发变成了“给城市一个修复方案然后观察它能不能恢复秩序”。我第一次看到这个思路时说实话是有被击中的感觉。因为真实的细胞本身就高度像一座城市基因是“市民”承载着遗传信息蛋白质是“工人”负责运输、催化、组装信号通路是“交通网络”指挥物质和信息的流向代谢物是“市政物资”维持城市的能量供应。当某个基因突变相当于一个关键部门出了问题城市不会立刻崩溃而是会启动补偿机制、备用通路甚至牺牲一部分功能来保命。这些行为本质上是成千上万个“个体”协同博弈的结果不是任何一条单独规则能描述的。过去我们用AI模拟这种协同基本是两个极端要么把细胞拆成分子层面的一堆方程用传统的数学建模去跑——精确但慢而且根本覆盖不了“整座城市”的规模要么让一个大模型吞进去海量组学数据试图直接从数据里“悟”出规律——高效但黑箱我们只知道它给出了一个结果却说不出机制上为什么。“细胞即城市”这个项目给的答案是第三个方向不用一个超级AI去模拟整座城市而是让3.7万个“普通AI居民”自己把城市演出来。细胞内的复杂行为不被建模而是被涌现。这个思路最大的魅力在于可解释性。当模型预测“某个基因突变会导致某种代谢异常”时你可以直接查看模拟过程哪些智能体最先响应哪些通路发生了拥堵哪个蛋白质智能体失职了城市是怎么一步步走向失调的。整个过程像一部可以回放、可以暂停、可以单步调试的“城市纪录片”。对做药的人来说这比一个黑箱输出一个靶点要有价值得多——因为药物研发真正难的从来不是“知道哪个分子有问题”而是“理解这个问题是怎么发生的”。当然这个项目从严格意义上说并不是真的“开了一家药企”它更像是一个重新定义药物研发前端的实验范式把“读文献、查数据库、做实验、提假设”这件事部分外包给一个可以并行运行、可以反复调参、可以无限重启的数字细胞城市。所以这篇文章我想认真拆一下3.7万个智能体是怎么协作的这个架构解决了什么真实问题工程上有什么硬骨头以及作为普通开发者我们能从这种“万人操盘”的多智能体协作里偷到哪些师。2. 3.7万这个数字不是拍脑袋智能体角色是怎么设计的你有没有想过为什么是3.7万而不是370或者3700万数字背后是有生物学依据的。一个典型的人类细胞里编码蛋白质的基因大约有两万个。但细胞内的“功能实体”远不止基因——还有各种转录本、蛋白质亚型、非编码RNA、代谢物、信号复合物。如果把细胞里那些在疾病过程中真正“有职位”的关键实体都算上数量级就在几万这个区间。3.7万这个数字对应的其实是一批经过筛选的、有明确功能和交互关系的生物实体集合。2.1 每个智能体只干一件事角色边界是第一设计原则做多智能体系统最容易犯的错误就是让每个智能体“什么都懂一点”。这个项目不是这么干的。每个智能体被赋予的角色极其收窄。一个扮演“某种激酶”的智能体它的系统提示词里不会塞入整个生物学知识库只会包含这个激酶是什么、在哪些通路里起作用、它会磷酸化哪些下游底物、受哪些上游信号调控、它在正常状态和疾病状态下的行为差异。这实际上就是给每个智能体写了一份“岗位说明书”。你不需要它懂细胞的全貌你只需要它把自己的岗位职责履行好并在收到上下游“邻居”发来的信号时做出符合生物学逻辑的反应。这个设计思路和现实中的组织管理高度一致一个城市里交警不需要懂发电厂的运维但车祸发生时他需要知道该通知哪些相关部门。每个角色只负责自己的一亩三分地但通过标准化的信息传递整个系统就能运行起来。2.2 通信与协调四级架构逐级上报3.7万个智能体如果全部两两直连交换信息的复杂度会直接爆炸。实际架构一定是分层的。按这类多智能体系统的常见设计至少会有四个层级分子层单个基因、蛋白质、代谢物智能体负责对外界信号做出反应通路层一组功能相关的智能体组成一条“通路”通路内部可以直接通信通路与通路之间通过关键节点交换信息细胞器层线粒体、内质网、细胞核等功能模块负责汇总自己区域内的状态细胞层一个“总调度”智能体只看各细胞器上报的摘要不关心单个分子的细枝末节。这套“逐级上报”机制非常关键。现实里一个细胞正在发生炎症反应时NF-κB通路里的蛋白会疯狂传递信号但细胞核并不需要收到所有分子的全部消息它只需要知道“炎症信号来了强度多高持续时间多长”。分级之后每一层的通信量都被控制在一个合理范围系统才能支撑起数万个智能体的规模。