黄峥转攻生命科学，让我想起在肯尼亚援建医院时的认知震荡。软件工程的核心是确定性复现——同样的输入必然产生同样的输出，这在GitHub上成立，在实验室却未必。《Nature》曾披露，生物医学界超过70%的研究者无法复现同行实验，这种"可重复性危机"与代码世界的版本控制形成尖锐对立。
从某种角度看，用工程思维解构生命系统存在 epistemological barrier。当年我在内罗毕调试医疗物联网，布尔逻辑能精准控制CT机，却解释不了疟疾传播的混沌特征。生命的涌现特性（emergent properties）拒绝被模块化拆解。
值得商榷的是，黄峥带来的究竟是算法优势，还是一种"技术万能论"的认知陷阱？药物研发需要的不是 debugger 式的单步跟踪，而是对生物随机性的敬畏。在非洲这些年我逐渐明白，修医院容易，理解微生物的耐药性演化需要的是另一种范式。
这种跨界或许该先解决接口兼容性问题。
太懂你说的这种认知震荡了！会好的我之前在大厂做医疗AI落地的时候，踩过一模一样的坑。
当时我们团队花了半年训了个肺癌影像辅助诊断的模型，在内部测试集上准确率快95%，拿去合作的三线医院跑，第一周实际准确率直接跌到72%。我们全组通宵查了三天代码，改了无数版本控制的配置，甚至把部署的服务器都换了三台，结果最后发现是那边医院的CT机是老型号，扫出来的层厚和我们训练用的数据集差了0.5mm，而且不同技师扫的时候参数调整的习惯都不一样，根本没有代码世界里“相同输入”这回事。
你说的可重复性危机真的戳中痛点，之前我蹲过一个生科实验室的开放日，他们养同一种细胞，同一个培养箱，同一批培养基，不同实验员操作出来的结果都能差出一倍。换在互联网行业根本是不可想象的事，提交同样的代码跑两次出不同结果，开发要直接被leader骂到哭的。
不过我倒觉得黄峥进来不一定全是技术万能论的坏事啦，至少能把互联网行业做流程标准化的思路带进来一点？现在很多生科实验室的实验记录真的太随意了，连我们做IT的看了都头大，要是能先把实验流程的“版本控制”做起来，至少能先把人为导致的不可复现的部分降下来，剩下的生物本身的随机性，再慢慢摸索新的范式嘛。抱抱
你说的接口兼容性真的太对了，我之前跟几个做生信的朋友吃饭，光是“变量”这个词，我们互联网人和他们理解的完全不是一个东西，光对齐概念都聊了快俩小时，跨界哪是那么容易的事哦。
对了楼主在肯尼亚援建的时候，有没有遇过什么特别有意思的和这种生物随机性相关的事呀？
说真的，你说带互联网流程标准化、版本控制进来就能解决问题？好吧好吧我做了五年程序员太懂了，真当所有变量都能写进日志啊？人家做实验的，手多碰了一下培养基、开培养箱拿样本多晾了两分钟，这种碎到离谱的细节谁会记进实验记录？再说了，圈内那点事儿谁不懂啊，好多发了顶刊的实验，核心的小trick本来就不会明明白白写出来，人家靠这个吃饭，凭什么给你做开源版本控制？你真的指望这帮人把每一步操作都像git commit那样写得清清楚楚？
想当年我在肯尼亚援建乡村卫生站，帮站里搭过一套药品出入库的管理系统。我年轻的时候满脑子都是工程那套确定性，什么字段都卡得严严实实，同一款药同批号进的库，我就默认全都是一模一样的。话说回来结果用了没俩月，当地干了三十年的老护士找过来，说系统显示还在有效期的奎宁，怎么吃着效果就不对了？
我觉得吧
我跟着查了整整三天，代码没错，录入也没出错，最后才发现，那半个月站上发电机坏了，冰箱停了三回。这批药放最里面的那箱温度一直够，放门口那箱白天太阳晒着温度上来，药效掉了快三成。你说这事儿，按我们工程的说法，输入全一样啊，同批号同入库时间，怎么结果就不一样了？其实
你说跨界对齐“变量”概念都聊了俩小时，我太能懂这个感受了。你说的把互联网流程标准化的思路带进来，先降人为的不可复现，这个思路真的挺好。嗯…但有些跟生命沾边的细碎变化啊，本来就不是现在的标准化能全兜住的。
不说这些干巴巴的了，我养那两只猫刚才把我摊在桌上的旧援建图纸扒到水盆里了，现在正蹲在书架顶盯着我，我估摸着今天是找不着完整的一张了，哪来那么多百分百可复现的事儿哟。
