生成式生物学已来临。劳动力准备好了吗?

Generative biology technician prepares for a viral whole-genome sequencing experiment at the Cancer Genomics Research Laboratory.
The true bottleneck to this biological revolution will not be computational power or laboratory throughput; it will be the workforce.Image: NCI/Unsplash
本内容由人工智能自动翻译。
  • 生成式AI正将生物学转变为一门工程学科,其经济潜力高达4万亿美元。

  • 要实现这场变革,亟需大规模培养跨学科的劳动力,以防止关键技能缺口出现。

  • 如何让有前景的理念转化为可规模化的影响力,是世界经济论坛新成长经济体年会的重点议题之一,该会议亦被称为“夏季达沃斯论坛”,将于6月23日至25日在中国举办。

我们正目睹生物学从纯粹的观察性科学走向以软件驱动的工程学科的转变。通过将生成式AI的预测能力与先进的生物制造相结合,我们如今能够像编写软件代码一样轻松地“编程”实体物质。

经济利害关系极为重大。据估计,合成生物学在未来十年内将创造高达每年4万亿美元的价值,并有望改造全球工业领域近三分之二的物质投入。生物制造的替代品有望重塑从食品、饲料和医药,到能源、电子和建筑等各个领域。

然而,尽管技术发展速度惊人,人的因素却相对滞后。这场生物革命的真正瓶颈不在于计算能力或实验室产出,而在于劳动力。生成式生物学已面临深刻的劳动力短缺。为防止出现大规模技能缺口,全球领导者必须迫切培养一类新型跨学科人才,使其能够在人工智能与生物学的交叉领域开展工作。

什么是生成式生物学?

生成式生物学的核心,是在生物系统被实际合成并于活体宿主中测试之前,利用计算工具对其进行设计、编程和优化的实践。

要理解这一生态系统的运作方式,我们可以借用半导体芯片行业的类比,该行业分为两个截然不同的环节:

  • “无晶圆厂”(设计)层:在屏幕上设计复杂芯片架构的计算工程师。

  • “晶圆厂”(制造)层:依据精确规格将设计图案制造成产品、以供各类下游应用的实体生产工厂。

生成式生物学的关键区别在于其基底材料:我们设计的是DNA,而非硅。在实践中,计算机辅助设计工具被用于以数字方式创建全新的(从头)DNA线路。这一数字代码随后被化学合成为实体DNA,并导入生物宿主中,例如活体酵母细胞,该细胞充当微型工厂,以培育目标物质。

推动这一转变的三大促成因素

从观察走向有意识的工程设计,这一转变由三大促成因素推动:

  • 测序成本骤降: DNA测序成本的大幅下降,已催生了涵盖医学、农业和环境科学领域的大规模基因组数据集。

  • 合成规模化: DNA制造成本(实体“晶圆厂”的对应环节)的下降,使编写生物代码变得远为便捷。

  • 生成式AI的催化作用: 很少有人预料到这第三项促成因素。生物学之所以较早获得生成式AI的最直接成果,是因为已有大量高度组织化、干净整洁的数据集可用,同时还存在如解析蛋白质折叠等复杂而尚未解决的难题。生成式AI对生物学的影响已不再是理论性的;它已在重塑学术界与产业界的研究与开发。

即将到来的“工作盛宴”

通过加速生物学中“无晶圆厂”的设计阶段,生成式AI大幅压缩了创新周期。假设生成、从头蛋白质结构构建、生物标志物发现以及自动化湿实验室验证等环节的周期加快,正催生对一类全新人才的巨大需求。

全球各地的领导者需要关注此事,主要基于两个原因。其一,市场规模十分可观:试想一下,3万亿美元规模的合成生物学市场与4万亿美元规模的生成式AI市场相互融合。其二,该领域发展相当迅速,正从前沿研究迈向医疗健康、工业生物技术和可持续发展等领域的实际应用。技术架构已逐步让位于自主湿实验室,其借助机器人技术与自动化,并与AI指导协同运作。

这一转变自然意味着一场被寄予厚望的“工作盛宴”正在展开——全球经济将涌现出全新的跨学科工作岗位,而非出现以大规模失业为特征的“工作末日”。

然而,能否实现这一潜力完全取决于劳动力的准备程度。竞争优势将日益属于那些能够成功建立并部署一支熟练运用AI与生物学交叉领域知识的劳动力队伍的国家和组织。

随着这一趋势的发展,我们预见新的技能与角色将在金字塔的三个截然不同的层级中出现:

  • 前沿研究与突破性科学:此层级包括由各组织中小型跨学科团队组成的高度专业化人才,他们精通生物学与生成式AI。这些人通常拥有博士学位,是各自专业领域的专家,负责该领域的基础性突破。

  • 应用技术型劳动力:此层级是规模更大的中间层,由接受过多种新兴技能培训的操作人员与从业者组成。他们与AI智能体和自动化实验室协同工作,负责运行AI指导的实验流程及可规模化的生物制造工艺。

  • 广泛的社会素养:此层级涵盖更广泛的劳动力群体以及普通公众,社会日益期望他们理解生成式生物学的基础、机遇与影响。此层级还包括触达中小学阶段的儿童,提升年轻学生及其家长的认知与兴趣。

这一领域中日益增多的新兴岗位,必将既需要近期的技能提升,也需要中期的大学学位课程。这些新技能将界定若干核心角色类型,包括跨职能业务领导者、AI与计算生物学专家,以及负责管理生物数据基础设施的IT与网络安全专业人员。

此外,该行业还需要生物制造专家来运营机器人化实验室,需要具备数据素养的监管与伦理专家来确保安全部署,以及负责让社会为生物驱动型经济做好准备的教育工作者和政策制定者。

需要改变什么

劳动力准备程度正日益成为规模化推进生成式生物学的限制性因素。教育、产业和政策领域的领导者与组织必须通过新的跨学科培训、再技能培训、基础设施投资和治理框架加以调整,无论是近期还是中期。随着新型工作岗位的爆发式增长,生成式生物学为各城市和国家在青年赋能与创造就业方面提供了独特机遇。

生成式生物学已在重塑科学与产业。问题已不再是它是否会改变劳动力,而是我们能否足够迅速地为劳动力做好准备。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。