你发现没有这其实是在用系统架构模拟真实的生化逻辑细胞内本来就不存在“全知全能”的调控中心基因表达、翻译后修饰、代谢调控全是靠着局部的信息传递和反馈回路完成的。让3.7万个智能体用同样的方式协作恰恰是“形神兼备”。2.3 全局“市政厅”避免局部理性导致全局灾难分层架构解决了通信带宽但带来了另一个问题局部行为合理不代表全局结果正确。这在复杂系统里太常见了——每个部门都在做对自己最有利的事合在一起城市反而失衡了。所以这个系统里必然需要一个“市政厅”类的全局协调模块。它不直接指挥每个智能体而是维护一个全局状态面板当前模拟的是正常状态还是疾病状态、哪些通路已经被激活、ATP能量池还剩多少、整体稳态是否被打破。一旦某个通路级的行为和全局状态冲突市政厅会做仲裁而不是让局部智能体无限发散。举个例子模拟“缺氧”场景时单个细胞会从有氧代谢切换到糖酵解这是局部层面的合理应对。但如果几百条通路都同时要求大量葡萄糖摄入整个“城市”的能量预算就崩了。市政厅这时候就要做宏观调控限制糖酵解通路的资源配额同时让其他通路降低能耗确保城市整体存活优先。没有这个机制3.7万个智能体模拟出来的不是一座细胞城市而是一场没有交通规则的街头混战。有经验的工程师看到“3.7万个智能体”这个数字就能猜到这个项目真正的技术重心根本不在“有多少个智能体”而在“这几万个智能体之间跑的那套协调协议”。3. “单模型算分子”和“多智能体演系统”差在哪儿聊完架构我想把这个问题掰开揉碎同样是AI制药为什么非得绕这么大一圈用3.7万个智能体去“演”一座城市一个足够强的大模型直接吃进去海量生物数据难道不能给出更好的靶点吗这个问题的答案藏在药物研发的真实痛点里。3.1 单模型的核心局限只能“预测”不能“体检”传统AI制药的路径可以概括为数据进结论出。你给它一堆已知的蛋白结构、化合物活性数据它告诉你哪些分子可能有活性。这套打法的优势是快、便宜、可大规模筛选它事实上已经成为药物发现流水线上的重要一环。但它的天花板也很明显单模型预测的是“相关性”而不是“机制”。它告诉你“这个靶点值得试”却说不清楚“这个靶点参与了哪条通路、阻断它会引发什么代偿反应、为什么在A类患者身上有效而在B类患者身上无效”。药物研发的真实场景从来不是“找到一把钥匙开一把锁”而是“在密密麻麻的交通网络里找到一条既能缓解拥堵、又不会导致其他街区瘫痪的调流方案”。你干预一个靶点身体一定会启动补偿机制。单模型很难模拟这种“牵一发而动全身”的级联反应因为在它的训练数据里这些反应是以统计规律的形式存在的而不是以动态过程的形式存在的。3.2 多智能体的核心优势可回放、可干预、可追问多智能体系统的价值恰恰在于“过程可见”。我用表格对比一下对比维度单模型AI制药多智能体模拟建模对象分子的统计规律细胞内的动态过程输出形式靶点、分子结构、活性分数运行轨迹、通路状态变化、依赖关系可解释性低黑箱高每个智能体行为可审计干预方式重新训练或微调直接调整某个智能体或局部参数数据需求海量历史数据角色知识通路关系可推理运行适用场景高通量筛选、分子生成机制研究、联合用药、耐药性推演这张表的最后一行特别值得品。单模型的强项在于“快筛”但它回答不了“这个药为什么在联合用药时失效”这种系统性问题。多智能体的强项在于“推演”——你把细胞调到“疾病状态”然后给药一个“修复方案”观察整个系统的演化轨迹。耐药性是怎么产生的是因为某个智能体通过代偿通路绕过了药物阻断这个过程在模拟里是可以被追踪的。3.3 为什么药物研发本质上是一个系统问题我说一个几乎所有做过药物研发的人都有共鸣的场景你找到了一个完美的靶点体外实验、动物实验都很顺利但临床一期就出问题了——不是靶点不对而是这个靶点在人体里参与的生理功能比预想的多得多。阻断它虽然能杀死癌细胞也顺便破坏了心肌细胞的正常信号传导。这类问题的根源在于生物体是一个极度冗余、极度依赖补偿机制的系统。你在纸面上“阻断”了一个节点但细胞可能会开启三条替代通路绕过阻断。这种“多个体博弈后的动态平衡”天然适合用多智能体来模仿——因为每个智能体都在根据局部环境做决策遇到障碍时会产生新的行为而不是像数学方程那样在参数边界内机械响应。