原创 范阳 2025-02-28 18:16 上海
生命科学与神经科学领域的 OpenAI 到登月工程。
生命科学和整个科学领域都正在经历范式的改变 ( AI for science )，这可能也是人工智能的飞跃真正推动的大事件。生命科学/生物技术是人工智能的前沿，而基础科学甚至是“边缘科学”的突破又会把人工智能带到新的高度，甚至直接产生新的人工智能 （ science for AI )。
而高级的智能形式往往又是组织性的。今天这一篇文章我们继续来分享在美国最前沿的“科学发现组织” 与“登月工程”研究项目的组织形式与资助形式。其实最核心的就是：吸引最顶尖的跨学科研究型人才，匹配最合适的资金与激励方式，研究最具潜力的科研命题，形成一个高效的小团队。
在最近与国内外科研与创业人才的交流中，我能感受到这是一件难而正确的事情，难在当下具备这样的视野，能力与出资愿望的人非常非常少，而正确在于第一在中国和世界上许多地方，都有被低估的有能力也有雄心的年轻人才，他们不会按照以往的模式来创造和创业。以及这会是未来几年所有国家和产业汇聚的“谢林点”，未来的核心竞争与合作，会从上游从零到一的科学发现开始。而新一代的 OpenAI 与 DeepSeek 们，也会从这样的新兴研究组织中产生，它们构建很多领域的基础设施与平台，创造当下我们还没有认识到的新技术和新商业模式。
这篇文章来自 Tim Hwang 主理的播客 The Macroscience Podcast 第 4 期，我的共同内容制作人 Rhei 和我（ iehrhei@gmail.com ）将原播客英文稿转译并制作成中文分享给大家。
这期播客的分享人来自目前新型科研机构最有代表性两家——Arc Institute 与 Convergent Research——的创始人，他们分别专注在生命科学以及神经科学的研究和技术创造，很难得能听到他们第一手的运营经验和对人才和组织形式的思考。以及另外的嘉宾来自我非常欣赏的 Stripe Press 和 Emergent Ventures。它们的运作模式和人才组成以及研究的方向，我会在今后的文章当中分享。
比如在播客当中 Tyler Cowen 提到了他从艺术领域看到的科学新型组织的一个启发：
“ 当我听说 FRO 是在项目完成后自动解散的，我想到的其实是好莱坞电影的工作室制作模式—— 这种模式已经存在很久了。
在艺术领域，你几乎总能找到类似的模式，而这让人对科学研究的新模式也更加乐观。再来看年轻人主导项目的例子——谁领导了披头士乐队？ 当然，有 George Martin 和 Brian Epstein，但真正决定自己方向的是披头士自己。Paul McCartney 需要自己去学习如何掌控整个录音室。这虽然不被称作“科学”，但实际上是一个极其复杂的技术项目，在这之前从未有人做过。而他，一个没有上过大学的 23 岁年轻人，开始自学并掌握了这门技术。”
延伸阅读：Arc Institute
Convergent Research
构建关键技术：如何培养未来 100 个科研突破组织 | Convergent Research
对于元科学运动（ Metascience ) 以及新型科研机构比如 FROs 如何运作感兴趣的朋友，也非常推荐关注 Macroscience 的播客。当然也欢迎你联系我与我交流。也推荐你阅读我近期的系列文章。
希望今天的这篇文章对你有启发。
ARPAs、FROs和快速资助，哦我的天！
Metascience 101 - EP4: "ARPAs, FROs, and Fast Grants, oh my!
创作者：The Macroscience Podcast
编辑制作：Rhei, 范阳
发表日期：2024年10月1号
本集播客概要：Stripe Press 的 Tamara Winter 与嘉宾 Tyler Cowen 教授、Arc Institute 联合创始人 Patrick Hsu 教授和 Convergent Research 的 CEO Adam Marblestone 一起探讨了各类新型科研资助机构。他们特别关注了新兴的探索性科研资助模式。
Metascience 101 是一套包含九集访谈的系列节目，可以视为一门速成课程，探讨推动现代元科学运动（ the modern metascience movement ）的各种争论、问题和理念。
我们探讨了为什么构建真正的“科学的科学”（ science of science ）至关重要，以及元科学研究如何转化为现实世界的政策变革。
（注：节目的录音稿已做轻微编辑以提高清晰度。 ）
Caleb Watney：欢迎回来！这里是 Metascience 101 播客系列。在本期节目中，我们将探讨各种科学资助机构（ scientific funding institutions ），特别关注一些新兴的探索性资助模式：ARPAs、FROs 以及 Fast Grants——那些令人惊叹的科学资助新形态！本期节目中，Tamara Winter 将与三位深度参与创新型科学资助生态（ innovative science funding ecosystems ）的人士展开对话：泰勒·科文（Tyler Cowen）、帕特里克·许（Patrick Hsu）以及亚当·马布尔斯通（Adam Marblestone）。
Tamara Winter：在新兴科学机构这个圈子里，我们的同道中人其实不算多，而今天我非常幸运，能邀请到三位站在前沿的人士来到这里。我是 Tamara Winter，目前负责 Stripe 旗下的出版品牌 Stripe Press。
今天和我一起参与讨论的有亚当·马布尔斯通（ Adam Marblestone ），他是Convergent Research 的首席执行官。亚当目前正在制定 FROs（ Focused Research Organizations，聚焦研究组织 ）的未来战略规划。FROs 主要致力于推进大规模、紧密协作的非营利科研项目（ large scale, tightly coordinated nonprofit projects ）。
我们还邀请到了帕特里克·许（ Patrick Hsu ），他是 Arc Institute 的联合创始人，同时也是加州大学伯克利分校工程学院的生物工程助理教授，以及 Deb Faculty Fellow（ 学术研究员 ）。Arc 为科学家提供“无附加条件”的多年资助（ no-strings-attached multi-year funding ），让他们不必四处申请外部科研基金。此外，Arc 还大力投资于实验和计算技术工具的快速开发（ rapid development of experimental and computational technological tools ）。
最后，我们请到了泰勒·科文（ Tyler Cowen ），他身兼数职。而在今天的讨论中，他的主要身份是 Fast Grants 计划的创始人。Fast Grants 在新冠疫情早期迅速启动，为新冠研究相关项目的科学家提供 1 万至 50 万美元的快速资助，决策周期短至 14 天以内，这可谓相当惊人。
那么，今天的讨论就从这个问题开始：你们认为这些新的科学资助模式为什么会在这个时间点兴起？ 你们其实已经在这个领域深耕多年，所以可能不会觉得突然，但对我来说，这更像是“先是缓慢发生，然后一瞬间爆发”（ slowly, and then all at once ）的情形。你们觉得，为什么这些科学新机构的想法会在短时间内获得如此大的关注？
Tyler Cowen：我认为有三个关键因素。
首先，在思想领域，一些人——比如彼得·蒂尔（ Peter Thiel ）、我本人、罗伯特·戈登（ Robert Gordon ）——一直在指出科学与生产力的某些环节出了问题。随着时间推移，这一观点逐渐得到了共识。
其次，私人基金会（ private foundations ）变得越来越官僚化，导致很多身处其中的人开始意识到，这个系统实在太难打交道了，并对此感到挫败。
最后，新冠疫情爆发了。这是一场真正的危机，而危机往往会激发美国的行动力。当时，很多已经形成的观点和经验，突然被现实验证：“嘿，事情真的很糟糕。” 政府的科研资助机构或许没有变得更糟，但它们也没做出什么令人刮目相看的改进。这就形成了一场“完美风暴”（ a perfect storm ）：理念已经积累，现实催化变革，加上模仿效应（ mimetic desire ）、快速传播（ contagion ）等各种社会机制，最终催生了一系列新的科研资助实验。
Patrick Hsu：换个角度来看，可以问这样一个问题：科学突破是如何发生的？为什么通常只有少数几个实验室会在某一时间段集中攻克重要问题？（ How do scientific breakthroughs happen, and why it often seems like a relatively small cluster of labs is working on important problems at the same time? ） 通常，这些突破都发生在某些高密度、相互重叠、竞争激烈的科研周期中（ dense, overlapping, competitive periods of productivity ）。
我认为，泰勒刚刚提到的几个原则同样适用于这个现象，同时我们还要考虑到科研机构的官僚化（ institutional bureaucracy ），或者说“僵化”（ sclerosis ）。这种体制压力不断积累，最终就会有爆发的一刻。
我的观点是，对科研机构进行创新并不是什么新鲜事。任何经历过科研训练的科学家都会告诉你，尽管当前的科研体系拥有强大的支持能力，但它同时也存在许多根本性的缺陷（ fundamentally broken problems ）。
