新智元報道

編輯：傾傾

長生不老或將成真？近日，哈佛團隊在AI系統K-Dense的助力下揭示衰老分階段運行的秘密。科研不再是慢工出細活，而是一場AI驅動的全球軍備競賽。當長壽的密碼被加速解碼，人類是否已準備好面對更長的人生？

幾千年來，人類都在追問：如何才能長生不老？

從煉丹術到現代實驗室，答案始終模糊。

即便有了基因測序和大數據，研究者往往也要花上數年，才能在龐雜信號里篩出一絲線索。

而這一次，AI第一次破開了這片迷霧。

哈佛醫學院的合作實驗顯示，一套名為K-Dense的系統，僅用幾周，就有了一個重大發現：

衰老并非線性，而是一系列階段性「生物程序」。

不僅如此，這套系統的技術細節，還寫進了一篇最新的科研論文。

里面展示了它如何通過「多代理+雙環架構」，把科研流程拆解執行，甚至在最嚴苛的BixBench測試里超越GPT-5。

論文地址：https://arxiv.org/pdf/2508.07043

當長壽的秘密開始被加速解碼，一個全新的科研角色也隨之登場——AI科學家。

當科研遇見「AI合伙人」：K-Dense登場

過去人們常說AI在科研中只是輔助工具，頂多幫忙查資料或跑幾行代碼。

但Biostate AI推出的K-Dense Analyst已經走得更遠，它能把一個研究流程從頭到尾完整跑通。

在最新發布的一篇論文里，K-Dense Analyst采用了層級多代理架構。

其核心是雙環設計：外層負責科研規劃，內層負責執行和驗證。

圖 K-Dense Analyst的「雙環架構」（dual-loop architecture）。外層規劃環（Planning Loop）負責整體科研策略，內層執行環（Implementation Loop）將任務拆解為可驗證的代碼與分析，并在沙箱環境中運行。

復雜目標會被拆解成具體任務，在安全環境里逐步完成，每一步都有方法和技術雙重校驗

在BixBench這個最嚴格的生物信息學測試中，K-Dense Analyst拿到29.2%的準確率，超過GPT-5的22.9%，也遠高于底層模型Gemini 2.5 Pro的18.3%。

K-Dense Analyst在 BixBench開放式問題上的準確率達到29.2%，顯著超過GPT-5（22.9%）、Claude Sonnet 4（17.1%）等前沿模型。