所以与其问“多智能体能不能做药”不如问“为什么我们直到最近才具备做这件事的技术条件”。答案也很直白因为构建3.7万个有生物学知识、能互相通信、成本还在可控范围内的智能体这个能力本身就是大模型平民化之后才有的红利。4. 把3.7万个智能体跑起来工程上全是硬骨头外行看热闹内行看门道。几万个智能体协作这件事听起来性感做起来全是痛苦。以下是我结合这类多智能体系统的工程实践认为这个项目里最容易被低估的几个硬骨头。4.1 上下文窗口不是无限的智能体不能“全员闲聊”3.7万个智能体如果每个智能体都要“读”其他智能体的完整输出Token消耗会直接爆炸。哪怕只跑一轮完整的信息交换总消耗都可能达到几十亿Token——这个成本足以让大多数团队当场破产。所以真实系统里一定不是“全员闲聊”而是采用共享黑板Shared Blackboard模式。每个智能体不直接互相发消息而是把自己的关键状态写到一块公共的“状态黑板”上其他智能体按需去读取与自己相关的部分。这正是我前面提到的“逐级上报”机制的工程化落地每个智能体都有明确的输出协议只在特定时机、向特定层级、提交特定格式的信息。这里其实有一个很值得普通开发者学习的工程原则通信成本决定系统规模。你能支撑多少智能体不取决于你有多少算力而取决于你设计的消息传递机制有多克制。4.2 幻觉是致命的不能让智能体“脑补”生物学关系大模型的幻觉问题在闲聊场景里最多让人笑一笑在药物研发场景里是要出人命的。一个智能体如果“脑补”出一个并不存在的蛋白质相互作用关系整个下游模拟都会跑偏最后推导出的靶点假设可能就是完全错误的。这个项目一定做了大量的幻觉约束。从实践来看比较可靠的做法有两层第一层是知识约束每个智能体的系统提示词和本地知识库不是靠模型自由发挥而是从真实生物学数据库比如Gene Ontology、STRING这种蛋白-蛋白相互作用数据库里提取的结构化关系。智能体不能说“我和谁有关系”只能说“我的数据库里有据可查的、和谁的关系”。第二层是输出校验智能体的输出会被一套规则引擎做格式和模式校验。如果它的回答里出现了数据库里不存在的关系或者逻辑上违背了基本的生化守恒比如“蛋白质凭空合成”系统会拒收并要求重新生成。套用一句做AI Agent的老话无约束不Agent。尤其是垂直领域约束得好不好决定系统是真的生产力还是一场昂贵的角色扮演。4.3 成本与算力大模型做关键决策小模型跑日常流程3.7万个智能体如果全部调用GPT-4或Claude这个级别的大模型单个实验的成本是不可接受的。工程上几乎必然采用“分层模型策略”日常的、重复性的、逻辑简单的智能体行为由轻量模型甚至是传统规则系统承担关键的、需要复杂推理的节点比如通路级的状态判断、全局协调器的决策才会调用高级大模型。这个策略和人类组织的资源配置逻辑也是一样的不是所有岗位都需要博士大部分岗位只需要训练有素的执行者。如果把高级模型的推理能力当成“劳动力”它就应该被投放到最需要深度思考的岗位而不是让一个高级研究员去干贴发票的活。4.4 验证闭环模拟的结论终究要回到实验室最后也是最重要的一点这套系统跑出来的所有假设都必须在真实生物学实验里验证。智能体模拟说“这个靶点联合那个靶点一起阻断可以规避代偿机制”——这只是一个高置信度的猜测而不是结论。我看到这个项目里提到的一个验证路径是先在酵母、细菌这类结构更简单的模式生物里做验证再逐步推进到哺乳动物细胞系。这个路径非常务实。越是简单的生物可参考的数据库越全代偿机制越少验证成本越低。把一个新范式放在成本最低、信号最干净的环境里先跑通本身就是工程化的正解。5. 泼盆冷水这套“AI药企”离真正的药厂还有多远聊了这么多技术细节我还是想泼一盆冷静的冷水。3.7万个智能体一起做药听上去很炸裂但如果冷静下来看它目前更准确的定位是“假设生成器”而不是“药物制造机”。5.1 “智能体”不等于“科学家”3.7万个智能体每一个都只掌握一个极其窄的技能点。它们合在一起可以模拟一座细胞城市但单拎出来没有一个智能体真正“理解”药物研发。就像一座城市里没有一个人知道城市整体如何运转但城市本身可以正常运转一样。这套系统的智能不在个体而在涌现。这也意味着它的输出质量完全取决于“城市设计”的质量。