生物学的Waymo时刻：Jason Kelly一句话点破AI下一战场

如果你以为过去30年的科技范式还能继续套用在AI和生物技术上，Jason Kelly会第一个站出来反对。在这场红杉对话中，他用“生物学的Waymo时刻”这个反直觉的类比，解释了为什么生物工程正在走向平台化，以及这对AI从业者意味着什么。

一个反直觉的判断：过去30年的科技经验，在这里失效了

Jason Kelly在一开始就抛出一个让人不太舒服的观点：过去30年软件和互联网的成功路径，并不适用于生物技术。我们习惯了“更快的迭代、更便宜的算力、更大的规模”，但在生物学里，这套逻辑长期行不通。原因很简单——生物系统的反馈周期极长，变量极多，失败成本高到无法靠‘快速试错’来解决。这也是为什么他反复强调，真正的革命不在单一突破，而在系统层面的改变。

从2014到现在：Ginkgo不是一家‘做产品’的公司

回到2014年，Ginkgo Bioworks的核心想法并不是做某一个具体的生物产品，而是搭建一套“让生物工程变得可规模化”的平台。Jason Kelly直言，产品形态这些年一直在变，但底层逻辑没变：把原本依赖天才科学家的工作，拆解成标准化、可重复的单元。这也是他反对把Ginkgo简单理解为一家‘生物初创公司’的原因——它更像一座工厂，一台操作系统，而不是一支研发小队。

两大“不公平优势”：为什么规模在生物学里终于开始起作用

在谈到Ginkgo近两年的变化时，Jason Kelly用“unfair advantage”这个词毫不避讳。第一重优势来自规模：当你能并行运行成千上万次实验，40%的成功率不再只是运气，而是系统能力的体现。第二重优势来自积累的数据和流程自动化——这在过去30年的科技浪潮中并不成立，但在生物工程里开始显现威力。换句话说，生物学终于进入了一个‘规模=能力’的阶段。

为什么他提到了Waymo和OpenAI

Jason Kelly多次提到Waymo的类比，意思很清楚：真正的突破，不是第一辆自动驾驶汽车上路，而是一个系统开始持续、安全地产生现实世界的结果。同样，他谈到OpenAI和Sam Altman时，也不是在聊模型，而是在聊‘单位工作量’——当一个系统可以稳定地产出有价值的结果，而不仅仅是论文，这个行业才算真正跨过门槛。生物学，现在正站在这个门槛前。

把科学从‘天才神话’中解放出来

在结尾，Jason Kelly点出了一个更深层的变化：科学不应该被神话成只属于少数天才的“精致艺术品”。当工具、流程和平台足够成熟，科学工作本身就会被重构——更多人可以参与，更多想法可以被验证，更多‘垃圾堆里的宝藏’可以被挖出来。这不是降低科学标准，而是提高整个系统的产出效率。

总结

对AI从业者来说，这场对话最大的启发不在生物学本身，而在方法论。下一波真正的壁垒，很可能不在模型参数，而在系统级能力：数据、流程、自动化和规模化。Jason Kelly的判断提醒我们，真正的“Waymo时刻”从来不是一篇论文或一次演示，而是一个系统开始稳定地产生现实世界的价值。问题是：你所在的领域，是否已经在为这个时刻做准备？

关键词： Ginkgo Bioworks， Jason Kelly， 生物工程， 平台化， OpenAI

事实核查备注： 需要核查：1）Ginkgo Bioworks成立及2014年的关键时间点；2）Jason Kelly关于“过去30年科技经验失效”的原话语境；3）40%这一比例的具体含义和背景；4）Waymo类比在视频中的完整表述；5）提及Sam Altman和OpenAI的具体段落位置