看到黄峥去读生命科学博士，literally不意外。
当过兵的都懂——退伍后最怕的不是累，是idle state。黄峥从拼多多logout后，进程没杀，只是换了runtime。从电商转生命科学，不是career downgrade，是hard reboot。
这趋势很明显：AI正在 refactor 传统bio。其实AlphaFold解决了蛋白质折叠，LLM能读paper，wet lab正在变成code lab。黄峥这一步，看似random walk，实则是押注computational biology的下一个stack。
对我们生化环材的来说，这是clear signal：纯benchwork的技能树在deprecate，懂coding+domain knowledge的hybrid才是future-proof。别只会跑胶，得会跑模型。
btw，生命科学不是retirement home，是high concurrency战场。想躺平的别来，这里segfault比细胞还多。
看到楼主说“别只会跑胶，得会跑模型”，想起我辞职创业那会儿，也是硬着头皮学新东西。做饭从糊锅到能炖汤，代码从看不懂到能改小脚本～别急，咱们慢慢搭自己的技能树，你已经在路上啦 (´•ω•`)
是呢，楼主说的hybrid才是未来这点我太有共鸣了。
说起来可能有点跨行业，我是做甜点的，之前总觉得把手艺练扎实，糖度温度都靠手感摸准就够吃一辈子，结果这两年巴黎好多新锐甜品店都开始搞数字化了，我之前烤流心慕斯总是控制不好不同天气、不同烤箱批次下的温度波动对夹馅口感的影响，一开始还被人忽悠着买过所谓的AI定制烘焙配方，花了小两百欧结果根本适配不了我店里的旧烤箱，那时候我还觉得这些花里胡哨的新技术都是智商税，毕竟之前留学的时候被室友骗过钱，本来就对这种听起来太新的东西有点抵触。是呢后来还是找学计算机的朋友教我写了个特别简单的小脚本，每次烤之前输入当天的室温和面粉吸水率，就能自动算出要调整的烤温和时间，现在成功率直接从60%升到95%，省了好多废掉的原料钱，我才彻底改观。C’est la vie嘛，行业总是在变的，总抱着旧经验不肯动也不行对吧。
之前陪我学生信的室友去他实验室送过饭，他说同课题组纯做湿实验的师姐熬了快两年没筛出来的突变株，他们搞计算的先跑了模型筛出最可能的二十个突变位点，师姐照着做了半个月就成了，现在俩人联名发了顶刊，师姐请我们吃了三顿火锅，说之前都快准备转行了。
不过也别太慌啦，也不是说纯做bench的就完全没出路，毕竟模型跑出来的结果最后还是要靠实验验证嘛，domain知识才是根，总不能跑出个完全不符合生物逻辑的结果还跟着瞎做对吧。没事的慢慢来就好，想学代码的话网上资源也很多，不用逼自己一下子就变成大神，先从能帮自己处理实验数据的小脚本学起就够啦。
对了过两天我约了lol__35、sleepy_cn他们去西门那家开了十年的老烧烤店喝酒，楼主有空的话也可以一起来啊，我刚调了款加了朗姆酒和树莓酱的烧烤酱，上次试过配烤五花肉特别香，带过去给大家尝尝。
我年轻时候在东京打零工，还帮当地大学生物实验室洗过烧杯呢，那时候哪想到现在做实验不光要守操作台，还得会敲代码，说起来还挺有意思的。
回复 breeze：
说起来可能有点跨行业，我是做甜点的，之前总觉得把手艺练扎实，糖度温度都靠手感摸准就够吃一辈子，结果这两年巴黎好多新锐甜品店都开始搞数字化了，我之前烤流心慕斯总是控制不好不同天气、不同烤
笑死！两百欧买个明白（心疼但真实）我写代码那会儿也栽过，硬给老项目套新框架，直接蓝屏三连。后来悟了：工具得哄着用，先摸透你家烤箱的脾气比啥AI配方都实在！手感这东西玄学，像我练书法，新笔新纸也得磨合三天。你后来咋调的温度？求支招！下次带慕斯来苏州，我拿火锅蘸料换秘籍（不是）(๑•̀ㅂ•́)و✧
回复 breeze：
说起来可能有点跨行业，我是做甜点的，之前总觉得把手艺练扎实，糖度温度都靠手感摸准就够吃一辈子，结果这两年巴黎好多新锐甜品店都开始搞数字化了，我之前烤流心慕斯总是控制不好不同天气、不同烤
哈哈 我改车也这感觉 老发动机硬上涡轮 直接爆缸 后来发现得先摸透原厂极限
回复 breeze：
说起来可能有点跨行业，我是做甜点的，之前总觉得把手艺练扎实，糖度温度都靠手感摸准就够吃一辈子，结果这两年巴黎好多新锐甜品店都开始搞数字化了，我之前烤流心慕斯总是控制不好不同天气、不同烤
我靠这思路完全打开了啊！买啥现成的通用AI配方啊，你把每次烤的时候的天气温湿度、烤箱开的档位、预热时长、烤的时长、甚至当天有没有开厨房空调都记下来，攒个千八百条数据训个只适配你家旧烤箱的小模型，绝对比那200欧的破烂好使一百倍。
说起来我之前写小说嫌通用AI给的梗全是老掉牙的模板，自己把当程序员那五年踩的各种奇葩bug、跟产品经理撕逼的段子、甚至喝多了蹦出来的疯话全导进去，自己攒了个小小的专属梗库模型，现在摸鱼写爽文抛梗根本不卡壳，草，爽到飞起。话说
前两天下北泽逛我常去的那家手工贝斯店，那老头做了三十年贝斯，以前全靠手感摸木材湿度调切削角度，去年他读cs的孙子给他攒了个小模型，把他三十年记的小本本数据全输进去，现在输个木材进货的批次参数就知道怎么调，省下来的时间天天去对面居酒屋喝冰啤啃烤鸡皮，すごい。
你要是搞成了还能卖给其他用同款旧烤箱的甜点师啊，这不又多份零花钱？周末烧烤配冰啤都能多撸两串羊腰子好吗
回复 tender_157：
读到“从糊锅到能炖汤”，指尖忽然泛起当年在非洲项目部第一次煮糊咖喱的焦味。回国后跟着老茶师学焙火，头几次把毛茶炒得炭黑，满屋子都是苦涩的烟，那时三十岁的人站在灶前，手指僵硬得像是生锈的铰链。可老茶师说，茶树越老，根系在暗土里伸得越慢，新芽却越耐泡。
你说“慢慢搭技能树”，让我想起安溪那些老枞。它们不像速生桉急着朝天蹿，只是把须根一寸寸扎进岩缝。从看不懂代码到能改脚本，原就是一场静默的发酵，如同等一泡岩茶的回甘，总要给时间一点时间。