角色分工是否合理、交互规则是否忠实于真实生物学、全局协调器的仲裁逻辑是否正确——这些才是决定模拟结果可信度的关键。模型能力只是底座真正花功夫的是用一套严谨的“游戏规则”把这些能力组织起来。5.2 模拟与现实的鸿沟离散文本 vs 连续生化还有一个根本性的鸿沟智能体的交互是基于文本的离散决策而真实细胞内的调控是连续的生化反应。智能体说“我将下调这个基因的表达”只需要一个Token但真实细胞里这个过程涉及转录因子结合、染色质重塑、RNA聚合酶招募等一系列连续生化事件还受到浓度梯度、时间延迟、空间定位的影响。从离散的智能体决策到连续的生化过程中间需要大量的人做“翻译”和校准。这也是我认为这个范式短期内不会取代真实实验的原因——它会大幅压缩假说的筛选空间但最终裁决权还是在湿实验手里。5.3 现阶段最合理的打开方式如果你问我这套系统现在最大的价值是什么我的答案是让科学家在“真正做实验之前”先在虚拟空间里犯错。过去一个科研假设从提出到验证路径极长、成本极高。错误方向的探测往往要花掉几个月。有了这套系统很多“明显走不通”的方向可以在虚拟城市里被快速检验和排除剩下的高置信度假设再进实验室——这才是它现阶段最务实、最落地的用法。缩短科学发现的“试错前置环节”不是替代实验而是让实验做得更聪明。能把这个价值用好就已经是一场实打实的效率革命了。6. 从细胞城市里偷师给普通多智能体开发者的三条建议这个项目虽然是生物医药场景但它暴露出来的多智能体工程问题和我们平时做的AI Agent项目是完全相通的。我提炼了三块可以直接抄走的经验尤其适合正在做Agent框架、多智能体协作的开发者。6.1 角色边界比模型能力更重要这个项目给我最大的启发是智能体的能力上限不重要角色边界才重要。你再强的一个智能体如果岗位职责定义得模糊它也会变成系统里的不稳定因素。我见过很多多智能体项目失败不是模型不够强而是每个智能体的系统提示词写得像“百科全书”。正确的做法是给每个智能体写“岗位说明书”明确它的职责范围、可调用的资源、必须上报的事项、绝对不做的事项。边界清晰是协作有序的前提。你在设计时要问自己把我的智能体系统交给一个完全不懂技术的用户配置他能依据角色描述判断这个智能体该干什么吗如果不能边界就不够清晰。6.2 用“逐级上报”代替“全员直连”通信成本决定规模很多人在做多智能体的时候直观的想法是让智能体之间自由聊天。几个智能体还好一旦超过十几个消息量就会失控而且大量信息是无关噪声。向“细胞城市”学分层。把智能体按功能域划分域内可高频通信域间通过汇总节点交换信息。上层只接收摘要不关心细节。每个智能体有明确的“上报时机”和“上报对象”而不是随时随地广播自己的状态。这会让你的系统臃肿度下降一个数量级。6.3 必须有一个“市政厅”全局协调器不能省最后一条也是我踩坑最多的一条当你引入了哪怕三个以上各有目标的智能体就一定要有一个负责全局仲裁的协调器否则局部理性必然导致全局混乱。协调器的职责不是替每个智能体做决策而是维护全局状态、发现冲突、做资源调配。它像系统里的“宪法”负责在局部目标和全局目标冲突时给出裁决。这个模块的输出越早接入越好不要等系统跑乱了再补——到那时你会发现自己面对的是3.7万个“都有道理”的智能体在互相指责。多智能体系统的熵增速度远超你的直觉不设全局协调器几乎是必然失控的结局。我在实际做Agent项目的过程中有一个特别深的体会很多人总觉得多智能体的门槛在“怎么把智能体做得更聪明”但真正拉开差距的是“怎么让一群并不那么聪明的角色像城市一样有序运转”。斯坦福这个“细胞即城市”的项目不过是把这个道理放到了3.7万个角色的极端规模上重新验证了一遍。下次你再设计多智能体系统的时候不妨也问自己一句如果我这个系统里的智能体是一座城市的居民那么这座城市的交通规则、部门分工、危机响应机制我设计好了吗
3.7万智能体模拟细胞城市：AI制药的涌现式多智能体架构解析
