2003年，人类首次完成全基因组测序，耗时13年、花费27亿美元。2026年，一位00后少年在自家客厅餐桌上，用二手设备和AI模型完成了同样的工作——总成本约1100美元。

成本降低了245万倍。而这一切的起点，是一个姐姐的病。

一个少年的执念：找到姐姐的病因

Seth的姐姐患有罕见的免疫系统疾病，十几年间辗转求医，始终查不到病因。

这不是个例——全球约有3亿罕见病患者，其中约80%与基因相关，但绝大多数人从未获得过基因层面的确诊。原因很简单：全基因组测序历来是顶级实验室才有能力做的事。

Seth的背景让他没有选择等待。他是牛津医学博士和帝国理工机器学习双料博士，同时攻读了两个截然不同的顶尖学位。他的判断是：要找到姐姐的病因，必须从基因入手。而商业化测序流程根本无法覆盖罕见病的特殊检测需求。

于是，他决定自己干。

三个AI杠杆：把千万级成本打到千元

杠杆一：用AI弥补硬件不足

传统测序仪如Illumina需要数百万美元，普通实验室都负担不起，更别提个人了。Seth使用了一台名为Dorado的二手设备，价格仅为传统设备的几十分之一——还是在eBay上买的。

但二手设备的问题是信号充满噪音。这里AI发挥了关键作用：通过深度学习算法，AI将原始数据进行"超分辨率还原"，用廉价算力抵消了昂贵硬件的差距。相当于用AI给低分辨率设备"加装"了一副高清眼镜。

杠杆二：用电信号替代化学试剂

传统方法需要价值几千美元的化学探针，像淘金一样从DNA文库中筛选目标基因。这个步骤不仅贵，而且耗时长。

Seth做了一个极其大胆的操作：直接取消这一步骤。他用软件指令实现了"自适应采样"——纳米孔每读一段DNA，AI在0.1秒内瞬时对比，如果发现非目标片段，立即反转电压将其"吐出"，为下一段腾出位置。

这个操作的本质是：用几乎零成本的电信号替代了万元级的化学耗材。硬件上的简化，靠AI的实时决策能力来弥补。

杠杆三：用AI替代生物信息学博士

传统上，处理测序仪的数据需要专门的生物信息学博士学习5-8年才能熟练操作。确定测序目标、分析原始数据、解读基因功能——每一步都依赖极稀缺的专业人力。

Seth用AI模型Claude，几分钟就生成了测序所需的坐标文件。面对产生的几十G原始数据，他用Evo2（一个读过12万种生物基因组的AI模型）和AlphaGenome（诺奖团队产品）瞬间解读DNA功能，在数十亿个碱基字母中进行单碱基级预判，揪出错误碱基。

一个需要多年训练才能完成的工作流，被AI压缩到了几分钟。

在客厅餐桌上完成的科学突破

Seth的实验条件让专业科学家看了可能摇头：

• 设备来自eBay的二手货
• 离心机是速卖通打折买的
• 磁力架是3D打印的
• 没有专门实验室，就在自家客厅餐桌上操作
• 为保护隐私，全程在本地Mac Studio完成，离线不上传云端

但他把完整的操作教程公开在了互联网上——设备型号、软件配置、AI模型调用——任何人都可以复现。

这意味着什么？意味着全基因组测序正在从"国家级实验室才能做的事"变成"一个动手能力强的少年在家就能做的事"。这项技术的平民化，将直接改变罕见病诊断的游戏规则。

这件事的意义远不止基因测序

Seth的故事之所以震撼，不是因为他做了什么常人做不到的事——恰恰相反，他用的全是现有技术和设备，没有发明任何新技术。他做的事情本质上是用认知重组了已有的技术和设备。

他用AI的三个杠杆，撬开了传统行业最坚硬的壁垒：

• AI弥补硬件差距（算力替代资本）
• AI替代昂贵耗材（软件替代化学）
• AI替代稀缺人力（模型替代专家）

这三条杠杆不仅适用于基因测序，也适用于医疗影像诊断、药物研发、材料科学、化学实验……几乎所有依赖重资产和专业人力的领域。

当一个少年能在客厅里做到曾经需要国家级实验室才能完成的事，传统的"行业壁垒"概念就需要重新审视了。重资产不再是护城河——当聪明人学会用AI杠杆后，最坚固的城墙也可能在一夜之间变得脆弱。

Seth为姐姐寻找病因的故事还在继续。但他无意中向世界展示了一个更重要的东西：AI正在把曾经属于少数人的超能力，变成每个人的工具箱。

而人类基因组测序的成本曲线，可能刚刚迎来最陡峭的一次下降。