Google I/O 2026 的结尾，DeepMind 创始人 Demis Hassabis 说了一句话------
"AI 将解决所有疾病。"
全场欢呼。但我愣了一下。
不是因为不信。是因为这话太熟悉了。
每隔几年，硅谷就会有人站在台上，用同样的语气，画一张更大的饼。
但这次不太一样。Hassabis 不是空口说白话的人。他手上有东西。
原文地址
墨渊书肆/Google 说 AI 能"解决所有疾病"，我差点就信了
他到底说了什么
Hassabis 在 Google I/O 主题演讲最后，展示了 DeepMind 在 AI + 健康领域的最新进展：
| 项目 | 是什么 | 关键数据 |
|---|---|---|
| AlphaFold 3 | 预测蛋白质结构 + 蛋白质与 DNA / RNA / 药物分子的相互作用 | 诺奖级成果（2024），已进化到第三代 |
| AlphaGenome | 一次性读取整个基因组，定位致病基因突变 | 几小时完成以前几年的工作 |
| Gemini for Science | Gemini 模型接入科研流程：设计实验 → 分析数据 → 生成假设 | "给每个实验室配一个不知疲倦的研究助手" |
他还给了一组数字：
AlphaFold 已被全球超过 200 万 研究人员使用，预测了超过 2 亿 个蛋白质结构，覆盖了几乎所有已知的蛋白质。
然后他说了那句------"AI 将解决所有疾病。"
说实话，AlphaFold 确实牛
先别急着骂画饼。
AlphaFold 2020 年第一次发布的时候，生物圈是真的震了。蛋白质折叠问题困扰了生物学 50 年，AlphaFold 用了一年就基本解决了。2024 年诺贝尔化学奖颁给了 Hassabis 和 DeepMind 的 John Jumper------这奖，该拿。
以前 vs 现在
- 📸 冷冻电镜拍几个月 + 几十万美元 → ⏱️ AlphaFold 几秒搞定
- 📖 人肉翻 300 万页基因组找突变 → 🔍 AI 几小时给出候选列表
这些都不是 PPT。是实实在在的工具，已经在用了。
但是
从"预测蛋白质结构"到"治好病人"，中间隔着的不是一步，是一个太平洋。
我打个比方：
AlphaFold 能告诉你 🔒 锁长什么样 但 🔑 造钥匙（也就是研发药物）是另一回事
知道蛋白质结构只是药物研发的第一步，后面还有：
yaml
靶点验证 → 化合物筛选 → 动物实验 → 三期临床
↓ ↓ ↓ ↓
这个蛋白 哪种分子 活体上 人身上
跟疾病有关？ 能结合？ 有效安全？ 有效安全？每一步都可能失败。一个新药从发现到上市，平均要 10 年 ，耗资 26 亿美元。AI 能加速其中几步，但不能跳过任何一步。
AlphaGenome 也是。它能找出"哪个基因突变可能致病"，但"致病机制是什么"和"怎么治"是两个完全不同的问题。
就像体检报告告诉你 "这里有个阴影" ------ 但阴影是什么、要不要手术、怎么手术，还得医生来判断。
更关键的是------"所有疾病"这四个字
癌症 · 阿尔茨海默 · 自身免疫病 · 罕见遗传病......
每种病的机制都不一样。有些病我们连病因都没搞清楚，AI 怎么"解决"？
Hassabis 自己心里门儿清。但他选择了一个最抓眼球的表述。
望远镜和火星
说白了，这就像说：
"我发明了望远镜，所以我能登上火星。"
望远镜确实改变了天文学，让你看到了以前看不到的东西。但看到和到达之间，还差着：
- 🚀 火箭
- ⛽ 燃料
- 🫁 生命维持系统
- 🛬 着陆技术
每一项都是独立的难题。
AlphaFold 就是生物学的那台望远镜。它让你看到了蛋白质的真实结构，这是革命性的。但从"看到"到"治好"，中间的每一步，都需要新的突破。
这不是贬低 AlphaFold 的价值。 反过来想------正因为它是诺奖级的成果，"解决所有疾病"这种话才更应该掂量掂量。
几分希望，几分营销
Google 每次 I/O 都要画一张大饼。
yaml
"组织世界信息" → ... → "解决所有疾病"
↑ ↑
2006 年 2026 年但这次的饼，至少有面粉在里面。
- ✅ AlphaFold 不是概念，是工具
- ✅ AlphaGenome 不是 PPT，是产品
- ❌ 但"解决所有疾病"？这五个字更像是给 投资者和媒体 听的，不是给病人听的
对病人来说，更老实的说法：
AI 正在让药物研发变快，让基因诊断变准，让一些以前不可能的事变成可能。
但"解决所有疾病"？我们还没到那一步。
也许有一天真的会到。但那天到来之前------
别让大饼噎着了。
你觉得 AI 治病的承诺，几分是希望，几分是营销？