作者：耿挺
拍摄：张继东
在2026世界顶尖科学家论坛上，获得首届世界顶尖科学家“青年科学家奖”的谢伟迪，既是上海交通大学人工智能学院副教授，也是今年刚成立的观壹智能联合创始人兼CEO。从通信工程到计算机视觉、从牛津博士后再到下场创业，谢伟迪的每一次转身都踩在“这个领域不太需要我了”的节点上。而每一次转身，他都指向同一个方向——去一个更需要自己的地方。
识别罕见病的大模型只是冰山一角
罕见病是医学界公认的难题。谢伟迪带领团队推出DeepRare，正是瞄准这一痛点。
“医生或者说人类的能力，肯定是有局限的。”谢伟迪说，如果一位心内科医生接诊心脏有问题的患者，第一反应自然是解决心脏问题。但基因性疾病的特点是，同一个基因缺陷会在全身多个器官上表现出来——心脏、骨骼、眼睛可能同时出问题。“医生往往把这些当作三个孤立的问题，而AI能够向更底层挖掘：有什么疾病会同时导致这三种问题？它像破案一样，把证据串起来，找出底层病因。”
而“要做一个真正好用的工具给医生，第一要够准确、第二要能够溯源——你说的每一句话都有证据支撑。做到这两点，医生用起来就没有顾虑。”他强调，医学讲究循证，AI给出的判断必须拿得出证据、拿得出指南。
DeepRare的迭代路径清晰。第一版基于表型，判断患者可能患有某种罕见病。第二版则深入基因解读，能在患者全基因组测序产生的十几万个突变位点中，于1小时内完成分析，确定哪个突变导致病症、有何影响、如何治疗。“第一版更多是区分不同疾病，第二版甚至能区分同一种疾病内部的微小差异。”他举了一个糖尿病的例子：一位患者长期被当作普通糖尿病治疗，打胰岛素却不见效；在进行基因测序之后，DeepRare排查发现，他其实是糖尿病中一种罕见的亚型，改变治疗方案后病情好转。“这一点很重要。”
在新华医院，DeepRare系统夜间启动，不影响医生白天工作。白天就诊的患者进入数据库，夜间系统重新调出复查，若有遗漏便推送给医生。“每天推送不多，也就三五例，对医生来说负担不大。”
但谢伟迪的目标不止于罕见病诊断。他反复提及一个更大的目标：做生命科学领域的基础模型，最终实现“治愈所有疾病”的愿景。“这是我们做AI的人最终的目标，我们一定要实现AGI。”他描绘的图景是，把DNA、RNA、蛋白、虚拟细胞和大语言模型全部训练在一个模型体系里，做成生命科学的多模态模型。“过去大家谈多模态，无非是视频、视觉的多模态，我们做的其实是生命科学的多模态。以前这个领域更多是割裂的工具，有专门做蛋白的，有专门做DNA的。我们希望把它们做成一个体系，放进同一个模型里，彼此能够串联起来。”
不过，谢伟迪对“AI+生命科学”的“慢”也有着清醒认知：代码和数学之所以发展快，是因为它们能自进化——写得对不对，编译器马上告诉你。但生命科学的“编译器”是实验、是实验室。“养一只小鼠就要6个月，怎么加速？除非大规模地养，错峰使用。一旦事情进入物理空间，就不会有数字空间那样大的加速。”正因如此，团队在做一个虚拟细胞模拟器，能够规模化地进行药物筛选或寻找靶点。“但即便你找到了，它们也只是候选，还是要推到实验里去验证。只不过原来需要验证 1000 个，现在模型很强，可能只需要验证 10 个。”
在“需要我”的地方扎根
谢伟迪的科研履历上，有几次明显的方向转变。2008年上大学读通信，那时国内通信水平已经很高，3G、4G、5G路线清晰，他觉得“这个领域不太需要我去做贡献了”，于是转向计算机视觉。