科学体系并非一直是现在这个样子。如果你回顾科学史上那些极度高产的时期，你会发现，那些时期的科研组织模式、资金来源、实验室运作方式等都与今天大不相同。如今，我们看到一群既有科研经验、又有组织建设能力的人，开始把他们的雄心不仅投入商业科技创业领域，还开始关注科学机构本身的创新（ a group of people who have experience running and building organizations start to apply that ambition, not just in the commercial tech startup sense, but in scientific institutions themselves ）。
Adam Marblestone：是的，我认为科技创业的最近发展在这里起到了很大的作用。科学界的声音与初创公司、风险投资（ VC ）生态系统的声音之间产生了越来越多的对话。在硅谷，许多人都在重新思考“组织”（ organizations ）这个概念，而科学家们也受到了启发，开始思考：“嘿我说，也许我也可以自己创立一个科研机构？”
Tyler Cowen：从“初创公司”的角度来看——为什么科学界不能这样做？ 许多创业公司从零开始重新设计一套流程、产品或网络服务（ So many startups rethink a process, product, or web service from scratch ），而将这种思维方式应用到科学资助领域，已经被证明是非常有影响力的。
Patrick Hsu：学术界的科研体系其实也有创业的影子，比如很多教授都会自己创办实验室。通常来说，一个科学家的职业路径就是在完成博士后训练后，组建自己的学术研究团队。我们已经有一套固定的流程和经验来指导这个过程，但这都发生在一个我们习以为常的科研资助、终身教职和大学体系之中。
现在，真正独特的变化在于，人们开始质疑这个体系是否必须是这样的。如果我们从第一性原理出发，重新思考科研机构的组织方式，会发生什么？如果我们打造一种全新的科研体系，会是什么样子？
Tamara Winter：我想深入探讨你们各自的机构，或者像泰勒（ Tyler ）这样的资助计划（ initiatives ）。亚当（ Adam ），你这些年来一直在探讨如何拓展科学探索的“基础空间（ base space ）”，而这种思考最终在 Convergent Research 中得到了实践。那么，什么是“聚焦研究组织”（ Focused Research Organization, FRO ）？Convergent Research 具体做什么？它与传统的科研小组模式有何不同？
延伸阅读：构建关键技术：如何培养未来 100 个科研突破组织 | Convergent Research
Adam Marblestone：聚焦研究组织（ FRO ）在很多方面其实是一个非常简单的概念。它本质上就是一群科学家、工程师和管理者聚集在一起，专注于解决一个明确的问题——通常是开发某种工具、系统或数据集，以造福科学或技术。这类研究往往无法在风险投资（ VC ）支持的公司环境中实现，而需要集中资源和时间来完成这一特定目标。
这个概念听起来很简单，对吧？你可能会想：“我们现在不就已经有很多类似的科研机制了吗？” 但有趣的是，现有的科学研究模式大多是围绕个人学术生涯展开的，或者是依附于其它既定框架，比如创办盈利公司，或者参与国家实验室（ National Lab ）的研究项目。
但目前并没有一种通用的机制来识别哪些问题需要专门组建聚焦型团队来解决，也就是说，没有一个常规的方式来组织“科学‘冲刺’（ sprints ）式研究”。那么，如何将这些团队与它们所需的一切资源匹配起来呢？
一个初创公司（ startup ）需要什么？它需要领导力，需要技术路线图，需要资金，还需要建立一个跨学科的核心团队，这些人往往不一定是你身边现成的研究人员。但在科学界，几乎没有一种成熟的机制来组织这样的团队。
因此，科学家们并不会自然而然地想到：“我要如何设计一个包含 20 名工程师和项目经理的团队，来攻克一个重大难题？”
相反，他们会思考：“我接下来应该申请哪个基金？我的研究生应该研究什么课题？”研究人员并不会主动去考虑这种特定的组织模式。
结果就是，慈善机构和政府资助方并不清楚，如果采用“聚焦研究组织”（ FRO ）的模式，科研人员会选择解决哪些问题。
因此，Convergent Research 的角色就是一个“协调中心”（ Schelling point ），将所有必要的要素整合在一起，以推动这些项目顺利进行。这包括主动与科研社区沟通，询问：
“你认为当前科学领域中最重要的问题是什么？哪些是研究中的关键瓶颈？在哪些情况下，你需要新的工具、系统或数据集，而这些又必须通过比常规规模更大的团队协作或冲刺式研究才能实现？（ What are the problems that you think are most important, that are biggest bottlenecks in science, where you need a new tool, or system, or dataset that requires a larger-than-usual coordination or a sprint to build? ）”
这也意味着，我们要建立起相应的创业孵化和项目创建机制（ venture incubation and creation ），并提供必要的法律和运营支持，确保这些研究项目能够顺利启动和推进。
所有这些努力，最终都会增强人们对这种新型科研模式的信心，使其成为一条可行的发展路径。
Tamara Winter：其实 Stripe 作为一个支付平台，就是致力于消除创业的复杂性（ abstract away the complexity of starting a business ）。而你们的工作，某种程度上是把整个科学研究体系的复杂性抽象化，对吧？
Adam Marblestone：是的。这有点像 Stripe Atlas 或者 Y Combinator（ YC ） 的模式。
延伸阅读：深度科技风投的盈利模型：让研究者边接单，边追逐星辰大海。| Deeptech VC
Tamara Winter：没错！
Adam Marblestone：为什么没有更多这样的聚焦型团队，来专门构建那些至关重要、但无法通过其他方式完成的项目呢？
Tyler Cowen：我认为，FRO 的临时阶段性（ temporary nature ）是一个很有趣的理念——你完成一个目标，然后这个机构就解散了。但人们并不习惯这样的模式。很多传统机构往往会自我延续，它们会积累管理负担，保住员工职位，并维持内部关系网络。这种倾向虽然有一些问题，但也确实让机构能够更容易地吸引基础研究人才。
如果你想要跳出这种模式，你必须更有创新性，建立一个强大的“软性网络”（ soft network ）来吸引人才，同时还要给他们足够高的薪资。这就是一个挑战——人们不习惯“可能是临时性的”科研模式（ the model of potential temporariness ）。
Adam Marblestone：这正是初创公司给我们的启示。我们并不是要创建一个永久存在的研究机构，不需要去思考：“谁能担任 100 年的研究所所长？我们 30 年后的研究主题是什么？” 我们只专注于解决特定的问题。
但这并不意味着所有人都会在项目结束后就消失。事实上，许多这些研究项目往往具有催化作用（ catalytic effect ）：它们可能会衍生（ spin off ）出新的科技公司；它们可能会被整合进更大的非营利机构；它们可能会形成长期运行的合同研究组织（ contract research organizations，CRO ）。
我们在筛选研究问题时，也会考虑这个问题：这个项目最终会有怎样的“退出路径（ exit ）”或者“规模化事件（ scale-up event ）”？我们希望这些研究能够在科学生态系统中创造长期的影响，而不是项目结束后就“拜拜”。
但同时，我们也接受现实，即未来的形态无法完全预测到——谁会成为最终的合作伙伴？谁是最终的“用户”？这些都是在项目发展过程中逐步显现的。
这种动态性（ dynamism ），其实就是借鉴了初创公司的创业思维方式。我们很高兴能够吸引到一些极具才华的人才，他们愿意用不同的方式来思考科学研究。
Patrick Hsu：Arc 研究所的模式与此有所不同。我们把自己定义为一个“科研中心”（ convening center ），汇集了斯坦福大学（ Stanford ）、加州大学伯克利分校（ UC Berkeley ）和加州大学旧金山分校（ UCSF ）的科学家们，在一个实体空间中进行跨学科合作。
我们提出的问题是：如果让这些顶级的科学家自由发挥，不受资金和短期目标的限制，他们能做出怎样的科学突破？
我们不仅包括教授、博士生、博士后研究员，还吸纳了不再处于学术训练阶段的职业科研人员。我们吸取了学术界和工业界的优点，但我们深知长期科研需要长期思维以及执行所需的基础设施。与 STEM 领域的许多学科不同，生物学的研究进展非常缓慢，实验往往混乱、嘈杂，而且研究目标一直在变化。
在 Arc，我们正在努力建立一些看似简单但至关重要的基础要素。
首先，如果我们能够提供长期资金支持，是否就能消除科研人员对短期优化的依赖（ remove the need for short-term optimization ）？比如，不再为了追求快速发表论文或迎合短期资助周期而调整研究方向？我们当然认可论文和科研成果的重要性，但关键问题是：你是否真正专注于最重要的研究？ 在 Arc，我们不仅在资金层面提供支持，同时也在更广泛的平台和基础设施上构建一个有利于长期科研的体系。
随着现代生物医学研究日益依赖复杂的实验技术和计算工具，科研机构需要具备足够的系统化知识（ institutional know-how ）来整合这些要素。然而，即便在世界顶尖的生物实验室，连保证基础科研运作顺畅（ 比如让“科研列车”准时发车 ）都并非易事。
我们的目标是改变这种状况——建立技术中心，让更大规模的研究团队能够以一种跨学科、模块化的方式协作（ a larger, cross-functional, modular way ），类似于生物技术公司（ biotech ）或制药企业（ pharma ）在复杂研究流程中所采取的方法。那么，当科学研究进入一个需要更大规模协作的阶段，我们又能催生出哪些新的科学突破呢？