1. 细胞就是一座城3.7万个智能体到底在“演”什么看到“斯坦福团队做了家AI药企3.7万个智能体一起做药”这条消息时我第一反应是这不是我们熟悉的“AI制药”。过去几年AI制药的主流玩法是让模型在海量分子结构里找规律预测靶点、生成候选分子本质还是“模式识别”。但这个项目完全换了路数——他们不直接做药而是先造了一座“数字细胞城市”把细胞里面成千上万的基因、蛋白质、代谢物、信号分子一个个变成有独立行为的智能体然后让它们在虚拟空间里各司其职、互相通信、共同运转。一整个细胞成了一座可运行的“城市”。药物研发变成了“给城市一个修复方案然后观察它能不能恢复秩序”。我第一次看到这个思路时说实话是有被击中的感觉。因为真实的细胞本身就高度像一座城市基因是“市民”承载着遗传信息蛋白质是“工人”负责运输、催化、组装信号通路是“交通网络”指挥物质和信息的流向代谢物是“市政物资”维持城市的能量供应。当某个基因突变相当于一个关键部门出了问题城市不会立刻崩溃而是会启动补偿机制、备用通路甚至牺牲一部分功能来保命。这些行为本质上是成千上万个“个体”协同博弈的结果不是任何一条单独规则能描述的。过去我们用AI模拟这种协同基本是两个极端要么把细胞拆成分子层面的一堆方程用传统的数学建模去跑——精确但慢而且根本覆盖不了“整座城市”的规模要么让一个大模型吞进去海量组学数据试图直接从数据里“悟”出规律——高效但黑箱我们只知道它给出了一个结果却说不出机制上为什么。“细胞即城市”这个项目给的答案是第三个方向不用一个超级AI去模拟整座城市而是让3.7万个“普通AI居民”自己把城市演出来。细胞内的复杂行为不被建模而是被涌现。这个思路最大的魅力在于可解释性。当模型预测“某个基因突变会导致某种代谢异常”时你可以直接查看模拟过程哪些智能体最先响应哪些通路发生了拥堵哪个蛋白质智能体失职了城市是怎么一步步走向失调的。整个过程像一部可以回放、可以暂停、可以单步调试的“城市纪录片”。对做药的人来说这比一个黑箱输出一个靶点要有价值得多——因为药物研发真正难的从来不是“知道哪个分子有问题”而是“理解这个问题是怎么发生的”。当然这个项目从严格意义上说并不是真的“开了一家药企”它更像是一个重新定义药物研发前端的实验范式把“读文献、查数据库、做实验、提假设”这件事部分外包给一个可以并行运行、可以反复调参、可以无限重启的数字细胞城市。所以这篇文章我想认真拆一下3.7万个智能体是怎么协作的这个架构解决了什么真实问题工程上有什么硬骨头以及作为普通开发者我们能从这种“万人操盘”的多智能体协作里偷到哪些师。2. 3.7万这个数字不是拍脑袋智能体角色是怎么设计的你有没有想过为什么是3.7万而不是370或者3700万数字背后是有生物学依据的。一个典型的人类细胞里编码蛋白质的基因大约有两万个。但细胞内的“功能实体”远不止基因——还有各种转录本、蛋白质亚型、非编码RNA、代谢物、信号复合物。如果把细胞里那些在疾病过程中真正“有职位”的关键实体都算上数量级就在几万这个区间。3.7万这个数字对应的其实是一批经过筛选的、有明确功能和交互关系的生物实体集合。2.1 每个智能体只干一件事角色边界是第一设计原则做多智能体系统最容易犯的错误就是让每个智能体“什么都懂一点”。这个项目不是这么干的。每个智能体被赋予的角色极其收窄。一个扮演“某种激酶”的智能体它的系统提示词里不会塞入整个生物学知识库只会包含这个激酶是什么、在哪些通路里起作用、它会磷酸化哪些下游底物、受哪些上游信号调控、它在正常状态和疾病状态下的行为差异。这实际上就是给每个智能体写了一份“岗位说明书”。你不需要它懂细胞的全貌你只需要它把自己的岗位职责履行好并在收到上下游“邻居”发来的信号时做出符合生物学逻辑的反应。这个设计思路和现实中的组织管理高度一致一个城市里交警不需要懂发电厂的运维但车祸发生时他需要知道该通知哪些相关部门。每个角色只负责自己的一亩三分地但通过标准化的信息传递整个系统就能运行起来。2.2 通信与协调四级架构逐级上报3.7万个智能体如果全部两两直连交换信息的复杂度会直接爆炸。实际架构一定是分层的。按这类多智能体系统的常见设计至少会有四个层级分子层单个基因、蛋白质、代谢物智能体负责对外界信号做出反应通路层一组功能相关的智能体组成一条“通路”通路内部可以直接通信通路与通路之间通过关键节点交换信息细胞器层线粒体、内质网、细胞核等功能模块负责汇总自己区域内的状态细胞层一个“总调度”智能体只看各细胞器上报的摘要不关心单个分子的细枝末节。