這說明它的優勢并不是模型規模，而是系統設計帶來的科研適配度。

舉個例子：在RNA甲基化數據分析任務里，K-Dense Analyst能分步驟完成數據過濾、定量分析、列聯表構建和卡方檢驗，而GPT-5連基本結構都沒搭好。

K-Dense在膀胱癌RNA m6A甲基化分析中的流程與代碼片段。

結果是前者在6個問題中答對4個，后者則全錯。

這一系列結果說明，K-Dense不只是「快」，而是真正具備了科研分析的嚴謹性和完整性。

它能主動規劃實驗、執行代碼、檢驗結果，把過去需要研究團隊花費大量時間完成的工作濃縮到更短周期。

從某種意義上講，它已經具備了科研人員的部分能力。

破解長壽密碼，哈佛實驗室的驗證

在哈佛醫學院，研究者David Sinclair和團隊把一個看似不可能的任務交給了K-Dense：

用轉錄組學數據來構建一只「衰老時鐘」。

以往這類研究，需要從數十萬條基因表達譜中反復篩查、比對，人工推進往往要拖上數年。

K-Dense卻在短短幾周內跑完了全流程。它從60萬份轉錄組樣本中挑出了 6 萬份高質量數據，又在五萬多個基因里識別出五千個最關鍵的信號。

更重要的是，它揭示出一個顛覆性的結論：衰老并不是一個線性滑落的過程，而是分階段運轉的生物程序。

青春期依賴的一組基因，在成年后可能毫無意義；到了老年，又會出現全新的預測指標。

Sinclair說得很直接：

K-Dense讓我們幾周就完成了原本需要幾年才能做的研究，它不僅幫我們找到值得深入研究的標記和通路，還首次給出了預測模型的可靠性衡量標準。

這句話點出了重點——AI不只是幫忙跑快了，而是讓科學家第一次知道AI能做到什么程度。

目前，這項成果已經作為預印本掛在bioRxiv上，正準備進入同行評審。

它意味著「長壽的秘密」正被逐步量化：不再停留在概念層面，而是變成一幅有跡可循的衰老地圖。

科研版「大模型軍備競賽」正式開始！

在哈佛實驗室的突破只是開始，K-Dense很快被推到全球科研的聚光燈下。

今年早些時候，Biostate AI完成了1200萬美元A輪融資，由Accel領投，投資人陣容里還有Anthropic聯合創始人Dario Amodei、Twist Bioscience CEO Emily Leproust、10x Genomics高管Mike Schnall-Levin。

幾位本身就是AI與生物交叉領域的重量級人物，他們的出現，說明K-Dense已經被視為下一代科研基礎設施。

與此同時，公司已經把觸角伸向了全球：與麻省總醫院（MGH）合作，在美國開展臨床研究；也在中國、印度尋找伙伴，把AI科學家帶進更多實驗室和醫院。

在產業層面，K-Dense也成了Google Cloud展示Gemini 2.5 Pro能力的標桿案例。

Biostate AI創始人：David Zhang和Ashwin Gopinath。

這一切勾勒出一個清晰的趨勢：科研不再只是實驗臺上的慢工出細活，而正在變成一場AI驅動的國際競賽。

誰能率先讓AI真正融入實驗室，誰就可能改寫藥物研發、臨床試驗、甚至整個生命科學產業的節奏。

AI進入科研現場，會帶來什么沖擊？

K-Dense的出現，并不僅僅意味著科研會更快。它更像是一面鏡子，把未來科研可能遇到的全新問題提前照了出來。

過去，一種新藥從實驗室走向市場，平均要花10–15年時間，其中前期的靶點發現與驗證是最大的瓶頸。

AI驅動的藥物發現已經在縮短前期周期，某些候選分子從「假設到驗證」只需幾個月。

如果像K-Dense這樣的系統被廣泛采用，這個周期可能被進一步壓縮，甚至讓實驗室和制藥企業進入真正的「并行研發」模式。

研究者也點出了一個尷尬現實：即便是最嚴格的benchmark BixBench，仍存在標注錯誤和評估模糊之處，K-Dense有時答錯的原因其實是數據集本身有誤。

這暴露出一個更深層的問題：當AI成為科研流程的一部分，我們如何保證結果的可復現性和追溯性？

專家建議必須建立更嚴格的審核、審計和可追蹤機制，否則科研成果可能在「不透明的黑箱」里失真。

MIT教授Sherry Turkle接受采訪時表示擔憂：

AI會削弱科研中最寶貴的人類直覺與批判性思維。

但另一派研究者則認為，AI的價值正是替人類消化龐大的數據量，把「數據泥沼」變成「科研線索」。

K-Dense這樣的多代理架構，恰恰提供了一種可能：AI不是替代，而是補位，讓人類研究者更專注于假設的提出和方向的把握。

這些討論表明，AI 在科研中的角色遠不止加速器，它還可能重寫科研的規則。

未來的實驗室，也許需要同時配備科研人員和「AI合伙人」，而真正的挑戰將是——如何在速度、質量與倫理之間找到平衡。

而當這種力量被應用到衰老研究時，意味著人類追尋千年的問題——長壽的秘密，將被以全新的方式加速解碼。

真正的懸念是，如果AI真的逐步打開了延長壽命的大門，我們是否已經準備好面對更長的人生？

參考資料：

https://www.globenewswire.com/news-release/2025/09/17/3151632/0/en/Biostate-AI-Launches-K-Dense-Beta-an-AI-Agent-That-Compresses-Research-Cycles-from-Years-to-Days-Validated-with-Harvard-Longevity-Discovery-Breakthrough.html

https://arxiv.org/pdf/2508.07043