Tyler Cowen：如果这个机构的周期是八年，但你在第二年就已经知道哪些人不会被续聘，那会改变你的运作方式吗？如果你必须继续留住那些表现不佳的人六年，同时还要装作一切正常，那会不会造成压力？
Patrick Hsu：关于为什么需要设定可续期（ renewable ）的机制，可以有几种不同的理解方式。许多研究机构采用“固定任期制”（ “up-and-out” ）的模式——研究人员在机构待三年、五年或七年，然后必须离开。这导致大家都在过度优化（ hyper-optimizing ）自己的工作，试图用里程碑式的成果来证明自己的生产力、进展和研究方向。
我们认为，推动研究快速产出并不一定是坏事，但如果一切都围绕短期成果展开，那么从整体上看，这对科学是不利的。在 Arc，我们采用年度评估制度（ annual reviews ），并提供正式的八年期任命（ formal eight-year appointments ），但我们也设置了一系列正式和非正式的沟通机制，确保研究人员在这里是真正开心的。
最终，我们衡量初步成功的标准有两个：
1. 我们是否能吸引到最顶尖的人才（ are we able to hire some of the very best people ）？
2. 当他们加入 Arc 后，是否觉得自己在研究“最棒的想法”（ when these people come to Arc, do they feel they’re working on their best ideas ）？ 他们是否满意自己所研究的问题？
如果有人在 Arc 觉得不开心，不喜欢这种模式，他们往往都是极具才华的科学家，可以随时找到其他工作。
Tamara Winter：Tyler，你启动 Fast Grants 项目已经好几年了。关于 Fast Grants 的成功之处，已经有大量讨论。Patrick，你当时也参与了 Fast Grants 的运作。在你看来，Fast Grants 所推动的研究，与传统科研机构会支持的研究有哪些不同？
我还想讨论“反事实”（ counterfactuals ）的问题——如何知道这些新型科研机构真的在催生新的研究？但我们先从 Fast Grants 开始吧。
Tyler Cowen：我认为我们提供的资助大致可以分为三类。
第一类是那些无论如何都会进行的研究，但有了我们的资助，它们可以推进得更快。正如你提到的，我们在两周内资助了许多研究人员，实际上，很多人在两天内就拿到了资金。在疫情期间，每天都有大量美国人去世，因此哪怕研究进展快一点，其价值也非常大。
第二类则更难判断。这些研究人员可能本来就想做这项研究，但他们需要在特定时间内确定是否能拿到资金。如果我们没有介入，他们可能就不会去做。这一点对我来说很难评估。
第三类是数量较少但资助金额高于平均水平的项目，我强烈怀疑，如果没有我们的资助，这些项目可能根本不会发生。例如，氟伏沙明（ fluvoxamine ）干扰素试验，这是一个高风险、极具挑战的研究。虽然它有一些后续资金支持，也引起了一定兴趣，但我不确定如果没有我们的资助，它是否能真正启动。而现在看来，这个研究可能会变得相当重要。
除了这些具体的研究资助，Fast Grants 还产生了示范效应（ demonstration effect ）。我们向世界展示了，科研资金可以更快到位，机构的响应速度可以更快。政府机构和私人基金会可以从中汲取经验。
在我看来，资助速度的提升并不会降低研究质量，甚至可能提高。在传统科研资助体系中，一个资助申请可能在某人的收件箱里躺上三个月、四个月、甚至九个月，但这并不是因为有某个天才在深思熟虑，最终得出更聪明的决策。实际上，只要优先做出决策，结果不会更差，甚至会更好。而我们已经证明了，这确实是可行的。
Tamara Winter：你刚才提到了一个很有趣的点，我想听听你们的看法。Fast Grants 的成功，在多大程度上是因为它允许研究人员迅速响应外部世界的变化？
在 Fast Grants 资助的科学家中，有相当一部分原本研究完全不同的东西，但有了资金和许可后，他们才能立刻转向当时世界上最紧迫的问题。
通常来说，如果你拿到美国国立卫生研究院（ NIH ）的资助，你不能随意更改研究方向，即便你发现了更紧迫的问题。那么，Fast Grants 的这种灵活性在多大程度上影响了它的成功？
Tyler Cowen：是的，我们允许研究人员改变研究方向。但这其中有很多前提条件，尤其是在 Mercatus 方面，因为 Fast Grants 是在 Mercatus 旗下运营的。
Mercatus 之前已经在运行 Emergent Ventures，这个项目与新冠疫情无关，但它的核心理念就是在几天内（通常不到一周）让研究人员拿到资金。我们在这方面已经有一年多的经验，财务团队、报告团队、我的助理——所有人都知道该怎么做，而且他们的工作水平极高（A 级甚至 A+ 级）。因此，增加资助金额，或者将资金通过支票或电汇发往不同地方，并不是一件难事。
注：Emergent Ventures于 2018 年启动，是一个低开销的奖学金和资助项目，旨在支持那些拥有具有高度可扩展性、能从零到一实现的创新想法的创业者和杰出人才，以有意义地改善社会。该项目由 Mercatus Center 的学术主任 Tyler Cowen 管理。
此外，我们还有一个非常信任我的董事会，他们基于我的过往经验，放心地把这件事交给我来做。而这种信任在非营利组织中其实非常稀缺。我认为，这是一个被严重低估的问题——非营利组织内部的信任问题。很少有董事会愿意对执行者说：“这件事你去做，我们信任你。” 在我看来，这种信任才是最难以复制的因素。
Patrick Hsu：在科学评审方面，我在 Fast Grants 里深度参与了这部分工作。首先，Tyler 和 Mercatus 搭建的基础设施和系统对 Fast Grants 的成功至关重要，因为它们让拨款流程更顺畅。要让资金尽快打到账户，整个流程涉及大量的后台操作（ plumbing ）。令人惊讶的是，在许多情况下，资金已经到了大学，但大学却不知道如何接受这笔款项。
Tyler Cowen：或者说，他们故意拖慢进度——有些接受资助的人觉得需要放慢节奏。
Patrick Hsu：对，这确实是一个有趣的现象。但我们同时也证明，在科学评审方面，整个流程可以做到聚焦、高效，并且快速交接。我们收到了极其多样化的研究申请，包括免疫学新概念、新型疫苗、临床试验提案、新诊断方法，甚至非人灵长类实验。这意味着我们必须找到并组织各个领域最顶尖的科学家，确保每个研究方向都有深厚专业背景的专家来评审。此外，我们还开发了一个在线申请系统……
Tyler Cowen：这个在线系统是 Stripe 的工程师们开发的。我们有世界上最优秀的程序员，他们在短短几天内搭建了一个系统，从我的角度来看，它运作得完美无缺。这不是一件可以理所当然的事情。在评审环节，我们利用社交媒体推广信息，Stripe 的工程师负责开发系统，Mercatus 处理运营流程，而 Patrick 和我则作为领导者和筹款人。所有这些环节缺一不可。
Tamara Winter：这确实是一个了不起的各方协调的成就（ an incredible feat of coordination ），尤其是考虑到当时的情况——你们无法面对面协作。我尤其喜欢 Stripe 团队的部分，他们不仅做得非常棒，还得到了应有的认可和赞誉。其中一些人在澳大利亚，也就是说，你们是在跨时区的情况下完成了这一切。
Adam，我想把话题拉回到 Convergent，因为 Patrick，你的资助计划是可续期的八年期拨款，而 Fast Grants 并没有特定的时间限制。那么，当你们评估一个团队时，最重要的因素是什么？是团队的规模？还是时间跨度，比如 5 到 7 年？
Adam Marblestone：嗯，是的。
Tamara Winter：在评估新团队、项目或研究领域时，最关键的考量因素是什么？
Adam Marblestone：老实说，我们主要关注的是“反事实分析”（ counterfactual ）——也就是，如果没有这个拨款，这群人是否仍然有可能自己组织起来完成这项研究？在 FRO（ 聚焦研究组织 ）里，每个成员原则上都可以自己去申请资助，然后在更自然的合作模式下朝着同样的方向推进。
但问题是，如果他们这样做，与在 FRO 模式下推进相比，最终的成果会有多大差距（ delta ）？这种差距在不同领域差异很大。比如，在某些研究领域，技术门槛决定了一切——神经科学家可能需要一种新型芯片，但神经科学家本身并不会制造芯片。在这种情况下，我们必须考虑：是否需要一种“工业化推进”（ industrialized push ）模式，让团队有不同的分工架构、不同的人员配置、不同的协作方式，以确保研究顺利推进？而这种模式是现有体系（ 如 NIH 资助或慈善资助 ）难以支持的。
其中一个核心因素是反事实分析。在此基础上，我们还需要进一步思考：我们正在构建的这个东西到底有多重要？
当然，我们无法提前百分百确定它的价值。比如，假设我们支持的某个聚焦研究组织（ FRO ）正在开发一种新的蛋白质组学（ proteomics ）检测方法，用于测量细胞中的蛋白质。然而，也许很快就会有另一种更好的检测方法出现，甚至可能是某个博士后研究员单枪匹马就开发出了更优方案，完全超越了 FRO 团队的研究成果。我们无法预测这种情况是否会发生，但我们需要评估：这个技术突破的潜在价值有多大？当前的科研环境是否迫切需要它？
在我们的模式中，我们会通过同行评审（ peer review ）来验证这一点。许多科学家会评估并表示：“如果你们构建这个技术，它并不是那种高风险、完全不可预测的想法，而更类似于‘哈勃太空望远镜（Hubble Space Telescope）’或‘人类基因组计划（ Human Genome Project ）’——这些项目虽然挑战巨大，但在技术上是可行的。”
因此，我们评估的核心标准之一是：如果我们投入资源去推动这个研究，它能带来多大的突破（ how significant is the unlock if we make that lift ）?