这套“逐级上报”机制非常关键。现实里一个细胞正在发生炎症反应时NF-κB通路里的蛋白会疯狂传递信号但细胞核并不需要收到所有分子的全部消息它只需要知道“炎症信号来了强度多高持续时间多长”。分级之后每一层的通信量都被控制在一个合理范围系统才能支撑起数万个智能体的规模。你发现没有这其实是在用系统架构模拟真实的生化逻辑细胞内本来就不存在“全知全能”的调控中心基因表达、翻译后修饰、代谢调控全是靠着局部的信息传递和反馈回路完成的。让3.7万个智能体用同样的方式协作恰恰是“形神兼备”。2.3 全局“市政厅”避免局部理性导致全局灾难分层架构解决了通信带宽但带来了另一个问题局部行为合理不代表全局结果正确。这在复杂系统里太常见了——每个部门都在做对自己最有利的事合在一起城市反而失衡了。所以这个系统里必然需要一个“市政厅”类的全局协调模块。它不直接指挥每个智能体而是维护一个全局状态面板当前模拟的是正常状态还是疾病状态、哪些通路已经被激活、ATP能量池还剩多少、整体稳态是否被打破。一旦某个通路级的行为和全局状态冲突市政厅会做仲裁而不是让局部智能体无限发散。举个例子模拟“缺氧”场景时单个细胞会从有氧代谢切换到糖酵解这是局部层面的合理应对。但如果几百条通路都同时要求大量葡萄糖摄入整个“城市”的能量预算就崩了。市政厅这时候就要做宏观调控限制糖酵解通路的资源配额同时让其他通路降低能耗确保城市整体存活优先。没有这个机制3.7万个智能体模拟出来的不是一座细胞城市而是一场没有交通规则的街头混战。有经验的工程师看到“3.7万个智能体”这个数字就能猜到这个项目真正的技术重心根本不在“有多少个智能体”而在“这几万个智能体之间跑的那套协调协议”。3. “单模型算分子”和“多智能体演系统”差在哪儿聊完架构我想把这个问题掰开揉碎同样是AI制药为什么非得绕这么大一圈用3.7万个智能体去“演”一座城市一个足够强的大模型直接吃进去海量生物数据难道不能给出更好的靶点吗这个问题的答案藏在药物研发的真实痛点里。3.1 单模型的核心局限只能“预测”不能“体检”传统AI制药的路径可以概括为数据进结论出。你给它一堆已知的蛋白结构、化合物活性数据它告诉你哪些分子可能有活性。这套打法的优势是快、便宜、可大规模筛选它事实上已经成为药物发现流水线上的重要一环。但它的天花板也很明显单模型预测的是“相关性”而不是“机制”。它告诉你“这个靶点值得试”却说不清楚“这个靶点参与了哪条通路、阻断它会引发什么代偿反应、为什么在A类患者身上有效而在B类患者身上无效”。药物研发的真实场景从来不是“找到一把钥匙开一把锁”而是“在密密麻麻的交通网络里找到一条既能缓解拥堵、又不会导致其他街区瘫痪的调流方案”。你干预一个靶点身体一定会启动补偿机制。单模型很难模拟这种“牵一发而动全身”的级联反应因为在它的训练数据里这些反应是以统计规律的形式存在的而不是以动态过程的形式存在的。3.2 多智能体的核心优势可回放、可干预、可追问多智能体系统的价值恰恰在于“过程可见”。我用表格对比一下对比维度单模型AI制药多智能体模拟建模对象分子的统计规律细胞内的动态过程输出形式靶点、分子结构、活性分数运行轨迹、通路状态变化、依赖关系可解释性低黑箱高每个智能体行为可审计干预方式重新训练或微调直接调整某个智能体或局部参数数据需求海量历史数据角色知识通路关系可推理运行适用场景高通量筛选、分子生成机制研究、联合用药、耐药性推演这张表的最后一行特别值得品。单模型的强项在于“快筛”但它回答不了“这个药为什么在联合用药时失效”这种系统性问题。多智能体的强项在于“推演”——你把细胞调到“疾病状态”然后给药一个“修复方案”观察整个系统的演化轨迹。耐药性是怎么产生的是因为某个智能体通过代偿通路绕过了药物阻断这个过程在模拟里是可以被追踪的。3.3 为什么药物研发本质上是一个系统问题我说一个几乎所有做过药物研发的人都有共鸣的场景你找到了一个完美的靶点体外实验、动物实验都很顺利但临床一期就出问题了——不是靶点不对而是这个靶点在人体里参与的生理功能比预想的多得多。阻断它虽然能杀死癌细胞也顺便破坏了心肌细胞的正常信号传导。