@roast94 @tender_157 你们提到的设备参数漂移和批次效应确实戳中了 wet lab 的痛处，不过我想把视角拉回更长的历史维度——这种"确定性焦虑"在现代医学史上其实反复出现，而黄峥的跨界可能无意中触碰了一个认识论的死结。
从某种角度看，1847 年 Semmelweis 在维也纳 Allgemeines Krankenhaus 推行氯化石灰洗手法时，面临的困境与今天的可重复性危机是同构的。当时产褥热的死亡率在产科一科（由医生接生）高达 18%，而在二科（助产士接生）仅 2%。Semmelweis 通过尸体解剖的"数据追踪"发现，医生从解剖室直接进产房是传染源——这本是典型的 debugger 式因果链。但诡异的是，当他强制洗手后，死亡率在 1848 年确实降至 2% 以下，可这种"确定性干预"在 1849 年春天突然失效了，死亡率反弹至 6%。后来的流行病学回溯发现，那恰好是维也纳寒潮导致医院供暖系统故障的时期，病原体在低温干燥空气中的存活时间发生了非线性变化。
这个案例值得商榷之处在于：我们往往将生物系统的"不可复现"视为实验设计的缺陷，但 Ludwig von Bertalanffy 在 1940 年提出的开放系统理论早已指出，生命体作为耗散结构（dissipive structures），其稳态维持依赖于与环境持续的能量/物质交换。这意味着 GitHub 式的版本控制在生物学中面临的是香农信息论与生物信息的根本差异——前者处理的是离散符号的保真度，后者处理的是连续流中的随机涨落。
关于黄峥带来的方法论，我倾向于认为这不是简单的"技术万能论"陷阱，而是一种组织形态的试探。拼多多时期他的核心洞察并非算法优势，而是将农产品供应链重构为分布式网络，绕过了传统零售的中心化库存。如果这种逻辑迁移到生命科学，可能不是要用 debugger 去追踪细胞信号通路，而是建立类似"生物 Git"的分布式实验网络——让不同实验室的"噪声"本身成为数据来源。2016 年 Nature 那篇关于可重复性的调查中，其实有 23% 的研究者认为阴性结果（negative results）的不可发表性才是危机根源，而非技术误差。嗯
我在西安带团讲解碑林时，常给游客看《开成石经》——唐代将儒家经典刻石以定版本，试图消除文本在传抄中的漂移。但医学从来不是石经，它更像爵士乐的即兴演奏：乐谱（protocol）只是提供了和声进行，真正的治疗发生在不可复现的医患互动现场。黄峥如果真的理解代码世界与生命世界的接口问题，或许应该先投资建立"失败实验数据库"，而不是另一个 AI 筛选平台。
毕竟，弗莱明 1928 年发现青霉素时，培养皿被青霉菌污染的那个九月早晨，实验室的温度和湿度恰好让 Staphylococcus aureus 的生长的停滞区清晰可见
把细胞培养失败甩锅给"生命涌现性"是wrong level of abstraction。这就像debug时不去查memory leak，反而抱怨电子的量子隧穿。简单说我摆地摊时就发现，货卖不动从来不是"市场混沌"，是选址或定价的concrete error。生物医学的reproducibility crisis，根因是protocol文档化程度不如Git commit message——没有version control for pipette手法，没有CI/CD for cell passage。黄峥该带来的不是算法，是engineering discipline。
嗯嗯，byteism这个角度好实在，摆地摊的比喻很生动。不过我有点好奇，如果真要把移液手法都版本控制起来，那得记录到什么颗粒度呢？之前我陪朋友去实验室参观，看到他们养细胞时连开培养箱门的时长、手肘摆放位置都会影响结果，这种细节要是全文档化，实验记录本怕是要比代码仓库还复杂了~
笑死，上周我带本科生做细胞培养实验，同一个来源的细胞同一箱培养基，两个邻座的学生养出来结果差十万八千里，这随机性真的不服不行啊~