另一个核心因素是团队的意愿（ willingness ）和准备程度（ readiness ）。在本质上，这些研究团队类似于创业团队，他们不仅要组建团队、招募研究人员，还必须愿意接受非传统的科研模式。这些团队的核心成员需要全身心投入，在整个研究周期里高度专注；既要具备科学能力，又要具备人际沟通和管理能力，能让整个团队顺利运作。
综合这些因素，我们会在某个时刻筛选出一份相对短的候选名单。不过，目前适合的项目远多于我们可资助的数量。
Patrick Hsu：Arc 的技术中心在很多方面，试图解决类似的一组挑战。我们对 FRO 的概念有类似的直觉，我非常喜欢这个概念——即你需要更大规模的团队，更多样化的人才类型。你不能仅仅依靠一个只有分子生物学和遗传学为核心训练出的单一渠道型人才（ single-channel type of person ）来应对可能需要产品整合，或者涉及多种模态的仪器、成像和分子概念的任务（ You can’t rely on a single-channel type of person with core training only in molecular biology and genetics to tackle something that might require product integration, or something that’s multimodal across instrumentation, imaging, and molecular concepts ）。所有这些不同的元素都需要在更广泛的框架内的协调和专注。我们在技术中心所做的很多工作，都是将人们汇聚成一个工业风格的研究组织（ an industrial-style research organization ），嵌入在 Arc 的更大框架内，但高度专注于开发诸如类器官（ organoids ）、改进的细胞模型，或者更好的多组学细胞分析技术（ multiomic profiling of cells ），或者更好的基因组和表观基因组大规模工程技术（ genome and epigenome engineering at scale ）。
我们在某种程度上已经预选了五个技术中心，它们在很多方面以协调的方式合作。就像 90 年代的动画《地球超人》（ Captain Planet ），你需要地球、风、水、火才能召唤出“地球超人”。这些中心互相合作，运行一个端到端的周期，寻找复杂人类疾病的更好靶点（ These centers coordinate to run an end-to-end cycle for finding better targets for complex human diseases ）。
我们建设这些技术中心的很多方式都涉及跨学科的人才（ interdisciplinary talents ）。如何有效地、专注地将所有人聚集在一起，实际上首先需要一定的时间来搭建实验室，汇聚一批高质量的思考者，确保物理物流运作顺畅（ There’s just a certain latent amount of time that it takes to build a lab in the first place, get a critical mass of high-quality thinkers, to get quality, physical logistics working properly ）。我们在这一切上都以一种集中高效的方式进行思考。
Tamara Winter：这真是太有趣了。我特别喜欢海蒂·威廉姆斯（ Heidi Williams ）常提到的一点，那就是关于做科学的新方式的讨论，通常过于专注于如何资助科学的新方式。而你们三位提到的，实际上是基础设施或者支撑性问题（ infrastructural or scaffolding challenges ），这些问题才是真正制约科学进展的速度或是你们能够做的研究类型。我觉得这一点很有意思——我常常听海蒂谈论这个，但今天听你们谈论它如何在实际实践中发生，真是受益匪浅。
我想回到反事实（ counterfactual ）的问题上，因为对于关注元科学（ metascience ）的人来说，这似乎是一个难题——也许进步研究所（ Institute for Progress ）或开放慈善基金会（ Open Philanthropy ）可以研究这个问题，但目前还没有一种严格的方法来评估反事实。
虽然他现在不在场，但马特·克兰西（ Matt Clancy ）在 New Things Under the Sun 这本书里提到了一些相关内容。他会识别自然实验（ natural experiments ），然后说：“好，这个研究领域有这些特性，另一个研究领域和它类似，也具备相似的特性。那么，它们可以相互学习些什么？”
范阳注：newthingsunderthesun.com，推荐这个博客。
但如果你是在 Convergent、Arc、Fast Grants，甚至 Emergent Ventures，你真正想做的，并不是去观察整个研究领域，而是深入到具体的 FRO 或实验层面，并问自己：“如果没有我们的介入，这件事是否根本不会发生（This thing wouldn’t have happened without our intervention ）？”
然而，我们目前并没有办法真正做到这一点。这是一个问题吗？还是只有我自己有这种困惑？
Tyler Cowen：我不会为反事实（ counterfactuals ）问题苦恼。我觉得这有点像交朋友——你结交了一个好朋友，之后往往会结交更多好朋友。
即使你资助的某个项目，并不一定是由你决定其成败，它仍然可能带来更多优质项目、更好的资源流动（ deal flow ），并且有望让你的资助模式更受欢迎，从而产生积极的影响。
在很多情况下，你永远无法真正搞清楚反事实。当然，你不应该做明显愚蠢的事情，比如给谷歌提供一笔资助，让他们扩展人工智能研究——这在反事实层面上显然是荒谬的，因为他们本来就会去做。
但在合理的范围内，要找到真正高质量的项目、人才或机构来支持做这些事，本就极其困难（ it's like so hard to find a truly high quality thing, person, institution to support ）。我的观点是：别纠结，直接去做（ I say just do it ）。
Patrick Hsu：科学研究中一个有趣的现象是，你总能找到理由来说服自己不去做某个实验。当你面对一个足够有挑战性的问题（ sufficiently challenging problem ），并且身边都是高度分析型的人（ sufficiently analytical people ）时，关于某件事能成功和不能成功的理由往往同样充足，甚至通常情况下，“行不通的理由” 可能远远多于“行得通的理由”。
这很容易让人陷入决策瘫痪（ decision paralysis ）或机会成本瘫痪（ opportunity cost paralysis ），最终导致什么都没做成。
相较之下，简单地去尝试，且以高效的方式执行（ simply trying things in an operationally effective way ），才是一种巨大的优势——去做实验、去创办机构、去筹集资金、去实践你的想法。
毕竟，从更广义的角度来看，整个宇宙的趋势更倾向于熵增（ 混乱 ）和缺乏聚焦的努力（ the universe trends more toward entropy and a lack of focused effort ）。
Tyler Cowen：避免资助那些本来就能拿到资金的项目，最好的办法就是让自己变得“另类”（ be weird yourself ）——要真正与众不同，并释放出这种信号（ be credibly weird and signal that you’re different ）。
你无法完全控制哪些项目会找上门来，但如果你足够特别，你就会吸引到那些不属于主流的项目，而不是类似阿斯彭研究所（ Aspen Institute ）那种典型的主流资助项目，或者那些 “IBM 早就会做的事情”。这并不是说这些机构不好，只是它们过于主流了。
Adam Marblestone：我认为这些新模式的存在，以及它们在某种意义上的“另类”之处，确实有一些独特的价值。
一方面，我们在 FRO 过程中看到的 “反事实性” 之一，正如 Convergent 的董事会主席 Tom Kalil 所说，就是：如果没有这样的资助机制，很多人根本不会去写这些研究资助申请。
毕竟，要规划清楚如何使用 3000 万美元，或者如何组织一支 20 人的工程团队，需要大量的时间和精力——这不是你在日常工作中随便就能想到的事情。
Patrick Hsu：而且，没人受过训练去思考如何撰写这种规模的资助申请。
Adam Marblestone：他们没有受过这方面的训练。因此，设计技术中心的人需要进行一项非常专业且复杂的长期工作——这既是一个工程问题，也是一个设计问题，并非所有人都能做到。但不仅如此。正如 Tom 所描述的，大多数人不会花几个月的时间去详细规划如果中了彩票该怎么办。因为他们知道自己根本不可能中奖，这样做纯粹是在浪费时间，对吧？
同样地，如果没有合适的资助或机制，比如“你现在拥有一个由 20 人组成的工程团队，专门构建一个跨学科、具有明确目标的工具”，人们就不会花时间去思考这个问题。因此，一个反事实是：你会得到一些以前没人谈论过但可能一直潜在存在的奇特想法。那些会提出这些想法的人，几乎可以肯定，一开始就感到相当沮丧。他们是那种即使没有直接的激励或资金渠道，也依然在思考自己会做什么的人。
如果他们的想法早已在脑海中酝酿，那这些人本身就相当“奇怪”。我们确实观察到了一些有趣的筛选效应（ selection effects ），再加上这样一种资助机制以前并不存在。因此，我们可以确定，之前并没有基金会会资助这样的项目。
Patrick Hsu：简单地去框定一个机会本身就具有强大的力量。在 ARPA-H（ 美国卫生高级研究计划局 ）中，他们经常讨论这一点。ARPA-H 的署长 Renee Wegrzyn 曾提到，许多人擅长想出价值百万美元的点子——这大约是一个标准的五年期资助规模。但真正擅长提出 3000 万或 1 亿美元级别构想的人却很少，正如 Adam 多次强调的那样。
他们在寻找能够管理数千万至数亿美元资金的项目负责人时，重点就是要找到那些具备经验、品位和判断力，能够在这一规模上进行评估的人。然而，在这个领域，实际经验极少，可供参考的案例很少，人们很少有机会去思考如何构建、组织和评估适合这个层面的项目。