这类问题的根源在于生物体是一个极度冗余、极度依赖补偿机制的系统。你在纸面上“阻断”了一个节点但细胞可能会开启三条替代通路绕过阻断。这种“多个体博弈后的动态平衡”天然适合用多智能体来模仿——因为每个智能体都在根据局部环境做决策遇到障碍时会产生新的行为而不是像数学方程那样在参数边界内机械响应。所以与其问“多智能体能不能做药”不如问“为什么我们直到最近才具备做这件事的技术条件”。答案也很直白因为构建3.7万个有生物学知识、能互相通信、成本还在可控范围内的智能体这个能力本身就是大模型平民化之后才有的红利。4. 把3.7万个智能体跑起来工程上全是硬骨头外行看热闹内行看门道。几万个智能体协作这件事听起来性感做起来全是痛苦。以下是我结合这类多智能体系统的工程实践认为这个项目里最容易被低估的几个硬骨头。4.1 上下文窗口不是无限的智能体不能“全员闲聊”3.7万个智能体如果每个智能体都要“读”其他智能体的完整输出Token消耗会直接爆炸。哪怕只跑一轮完整的信息交换总消耗都可能达到几十亿Token——这个成本足以让大多数团队当场破产。所以真实系统里一定不是“全员闲聊”而是采用共享黑板Shared Blackboard模式。每个智能体不直接互相发消息而是把自己的关键状态写到一块公共的“状态黑板”上其他智能体按需去读取与自己相关的部分。这正是我前面提到的“逐级上报”机制的工程化落地每个智能体都有明确的输出协议只在特定时机、向特定层级、提交特定格式的信息。这里其实有一个很值得普通开发者学习的工程原则通信成本决定系统规模。你能支撑多少智能体不取决于你有多少算力而取决于你设计的消息传递机制有多克制。4.2 幻觉是致命的不能让智能体“脑补”生物学关系大模型的幻觉问题在闲聊场景里最多让人笑一笑在药物研发场景里是要出人命的。一个智能体如果“脑补”出一个并不存在的蛋白质相互作用关系整个下游模拟都会跑偏最后推导出的靶点假设可能就是完全错误的。这个项目一定做了大量的幻觉约束。从实践来看比较可靠的做法有两层第一层是知识约束每个智能体的系统提示词和本地知识库不是靠模型自由发挥而是从真实生物学数据库比如Gene Ontology、STRING这种蛋白-蛋白相互作用数据库里提取的结构化关系。智能体不能说“我和谁有关系”只能说“我的数据库里有据可查的、和谁的关系”。第二层是输出校验智能体的输出会被一套规则引擎做格式和模式校验。如果它的回答里出现了数据库里不存在的关系或者逻辑上违背了基本的生化守恒比如“蛋白质凭空合成”系统会拒收并要求重新生成。套用一句做AI Agent的老话无约束不Agent。尤其是垂直领域约束得好不好决定系统是真的生产力还是一场昂贵的角色扮演。4.3 成本与算力大模型做关键决策小模型跑日常流程3.7万个智能体如果全部调用GPT-4或Claude这个级别的大模型单个实验的成本是不可接受的。工程上几乎必然采用“分层模型策略”日常的、重复性的、逻辑简单的智能体行为由轻量模型甚至是传统规则系统承担关键的、需要复杂推理的节点比如通路级的状态判断、全局协调器的决策才会调用高级大模型。这个策略和人类组织的资源配置逻辑也是一样的不是所有岗位都需要博士大部分岗位只需要训练有素的执行者。如果把高级模型的推理能力当成“劳动力”它就应该被投放到最需要深度思考的岗位而不是让一个高级研究员去干贴发票的活。4.4 验证闭环模拟的结论终究要回到实验室最后也是最重要的一点这套系统跑出来的所有假设都必须在真实生物学实验里验证。智能体模拟说“这个靶点联合那个靶点一起阻断可以规避代偿机制”——这只是一个高置信度的猜测而不是结论。我看到这个项目里提到的一个验证路径是先在酵母、细菌这类结构更简单的模式生物里做验证再逐步推进到哺乳动物细胞系。这个路径非常务实。越是简单的生物可参考的数据库越全代偿机制越少验证成本越低。把一个新范式放在成本最低、信号最干净的环境里先跑通本身就是工程化的正解。5. 泼盆冷水这套“AI药企”离真正的药厂还有多远聊了这么多技术细节我还是想泼一盆冷静的冷水。3.7万个智能体一起做药听上去很炸裂但如果冷静下来看它目前更准确的定位是“假设生成器”而不是“药物制造机”。