2012年，深度学习兴起，学术界和产业界兴奋于能训练更好的模型。但谢伟迪在2014年做计算机视觉时发现，模型仍是监督式学习，每个任务都要标大量数据，“大家意识到，这条路只能做出一些小工具，它不是真正的AI，更不是通用AI。”为了往通用AI推进，他转向自监督学习，让模型从数据本身学习，而非依赖人工标注——这正是今天大模型的训练方式。
2018年毕业到2022年，谢伟迪在牛津做博士后，做的仍是多模态模型。2022年准备回国时，他感到计算机视觉的基本模型和算法已经确定，往后变成一场拼算力的游戏。“谁能把算力堆上去、把数据堆上去，谁就占优，大厂显然有绝对优势。对学术界来说，研究的价值也不太大了——很多没解决的问题，一旦把模型和数据堆上去，自然而然就被解决掉了。”
又是一个“不需要我”的时候，他转到了生命科学。“你要转到一个需要你的领域。生命科学显然希望跟AI结合，但做AI的人觉得生命科学太高深、太难，不愿意踏出自己的舒适圈。总得有人去做这件事，我们就去做了。”
几次转向，造就了谢伟迪交叉学科的背景，也让他在“AI+生命科学”的赛道上如鱼得水。“当你成了愿意用AI做生命科学的‘稀缺物种’，生命科学领域的人恨不得天天来跟你讨论AI如何解决他们感兴趣的问题。”
面对“AI会不会抢饭碗”的提问，谢伟迪的态度是积极的。他说自己不会担心，数学家也不担心被抢饭碗，更多的是觉得会更累。“AI能带来海量的信息，让人更累。”他笑称，实验是物理世界的反馈，无法被数字空间完全替代。“发展得再快，也还是替代不了真实实验。我们不能只在虚拟世界里做实验，还是得回到实验室。”
以学术的“洁癖”打磨产品
今年，谢伟迪创立了观壹智能。本来科研就很累，创业是不是更累？他的回答回到一个朴素的判断：AI既是科研方向，又偏工程，做出来的东西不落地，就没有成就感。“发论文当然很棒，但论文只能证明你的工作在一定程度上得到了整个领域的认可；能不能产生实际的社会价值，需要落地才行。”
落地的方式，他选择了自己创业，而非与公司合作。他解释说，原因有三：其一，科研和创业都追求完美的细节；其二，都是在资源受限的情况下找一个角度把事情打磨好；其三，可复现——不管宣传得多好，结果必须和宣传匹配。“我在这方面有点‘洁癖’，学术上一定要把东西反复打磨。创业也是如此，我希望自己来打磨产品、打磨模型。如果交给别人，你的话语权就没那么大，对方打磨出来的东西你可能不满意，也无可奈何。”
商业价值与产品精益求精之间的张力，谢伟迪并不回避。团队很多工作在做罕见病治疗，也就是罕见病制药。“大约95%的疾病是没有药的。为什么大家不做？因为大家觉得传统推广线的方式不赚钱。但我们希望用AI的方式，规模化地去做。”同时，他也不只做罕见病，“做完罕见病以后，技术所能触达的适应症都会泛化出去。”更重要的是，他把自己定位为一家AI公司：“我们做的是模型，核心还是AI模型的智能。智能做好之后，它会在整个生命科学的下游都发挥作用。核心中的核心，是智能到底能不能做到那个水平——如果能做到，你完全不用担心变现和商业化；如果做不到，那确实要担心。”
目前，观壹智能的客户更多是药企，医院则免费使用。“有很多头部的药企。但我们还是初创公司，刚完成第一轮融资，还处在干活积累的阶段。”谢伟迪说这话时语气平静。就像他的每一次选择，都带着一种清醒：去一个需要自己的地方，然后把事情打磨到可复现、可溯源、可落地。以AI为舟，渡生命科学之海。
来源：上海科技报