这场讨论的很多部分其实是在勾勒出一种可能性，然后在公众视野中推进，让人们看到这是可行的，这些项目的确能够获得资助。随后，我们可以用科学的方法去追踪和衡量这些项目的成果——哪些成功了，哪些失败了，以及这些尝试带来的得失。
Adam Marblestone：也许随着时间的推移，这种模式会变得不那么“怪异”。我认为，这其实是一种可以培养的能力——可以训练人们像 ARPA 的项目经理一样思考，去规划 3000 万或 1 亿美元级别的系统性工程项目，合理划分工作，并管理这类大型项目。但在当前体系下，真正这样做的人并不多。
因此，这些机构极度缺乏具备 DARPA 式项目管理思维的人才，他们需要能够提供远见并协调整个项目运行的管理者。FRO 也是如此。所以，我们确实观察到了一种筛选效应——最终我们吸引到的，往往是一些非常大胆前卫的想法。
Patrick Hsu：我想快速谈一下我们未来的长期发展方向。无论是 Convergent、Arc 还是 Mercatus，即使它们投入 10 亿美元，从整体来看，相比 NIH（ 美国国立卫生研究院 ）每年的支出，这仍然只是九牛一毛，对吧？
Tamara Winter：是多少来着？你是说大约 440 亿美元 吗？
Patrick Hsu：是的，大约 420 亿美元每年，国会预算请求可能会增加到 500 亿美元。这是一笔巨额资金，每年投入到基础健康科学研究中。让我感到惊讶的一点是，Fast Grants 推出后，有很多人说：“Fast Grants 真的很棒，我能不能直接复制这个模式？”—— 用于长寿科学、气候变化和其它领域。
这个模式似乎是有效的。人们可以在关键时刻用这笔资金做重要的事情。因此有人会问：“我能不能直接复制这个模式？” 因为我们已经建立了一个可操作的流程和先例，他们可以自己去实施。
Tamara Winter：这很有意思。类似地，我们之前谈到这些新模式的一个被低估的贡献是，它们正在构建基础设施（one of the underrated contributions of these new models is that people are building the infrastructure）。而且，这种基础设施是可以复制的。即使某个具体项目没有成功，你的思维方式已经完全不同了，几乎是以一种投资人的投资组合的方式在思考（ almost like a portfolio approach ）。如果这个模式被证明是有效的，那么人们就会愿意去尝试。我看不出这有什么坏处。
你们刚才谈到了申请 Fast Grants、加入 Arc，或领导 FRO 的人群类型。我想问，你们对不同人生阶段的人适合哪些模式有什么看法？如果是一个有抱负的青少年，他可能不会去领导一个 FRO，但如果是研究生，或者事业中期想要转型的人呢？你们认为哪些模式对不同阶段的人更有优势？
Adam Marblestone:我认为 FRO 模式确实对职业早期阶段的人来说存在一些间隙。它不太注重探索和发现，更多的是以专业化、系统化的方式来构建项目。所以它可能无法很好地培养早期的创造力，或深层次的知识传承，而这正是学术界的优势。
但对于 FRO 创始人来说，大致上，我们会寻找符合 ARPA 计划经理特质的人。他们不一定像创业者那样，目标是将项目扩展到数十亿用户，但他们有一些共同点，比如系统地分析问题、协调团队、跨学科协作，以及如何分工合作完成一个复杂项目。
我们的 FRO 领导者，从刚博士毕业的年轻人，到退休前最后一个项目的资深研究者，都有涵盖（ We have everything from straight-out-of-PhD to “this is one of the last projects they'll do before they retire”, in terms of our FRO leaders ）。有人来自学术界，有人有行业经验，背景多种多样。我们通常会组建一个创始团队，结合科学背景、运营能力和不同的个性特点。但他们的共同点是：对现状的不满（ 希望改变现有的研究方式 ），有清晰的目标（ 知道自己想做什么 ）以及愿意组建并领导一个团队。
Tyler Cowen: 在几乎所有机构中，我们都应该更多地给年轻人机会，让他们承担更多责任。
我和在座的各位背景非常不同。我在职业生涯中很大一部分时间研究创意艺术的融资，以及艺术经济学（ economics of the arts ）。这一直是我的思维参考点（ mental touchstone ）。当我听说 FRO 是在项目完成后自动解散的，我想到的其实是好莱坞电影的制作模式（ When I hear about Focused Research Organizations that expire when the project is over, I think of Hollywood movies ）—— 这种模式已经存在很久了。
在艺术领域，你几乎总能找到类似的模式，而这让人对科学研究的新模式也更加乐观。比如，文艺复兴时期的快速资助模式（ Rapid Patronage ）非常成功。所以，当我们创立 Fast Grants 时，我就知道“这一定可行”，因为历史上有很多成功案例。
再来看年轻人主导项目的例子——谁领导了披头士乐队？ 当然，有 George Martin 和 Brian Epstein，但真正决定自己方向的是披头士自己（ the Beatles ran the Beatles ）。Paul McCartney 需要自己去学习如何掌控整个录音室（ Paul McCartney had to figure out the recording studio ）。这虽然不被称作“科学”，但实际上是一个极其复杂的技术项目，在这之前从未有人做过（ that was an extremely difficult scientific project that had never been done before ）。而他，一个没有上过大学的 23 岁年轻人，开始自学并掌握了这门技术。
当你看到这样的事情在艺术领域频繁发生，你就会对其它领域也充满信心。你会问：“有多少人能做到？我们能不能把它规模化？年轻人能不能也参与进来？这一切能不能实现？（ How many people can do this? How can we scale it? Can super young people contribute? Can this all work?” ）”
当然，没有人说这很容易——艺术领域的项目大多数也会失败。但关键在于，你会意识到：“是的，是的，是的，我们可以做到！” 然后，你就去做了，或者至少你去尝试了。
Patrick Hsu: 建立一个基础设施，让人们可以自由尝试，这至关重要（ I think building an infrastructure where folks can shoot their shot is really critical ）。我认为我们现在的讨论，核心就在于创造这样的机会，而不仅仅是在现有系统内运作。
你的雄心壮志放在哪里，这很重要（ It’s about where you focus your ambition ）。如果你从小就被教育：“做好你的科学研究，但要在现有系统内进行”，那么人们就会过度局部优化，以适应这个系统的规则（ “Do your best science, but figure out how to do it within the system,” people hyper-optimize for that ）。
但如果你告诉他们，他们其实可以在整个系统上创新（ innovate on the system itself ），那就完全不同了。这正是硅谷的创新所在——它让人们意识到，创建一家公司并把它扩展到数十亿用户并非不可能。
这原本不是普通人能想象的事情（ it’s not something most people normally imagine they can do ），但通过让大家看到它确实发生了，通过接触那些真的做成了的人（ showing that it is possible, meeting the people who have literally done this ），创造一个完整的教育过程——一个关于如何创办公司以及如何将公司规模化的全新教育体系——这对我们在这里所做的工作是一个重要的文化上的启发。
很多资深教授、大学领导都会问我：“你是怎么想到要创办 Arc 的？” 说实话，我的答案往往让他们很难接受——我并不觉得这是个疯狂的想法，甚至可能并不算多么新颖，就像 Tyler 说的那样。
Tyler Cowen: 艺术史上早就有这样的先例。花 8 年、16 年，让你自由探索，给你资金，然后去做你的事。
Patrick Hsu: Just do it. 这就是耐克的口号。
Tamara Winter: OpenAI 是一个 FRO 吗？
Adam Marblestone: 不完全是。但它的某些元素确实给了我们很多启发。有趣的是，它最初是一个资金充足的非营利组织，专注于特定规模的基础设施，并汇聚了关键的团队人才资源。但当时的共识是，如果它是一个以产品为导向、传统风投支持的公司，就不会有同样的成果。
Tyler Cowen: 为什么不直接说“是”呢？是的，OpenAI 就是一个 FRO。
Adam Marblestone: 我会说，OpenAI 的前几年确实具有一些 FRO 的特征。但与此同时，它在某些方面又有所不同——他们最初在探索许多不同的、发散性的方向。
如果你看看 DeepMind，他们在内部进行过类似 AlphaGo（ 围棋AI ）或 AlphaFold（ 蛋白质折叠预测 ）这样的项目。这些项目的运作方式和 FRO 很相似——一个 10、15、20 人的团队，针对一个极为明确的问题，有清晰的终点和有限的范围，然后全力攻克。而 DeepMind 整体上，既是一个有机发展的组织，同时也资源极其丰富（ both organic but also very well resourced ）。
或许 DeepMind 更像 Arc Institute。 它拥有共享的工程平台和可以自由组织研究的科学家。有时候，它们会创建类似 FRO 的项目，有时候则不会。
回到 OpenAI 早期的发展，他们当时在多个方向上尝试——一些在机器人学，一些在强化学习。在那个时期，有一小部分有创造力的研究者在尝试 Transformer 语言模型，而最终，这个方向取得了突破。某种程度上，OpenAI 的早期阶段很像 Arc Institute。