5.1 “智能体”不等于“科学家”3.7万个智能体每一个都只掌握一个极其窄的技能点。它们合在一起可以模拟一座细胞城市但单拎出来没有一个智能体真正“理解”药物研发。就像一座城市里没有一个人知道城市整体如何运转但城市本身可以正常运转一样。这套系统的智能不在个体而在涌现。这也意味着它的输出质量完全取决于“城市设计”的质量。角色分工是否合理、交互规则是否忠实于真实生物学、全局协调器的仲裁逻辑是否正确——这些才是决定模拟结果可信度的关键。模型能力只是底座真正花功夫的是用一套严谨的“游戏规则”把这些能力组织起来。5.2 模拟与现实的鸿沟离散文本 vs 连续生化还有一个根本性的鸿沟智能体的交互是基于文本的离散决策而真实细胞内的调控是连续的生化反应。智能体说“我将下调这个基因的表达”只需要一个Token但真实细胞里这个过程涉及转录因子结合、染色质重塑、RNA聚合酶招募等一系列连续生化事件还受到浓度梯度、时间延迟、空间定位的影响。从离散的智能体决策到连续的生化过程中间需要大量的人做“翻译”和校准。这也是我认为这个范式短期内不会取代真实实验的原因——它会大幅压缩假说的筛选空间但最终裁决权还是在湿实验手里。5.3 现阶段最合理的打开方式如果你问我这套系统现在最大的价值是什么我的答案是让科学家在“真正做实验之前”先在虚拟空间里犯错。过去一个科研假设从提出到验证路径极长、成本极高。错误方向的探测往往要花掉几个月。有了这套系统很多“明显走不通”的方向可以在虚拟城市里被快速检验和排除剩下的高置信度假设再进实验室——这才是它现阶段最务实、最落地的用法。缩短科学发现的“试错前置环节”不是替代实验而是让实验做得更聪明。能把这个价值用好就已经是一场实打实的效率革命了。6. 从细胞城市里偷师给普通多智能体开发者的三条建议这个项目虽然是生物医药场景但它暴露出来的多智能体工程问题和我们平时做的AI Agent项目是完全相通的。我提炼了三块可以直接抄走的经验尤其适合正在做Agent框架、多智能体协作的开发者。6.1 角色边界比模型能力更重要这个项目给我最大的启发是智能体的能力上限不重要角色边界才重要。你再强的一个智能体如果岗位职责定义得模糊它也会变成系统里的不稳定因素。我见过很多多智能体项目失败不是模型不够强而是每个智能体的系统提示词写得像“百科全书”。正确的做法是给每个智能体写“岗位说明书”明确它的职责范围、可调用的资源、必须上报的事项、绝对不做的事项。边界清晰是协作有序的前提。你在设计时要问自己把我的智能体系统交给一个完全不懂技术的用户配置他能依据角色描述判断这个智能体该干什么吗如果不能边界就不够清晰。6.2 用“逐级上报”代替“全员直连”通信成本决定规模很多人在做多智能体的时候直观的想法是让智能体之间自由聊天。几个智能体还好一旦超过十几个消息量就会失控而且大量信息是无关噪声。向“细胞城市”学分层。把智能体按功能域划分域内可高频通信域间通过汇总节点交换信息。上层只接收摘要不关心细节。每个智能体有明确的“上报时机”和“上报对象”而不是随时随地广播自己的状态。这会让你的系统臃肿度下降一个数量级。6.3 必须有一个“市政厅”全局协调器不能省最后一条也是我踩坑最多的一条当你引入了哪怕三个以上各有目标的智能体就一定要有一个负责全局仲裁的协调器否则局部理性必然导致全局混乱。协调器的职责不是替每个智能体做决策而是维护全局状态、发现冲突、做资源调配。它像系统里的“宪法”负责在局部目标和全局目标冲突时给出裁决。这个模块的输出越早接入越好不要等系统跑乱了再补——到那时你会发现自己面对的是3.7万个“都有道理”的智能体在互相指责。多智能体系统的熵增速度远超你的直觉不设全局协调器几乎是必然失控的结局。我在实际做Agent项目的过程中有一个特别深的体会很多人总觉得多智能体的门槛在“怎么把智能体做得更聪明”但真正拉开差距的是“怎么让一群并不那么聪明的角色像城市一样有序运转”。斯坦福这个“细胞即城市”的项目不过是把这个道理放到了3.7万个角色的极端规模上重新验证了一遍。下次你再设计多智能体系统的时候不妨也问自己一句如果我这个系统里的智能体是一座城市的居民那么这座城市的交通规则、部门分工、危机响应机制我设计好了吗