它确实具备一些 FRO 的特征——类似的思维方式、专业的团队、有限但技术密集型的问题空间（ the bounded yet technologically intensive problem space ），以及一种非学术性的但仍然以基础科学研究为导向的方法。在最初的几年里，这种模式是他们的“魔法配方”。但如今，他们的方向变得更清晰了——“现在，我们要全力扩展 LLM（ 大语言模型 ）”。
Patrick Hsu: 或许关键的一点是，OpenAI 在创立之初并没有一个明确的终点，而这似乎是 FRO 模型的一个重要特征。
Tyler Cowen：但他们的目标不就是创建 AGI（ 通用人工智能 ）吗？而且，适应性和灵活性（ the ability to evolve and be flexible ）也可以是 FRO 模型的一部分，不是吗？从这个角度来看，我只想说，是的，他们就是 FRO，而且他们做得非常成功。
Adam Marblestone：我可以同意这一点。如果要从政策角度或机构角度总结一条经验，那 FRO 的“有限性”（ the finite nature ）未必是最重要的特征。它确实有一定的作用，比如排除掉那些只是想建立一个庞大、永久性机构，更偏向学术文化的人；它也可以筛选掉那些没有里程碑、没有清晰具体目标的项目。但从某种程度上讲，这种“有限性”是人为设定的。
Sam Rodriques 也谈到过类似的观点——如果我们谈论的是专业化的“登月级”研究环境（ professionalized moonshot research environments ），技术驱动，目标导向，不受学术界传统培训体系或名声信用体系的束缚，资金充足、具有远见的项目，那么 OpenAI 符合所有这些特征。
它最初是一家非营利组织，后来转变为盈利公司，但这并不是本质上的区别。
Patrick Hsu：所以，FRO 可能会成长为未来的 OpenAI （ FROs will grow into OpenAIs ）？
Adam Marblestone：是的，一个成功的 FRO 可能会成长为 OpenAI 这样的大型研究机构。如果有合适的资金支持和正确的人才，FRO 可以更加灵活，可能不像 DARPA 项目那样完全有限的，而是逐步发展为像 OpenAI 那样构建 AGI 的长期工程。这之间是一个连续体。
Tamara Winter：这让我想到，你和 Sam Rodriques 写的那篇白皮书——是 2020 年发表的吗？
Adam Marblestone：嗯，没错。
Tamara Winter：谈到初创公司，我觉得有一个地方值得新型科学机构借鉴初创公司的思维方式。
尽管创业仍然有很高的风险，但如果你失败了，而且是真诚地尝试后失败（ fail in good faith ），这并不意味着你的职业生涯就此终结，或者你再也没有其他选择。Michael Nielsen 讨论过这个问题，他称之为 “未来的阴影”问题（ Shadows of the Future ）。
https://notes.andymatuschak.org/z6yQo2XrLw1uNq8weAsVKEE
假设 Tyler 资助我一笔两年期的研究经费，让我开展一个新项目。我是一名学者，我决定转换研究方向。但我做决策时不会只考虑这两年，而是会思考“之后怎么办”。这种长期的不确定性可能会在某种程度上限制我的选择，所以这并不像看上去那样“无风险”或“已规避风险”。
如果我完成了 FRO 项目，但某个阶段遇到科学或学术上的瓶颈，我该怎么办？我已经脱离了主流体系，难道我能去 ARIA（ 英国的高级研究与发明署 ）？还是去 Arc？我下一步该做什么？
Adam Marblestone：我觉得你已经回答了这个问题。
Tamara Winter：答案就是——你可以去 Arc。
Adam Marblestone：但这正是为什么这些模式之前难以发展起来。这不是单个机构能解决的问题，而是一个生态系统层面的问题（ ecosystem-level phenomenon ）。
现在，FRO 的模式已经有了一些规划——它是一个工程项目，你可以制定过渡计划，比如孵化出来公司或衍生出非营利组织（ spin off companies or spin off nonprofits ），这样可以一定程度上降低风险。但仍然存在执行风险、技术风险，程度因项目而异。
尤其是在我们讨论的一些大胆的长期研究中，比如让某人花 8 年时间攻克一个科学难题，最具潜力的想法往往也是最不可能成功的。有些人会选择那些成功率很低的项目，他们不会优先考虑传统意义上的职业发展。那么，他们之后会去哪？
可能他们会创办一个新的 FRO，或者成为 ARIA 的项目经理，又或者，在完成一个 FRO 之后，他们会在 Arc 里创建一个新的技术中心。也许最终我们都会去 Arc。
但这些前提是，整个生态系统必须得到足够的刺激和支持。所以问题的关键是：这种模式能持续多久？它能依赖多少慈善资金？政府能做多少（“How sustainable is it? How much can philanthropy do? How much can the government do?”）？
Tyler Cowen：我认为我们必须让学者和科学家摆脱“风险背景应为零”（ t the background level of risk should be zero ）的观念。一旦习惯了这种思维方式，实际上会累积风险——因为变得无关紧要的风险极高。这确实是一个难以跨越的障碍。
艺术领域的人都清楚，他们面临的风险非常高，而且大多数人都会失败。从很多方面来看，这反而创造了一个更健康的实验环境。
Patrick Hsu：Tyler，那我们能在多大程度上把责任归咎于终身教职（ tenure ）制度呢？
Tyler Cowen：我认为终身教职是整个体系自然发展出的产物（ endogenous outgrowth of the process ）。那些取消终身教职的学校——无论你认为这是不是一个好主意——其教师的风险偏好并没有太大变化。大多数人依然继续做和以前一样的事情。所以，我认为终身教职只是更深层次问题的副产品（ a pernicious side effect of a broader malaise ）。
Adam Marblestone：是啊，FRO 的情况很有趣，对吧？看你怎么比较。如果你的受众是学术界人士，你告诉他们“这个项目只有五年”，他们会觉得时间太短。但如果你对硅谷的软件工程师说，他们可能会觉得，“我从来没有在一家公司待超过两年，总是在寻找更酷的新机会。”所以，这种思维模式在不同领域会有所不同。在某些领域，技能的可迁移性更高，而在另一些领域则较低。
即使是在 FRO 的环境下，我们也需要思考，FRO 本身也是一种训练模式——但它训练的不是个体科学家（ individual science ），而是团队科学（ team science ）和系统工程（ systems engineering ）。博士训练的是“独立科学家”，而 FRO 训练的则是团队合作的能力。这一点非常重要。
Patrick Hsu：回到硅谷的启发——硅谷文化中一个非常有影响力的理念是：如果你的第一家公司失败了，你本人并不是失败者（ if your first company fails, you are not a failure ）。
在合适的条件下，只要你有正确的想法和团队，风投（ VC ）仍然会支持你的下一次尝试。在硅谷，失败不会给你贴上“失败者”标签，不会因为“你的上一个项目失败了，白白烧掉了 500 万或 1000 万美元”就被业界放逐。
但从本质上看，这其实是一种非常乐观的视角——你学到了如何创造“不可能”的事物，你学到了如何运营公司，你学到了如何设定愿景、招聘人才、发展客户群。那么，我们是否可以用类似的方式培养科学家，让他们学会团队科学（ team science ），并能够适应这个生态系统？
人们经常错误地将这归结为基础科学（ basic science ）和工业科学（ industrial science ）的对立：“在工业界，我们有团队科学；而在学术界，更强调个体科学。” 但我认为，工业界有许多文化元素值得学术界借鉴。
昨晚，我和一位资深同事共进晚餐，他在贝尔实验室（ Bell Labs ）工作了几十年。后来，贝尔实验室关闭，他才去大学当教授。在他看来，“有保障的五年、八年、十年长期职位”是闻所未闻的——没有人会有这样的期待。这与艺术家的思维方式很相似：艺术家不会指望自己能一直获得资助，或者永远都能做自己最想做的项目。
Adam Marblestone：这其实也是一种训练。有人可能会说：“如果你没做过研究，你就不知道怎么管理自己的研究团队。”这可能是真的。但类似的事情也发生在 FRO 里。我们有很多从学术界进入 FRO 的科学家，他们一开始会抱怨：“会议太多了。为什么我要花这么多时间和团队其他人协调？”
但到了项目结束时，他们已经完全适应了，学会了如何有效协调团队，如何制定长期规划，如何运作更大规模的项目。这些技能在他们未来的职业生涯中会极其有用。
Tamara Winter：目前有哪些很酷、很有趣的科学或技术领域，你们认为投资还远远不够（ underinvested in ）？Tyler，你刚刚已经提到了一些。
Patrick Hsu：现在有什么领域被低估了？我认为是生物学的大部分领域。我前几天参加了一场关于“人工智能在生物学中的应用”（ AI in biology ）的晚宴，我们讨论了当前大语言模型（ LLMs ）和 Transformer 模型的表现有多惊人，即使在数据极其有限的情况下也是如此（ even with vanishingly small amounts of data ）。数据的关键在于，它需要充分反映系统的行为（ The important thing about the data is that it needs to sample enough about the behavior of the system ）。但在场的生物学专家们认为，我们对生物学的测量还远远不够（ we just measure too little of biology ）。
关键问题是，我们缺少哪些数据？我们该如何获取（ what data are we missing and how do we get it ）？对此，目前还没有明确的共识。讨论往往围绕着在单细胞水平上测量中心法则（ central dogma at the single-cell resolution ）的更多内容——测量更多的 DNA、RNA 和蛋白质，并开发单细胞技术。
但在我的研究团队里，我们有一个更广泛的思考方式：生物学一直以来都是一门“测量驱动”的学科（ a measurement discipline ）。我们总是专注于可以观察到的东西，无论是通过显微镜还是测序仪。
但从根本上讲，尤其是在微生物学领域，我们深知单个细胞可能并不是生物功能的真正基本单位。我们已经理解了微生物群体中的群体感应（ quorum sensing ）、生物膜（ biofilms ）以及社区行为（ community behavior ）。但在哺乳动物或人类研究中，我们却大量依赖单细胞测量，因为这种方法简单、廉价，并且可以提供丰富的信息。然而，我们并没有相应的技术来研究内感受（ interoception ）、细胞间通信（ cell-cell communication ）、长程效应（ long range effects ），或者器官和组织层面的生物活动。
目前，我们缺乏能够深入探测并测量更高层级生物结构的技术（ There’s a fundamental lack of technologies that allow us to peer into and measure what’s going on at the higher level of hierarchy ）。也许这就是我们缺失的数据，但填补这一空白需要全新的工具（ that will require fundamentally new tools ）。
Adam Marblestone：当我们研究三维的、生物多尺度交互系统时，会发现生物学在基础物理学和测量技术方面存在巨大的鸿沟（ Just how deep the basic physics, basic measurement technology gaps are in biology, when you get to these 3-dimensional systems interacting, multi-scale — there's such a big gap ）。这也是当前进展受限的一个重要原因——要填补这个缺口，我们需要最前沿的光子学、生物化学和计算技术（ you need state-of-the-art photonics and state-of-the-art biochemistry and computation to do that ）。
目前 AI 的发展确实令人振奋。最终，生物学的描述方式可能不再是静态的列表，比如“这个蛋白在这里”或“这是该生物体的基因序列”（ the description of biology is much less a list of things or a static representation like, “This protein is located here” or “This is the sequence of this organism's genome ）。而更可能是一种嵌入式空间（ embedding space ）——一种机器学习生成的表示方式，而不是传统的生物学家所理解的概念。未来，描述一个细胞或组织的方式可能完全改变，这确实是一种可能性。但这也意味着，我们必须采取全新的方法来扩展数据生成的规模。
范阳注：一个非常值得思考的问题是——人工智能和其他技术的工具箱组合在一起，是否会在生命科学领域创造出我们人类思维尚不知道的新型测量指标以及数据点？
Tyler Cowen：一种寻找低估领域的方法是，去大学里看看哪些院系规模较小但并非完全无关紧要（ which departments are small but not totally irrelevant ），然后在这些领域寻找机会。我曾在播客里采访著名的鸟类学家 Richard Fromm，他告诉我，过去 10 到 15 年里，鸟类学领域发生了翻天覆地的变化。现在，我们几乎可以获取一切相关数据，而在过去，很多数据根本不存在。但问题在于，缺乏研究人员。
即使在生物医学领域，突破也可能来自看似无关的学科。例如，关于新陈代谢的突破，可能会通过鸟类学而不是直接的生物医学研究实现。在科学史上，这种横向应用的案例数不胜数。比如，量子力学促成了计算机的发展——谁能想到呢？机会很多，但人才稀缺，资金稀缺。但如果你具备一定的胆识，你就能产生巨大影响，而这种勇气比智商或资金更稀缺。
Tamara Winter：关于 FRO 的概念，你认为政府与这些新型科研机构之间的理想互动方式是什么？目前，英国的 ARIA、德国的 SPRIN-D，以及美国的 DARPA、ARPA-E、ARPA-I、ARPA-H 和 IARPA 等各种“ARPA”类机构纷纷出现，如何看待这一趋势？
sprind.org/en
aria.org.uk
Tyler Cowen：去尝试它们。我认为，不要对过去怀有过度的怀旧情结（ resist nostalgia for the past ）。每当有人回顾早期 DARPA 的成功，并想要简单复制它，我都会有些担忧。这让我觉得有些不对劲。但我们现在确实看到了更多的实验，我们也需要让这些模式不断演化。
我很乐观。现在我们正经历前所未有的科学政策实验，在私营部门、基金会、大公司和政府机构的推动下，科学政策正在快速演进，这种局面非常值得期待。
延伸阅读：DARPA 模式是如何点燃科技突破的。
Adam Marblestone：我们不需要一个完全相同的克隆体，但我认为 ARPA 模式本身是极其强大的。它的独特之处在于，无论具体的机构如何变化，ARPA 的项目经理都会像钢琴演奏家一样，在不同机构之间协调资源，推动那些单一机构无法独立承担的高风险研究。
所以，ARPA 模式非常有价值，但完全复制 DARPA 并不是最优策略。也许我们需要更多 FRO 模式的机构，或者类似 OpenAI 这样的组织。或许最好的 DARPA 项目经理应该做的事情，不是简单推进一个传统项目，而是去孵化（ nucleate ）一个 Arc Institute。这仍然有待探索，但关键是，我们需要扩大 ARPA 模式的应用范围，而不是局限于一种固定的方式。目前，我们看到的 ARPA-I、ARPA-H等，都是这种模式的延展，完全合乎逻辑。
Tyler Cowen：这可能源于我的艺术背景，但我认为文化自信（ cultural self-confidence ）是一个绝对必要的投入要素，而且它很稀缺。没有人能保证它一定存在。一个国家的许多地区可能都没有文化自信，或者整个国家都可能缺乏。但当文化自信存在时，真正美妙的事情就会发生。对于机构来说，最终你只能做有限的工作，但你需要那种“空气中的魔力”，你必须准备好迎接它。这是一种更难以捉摸的东西，但它并不是不可能引导或推动的。你也需要尝试这个。
Patrick Hsu：复制 ARPA 模式的一个强大效果是，登月般的雄心（ moonshot ambition ）被植入到机构的使命中。通过政府程序（ governmental process ），实际地创建更多有登月级雄心的机构，并将其作为存在的根本原因，是非常有力的。同时，我也希望政府在机构层面之外，能进行更多的结构性创新（ structural innovation ）。很多机会可以在更低层次的层级中发生。
但我同意 Adam 的观点。例如，FRO 所做的一件事是系统性地思考大学和企业之间能力的间隙差距。Fast Grants 所做的事情是思考大型政府资助系统和个人慈善家做个别捐赠之间的间隙差距。Arc 则在大学、基础科学与产业界、以及生物学在科技领域的交汇点上思考这个问题（ Arc thinks about this at the intersection of universities, or basic science and industry, or biology in the technology sector ）。
这里有这些巨大的空白，而 Arc 的一个长期成功模式将是，人们尝试创造更多这样的空白。相对于单一的大学或医学院研究模式，人们会认为几百人规模的研究机构可以被复制，并且是进行突破性科学研究的有效模式，并且应该在多个地方推广。
Tamara Winter：我很好奇——对于你们所有的组织来说，这仍然是一个初期阶段。Fast Grants 已经结束，但我们仍然在观察所有已完成的研究会带来什么成果。我很好奇——你们对哪些领域最乐观？或者你们开始看到哪些有趣的结果？作为一个外行人，我为什么应该感到兴奋？
Patrick Hsu: 从内部来看，我们觉得，如果只是把这些顶级科学家聚集在一起，让他们在同一个大楼里做他们来到 Arc 之前已经在各自实验室中会做的事情，那真是太可惜了。因此，我们在整个机构范围内都在思考，如何建立更好的协作模型，来做更大规模的团队科学。目前的两个主要重点是阿尔茨海默病（ Alzheimer's disease ）和预测生物学（ predictive biology ）。
关于生物学研究的一个有趣之处在于，我们的想法通常比我们实际能在实验室中实现的要更大（ One of the interesting things about biological research is that our ideas are often much bigger than what we're actually able to implement in the lab ）。相对于愿景来说，实际规模往往不够。造成这种情况的原因往往很普遍——比如只有两位博士后在做这个，或者只能包含实验部分但因为某些原因无法找到顶尖的计算人才。
对于我们来说，建设这样的基础设施，以便能够解决像阿尔茨海默病这样复杂多样的问题，利用各个核心领域的前沿技术——如何进行干预？如何制造包含大脑中所有不同细胞类型的人类类器官？以及如何读取和计算分析发生的事情（ how do you make the perturbations? How do you make human organoids with all the different cell types of the brain? And how do you read out and computationally analyze what's going on? ）？这种类型的工作，正是资深实验室能够扩展到 30、40 甚至 60 人规模的原因——本质上就是拥有内部平台（ own internal platforms ）。我们希望将这一点在中心化运营中实现。
在虚拟细胞（ virtual cell ）的研究方面，关于人工智能的一个有趣之处是，神经科学家几十年来一直在嘲笑计算机科学家关于神经网络、神经层和机器学习模型中的神经元的概念。但有趣的是，现在计算机科学家似乎笑到了最后。通过足够规模的数据和正确的注意力——如果你能从任何一组任意的标记（ tokens ）中做出预测，并且普遍能够准确预测下一步的想法、言论或行动——这似乎与智能非常接近。
即使你不接受这就是智能，预测任何一组标记（ tokens ）似乎基本意味着你可以做大多数事情。对我们来说，我们只是需要更好的模型可解释性。我们需要能够生成具有规模和秩序的生物学数据集，而这些数据集在过去是几代人都无法做到的，现在才有可能做到（ we simply need better model interpretability. We need to be able to make biological datasets with scale and order that have generationally been impossible, and are only possible now ）。这是一个独特的机会，我们正在建设一支团队，以最佳的方式解决这个问题——无论是在如何生成数据，还是如何构建理解这些数据的模型方面（ both across how we generate the data and how we build the models to understand it ）。
Adam Marblestone：我完全同意。这真的令人兴奋，我认为这将重新定义所有不同的细胞类型或生物体。这一切都将成为一个庞大的数据结构的一部分（ redefine all the different cell types or organisms. It’s all going to become part of this huge data structure ）。
关于 FRO，我们最兴奋的可能有两件事。第一件事是，我们现在的第一批团队已经在实验室中运行了一年多的时间。我们正在看到一些关于“未来阴影”（ 即长期影响 ）的理论性问题的答案：我们能招聘到优秀的人才吗？相对年轻的人能否管理团队？他们能否高效协作？总的来说，这些事情的进展非常顺利。这些团队具有很强的凝聚力，并且似乎能够非常专注、高效地朝着他们的目标前进。
这可能是我们最兴奋的事情。这使我们能够更好地与 FRO 建立接口（ create a better interface ），从而明确 FRO 的生命周期应该是什么样的。比如，在第六个月之后需要做哪些事情？第十个月之后又该做什么？如何搭建实验室空间？如何帮助他们招聘？基础设施正在逐步完善。
但我最乐观的地方是——我们正在看到各种想法的涌现。这激发了科学家的创造力。我们收到了很多领域的研究提案……最开始，我们是从神经科学入手的，因为这是我比较熟悉的领域，我很确定神经科学里会有多个 FRO 的研究方向。但我之前并不确定，像气候、测量与数据、农业、数学和流行病学等领域也存在适合 FRO 的研究问题。但现在看起来，它们确实存在。这让我们非常兴奋。
Tyler Cowen：有两件事让我特别兴奋，和前面提到的内容有些不同。
首先是 14 到 19 岁的年轻人。我认为我们整个社会还没有真正意识到他们的教育水平有多高——特别是那些最聪明、并且是自学成才的年轻人。我对 Schmidt Futures 资助这些年轻人的想法感到非常兴奋。Emergent Ventures 也在尝试做类似的事情。
如果让我建议大家去多关注一件事情，那就是瞄准这个年龄段的人才——那些还没有决定是否要成为科学家的人。部分目标是让他们成为科学家，或者成为能对科学做出贡献的企业家，无论他们选择什么方向——关键是要让他们感到兴奋，并将他们纳入到合适的网络当中来（ Partly to get them to be scientists, or maybe entrepreneurs who contribute to science, whatever it will be — get them excited, get them into networks ）。
第二件事是印度这个国家。我现在经常去印度，我感觉印度将会成为，或者已经成为，一个与 1900 年、1910 年的中欧类似的人才来源。历史上总有一些时期，某些地方的人才会大爆发，比如文艺复兴时期的意大利，19 世纪的法国。这个地方未必很富裕，但有野心，有抱负，有竞争，而且印度的英语能力足够好，互联网连接也够快。
印度在科学进步或知识界的影响力——我们在北美才刚刚开始意识到，而我认为我们应该更加关注它。未来全球最顶尖的人才，至少有三分之一会来自印度。这是我最看好的第二件事情。
Tamara Winter：我想祝贺你们所有人，因为你们提出了更有趣的问题——不仅是在研究中，还包括在你们的研究机构以及科学探索的过程中。所以，我想问一下，你们接下来在自己和机构内部正在思考哪些新问题？我们下一步要去哪里？
Tyler Cowen：对 Mercatus 来说，我们面临的一个重大问题是：我们在印度可以做什么？我们应该怎么和印度合作？这些问题的答案仍然高度不确定。印度离我们很远，我们的目标不是向印度灌输什么，而是向印度学习，并与那里的学者建立良好的合作关系。
在全球范围内，我们一直在思考如何吸引更优秀、更有创造力、更有雄心的学生加入我们的项目。目前，我们支持大约 70 名研究生和 10 名本科生，总共约 80 人。这是一群不小的人数，也是我们的核心工作。如何让这个体系变得更好？
我们已经做了 40 多年了，所以我们有很多经验。但经验有时候也是一种陷阱。过去 40 多年世界变化太快了，我们必须保持警觉，随时调整。
Patrick Hsu：对于 Arc 来说，我认为我们是美国生物医学研究机构悠久而辉煌历史中的新成员。从 1901 年洛克菲勒大学（ Rockefeller University ）的成立，到 19 世纪的巴斯德研究所（ Institut Pasteur ）、夏里特医院（ Charité ）、柏林医院（ Berlin Hospital ），再到 20 世纪 60、70 年代的索尔克研究所（ Salk Institute ）、斯克里普斯研究所（Scripps in San Diego），90 年代的怀特海研究所（ Whitehead Institute at MIT ），2004 年的布罗德研究所（ Broad Institute ）——这些机构无一例外都取得了令人难以置信的成功，推动了突破性的科学研究。但同时，它们也都是在特定的历史和医学背景下诞生的。
范阳注：索尔克生物研究所，由著名建筑师路易斯·康设计。
对 Arc 而言，在 2022 年和 2023 年，我们看到生物学正在快速变革——甚至比 5 到 10 年前的变化还要快，呈现出明显的加速趋势。今天，我们可以进行的实验类型，比如单次实验就能分析人类基因组中的每一个基因，而就在几年前，一个博士生可能需要花数年时间，仅仅敲除小鼠的一个基因并研究其功能，就足以获得博士学位。现在，我们可以在科学研究的规模和测量能力上，实现多个数量级的提升。未来几十年，生物学将发生根本性变革——它将超越“零件列表”的阶段，进入理解“系统嵌入”的层面（ move beyond a list of parts to understanding the embeddings ）。
因此，我们在思考：我们需要结合哪些独特的技术和文化能力，才能应对当今特定的科学挑战？更进一步来说，如何将这些研究模式进行复制和推广，使其成为整个科学共同体的一部分？
Adam Marblestone：我们一直以来的工作主要是全身心投入到运营模式（ operational mode ）中。我有一位非常出色的运营联合创始人——Anastasia，我们一直在努力探索如何提高各种运营效率。例如，如何快速启动一个 FRO？具体来说，谁在薪资系统中执行操作？谁来签署聘用合同？ 这些运营细节决定了我们如何让多个组织在保持一定规模经济的同时，既具备相对的自主性，又能快速搭建起来，并且能够吸引那些希望专注于科学研究的人才。
因此，一部分工作是非常具体的运营管理。另一部分则涉及如何在 FRO 内部驱动的研究目标与外部联系之间找到合适的平衡。比如，如何为 FRO 建立有效的科学顾问委员会？如何让行业专家参与其中，帮助 FRO 将研究成果转化并创造实际影响？FRO 之间的互动和它们所处的生态系统究竟有多重要？
从长期来看，我们面临的是供需两端的扩展问题。在供给端，我们需要思考：哪些人才适合担任类似 ARPA 项目经理的角色？那些没有加入 ARPA-H 的人，是否可以去建立自己的 FRO？如果不去 FRO，他们是否可以选择加入 ARIA 或 Arc 研究所？整个科研人才的培养与输送管道是什么样的？
在需求端，如何让 FRO 的孵化和资助流程更加可预测？ 目前，我们的角色更像是一个“撮合”机构（ matchmaking organization ），负责挑选优质的研究想法和团队，帮助他们优化方案，并匹配合适的个人或联合资助人。但问题是，FRO 应该如何竞争资源？比如，到 2025 年，最好的 10 个 FRO 研究提案出来了，我们是否应该全都支持？ 这背后涉及大规模扩展和融资的重大问题。
Tamara Winter：如果听众想要帮助你们或者以某种方式参与，你们最需要的是什么？Adam，你刚刚已经提到了。那么，其他人呢？
Tyler Cowen：直接发邮件给我，我的邮箱在线可查，我会回复所有邮件。
Tamara Winter：而且速度非常快。
Tyler Cowen：任何建议、想法——请随时联系我。
Patrick Hsu：研究机构的生死线取决于我们能吸引到的人才质量，以及我们制定愿景并协调这些人才进行突破性科学研究的能力（ Research institutes live and die by the quality of talent that we are able to bring together and our ability to vision-set and coordinate that talent to do amazing science ）。所以，如果有人对这个使命或挑战感兴趣，欢迎发邮件给我，patrick@arcinstitute.org。我的回复可能比 Tyler 慢，但我会尽量回复。
Adam Marblestone：没错，欢迎给我发邮件。
Tamara Winter：太棒了！谢谢大家，这次对话非常有趣！
Patrick Hsu：谢谢大家。
Tyler Cowen：谢谢你们。
原文链接：
https://www.macroscience.org/p/metascience-101-ep4-arpas-fros-and
斯派瑟的 venture studio 模式指南: Sutter Hill 如何重新构想风险投资
深度科技的 “认知套利” 与 “机器人/生物机会”：全球 150 家 deep-tech VC 的分析。
唐·布雷本：风险科研 (Venture Research) 如何挑战传统科学资助体制？