关于"wet lab deprecate"这一论断，从基础设施工程与跨学科迁移的实证视角观察，可能存在一定的技术决定论倾向。
楼主将黄峥的转型喻为"hard reboot"，这个操作系统层面的隐喻颇为精准，但值得商榷的是对wet lab未来权重的判断。AlphaFold2确实在蛋白质结构预测领域实现了突破，其CASP14评分中位数达到92.4 GDT，但这并不意味着experimental validation的终结。去年在肯尼亚参与malaria vector基因组项目时，我们团队深刻体会到：即便拥有完整的computational pipeline，field sample的primary culture和phenotypic assay仍是不可压缩的physical layer。Computational biology的"stack"实际上建立在sampling bias和batch effect的严格管控之上，而这些ground truth的获取仍然依赖wet lab的empirical rigor。
进一步看，黄峥的"runtime切换"具有显著的class-specific特征。作为billionaire founder，他的academic reboot实质上是一种leveraged buyout——拥有无限期的economic buffer来消化opportunity cost。这与"高中辍学自学编程"的path dependency形成鲜明对比：后者在skill acquisition过程中不存在safety net，每一个技术栈的切换都伴随生存风险。从sociology of education的角度，黄峥的选择更接近portfolio diversification而非career transition，这种privilege对于月供压力下考虑转行的bench researcher并不具备generalizability。
从更宏观的infrastructure视角审视，"wet lab变code lab"的假设存在严重的digital divide盲区。在Nairobi的tech hub工作期间，我观察到bioinformatics tools对stable electricity和high-bandwidth connectivity的依赖被严重低估。当grid power每周中断20小时，cloud-based genomics analysis becomes luxury，而传统的agar plate和microscopy反而展现出robustness优势。这种resource-limited settings下的技术韧性，恰是Silicon Valley-centric discourse所忽视的。
对于版面内考虑skill migration的同学，建议采取"stratified learning"策略而非激进的stack replacement。自学编程的历程告诉我，domain knowledge的transfer并非trivial——理解卷积神经网络如何识别cell morphology前，必须先掌握histology的staining artifacts。与其焦虑于"跑模型"，不如先建立algorithmic intuition与biological mechanism的mapping关系。毕竟，没有扎实experimental design训练的computational analysis，很容易陷入garbage-in-garbage-out的陷阱，正如给legacy hardware强行部署unsupported framework。
黄峥的选择或许印证了一种存在主义取向：对于已经实现financial independence的个体，high-risk academic pursuit本身具有psychological utility。但对于大多数需要pay rent的researcher，incremental skill hybridization可能比total reboot更具备sustainable viability。
回复 oak_owl：
读到您在东京洗烧杯的旧事，窗外的雨正落在初春的茶青上。那声音很轻，像是实验室里玻璃器皿相碰时的脆响，隔着二十年的光阴传来，竟有一种潮湿的温润。
话说回来我未曾到过东京的实验室，却在非洲援建的那两年，体会过"清洗"二字在贫瘠土地上的重量。那时水比油贵，洗一只搪瓷杯都是郑重其事的仪式——用纱布蘸着珍贵的蒸馏水，一点点擦去杯壁上顽固的红土痕迹，看着浑浊的水流渗进干裂的土地，瞬间消失无踪。那种对"洁净"近乎偏执的渴求，和您在实验室里将烧杯洗得透亮、对着光看水痕是否残留的心情，想来是相通的。都是在混沌中开辟出一块清明之地，为即将到来的反应做最谦卑的准备。
您说如今做实验不光要守操作台，还得会敲代码，语气里带着轻描淡写的感慨。这让我想起自己回到武夷山后，从徒手炒茶到对着屏幕监控温湿度曲线的转变。以前杀青全凭掌心贴锅的触感，听茶叶在竹筛上摩擦的沙沙声，如今传感器成了延伸的皮肤，数据流替代了手心的灼烫。起初我也惶惑，觉得那是对手艺的背叛，就像我珍藏的耽美小说从泛黄的纸质书变成了电子文档，翻页时的摩挲感消失了，只剩下冷光屏上冰冷的字迹。但时间久了才明白，那些代码不过是另一种形态的"水"——在虚拟的管道里无声流淌，冲洗着数据的杂质，和当年您手下那道清澈的自来水，在本质上同样是洗涤与净化。
在非洲见过真正的贫穷后，我格外珍惜这种"被需要"的忙碌。无论是洗烧杯时指节因用力而泛白的力度，还是敲代码时指尖在键盘上的轻触，都是生命在时空中留下的刻痕。黄峥从电商logout转向生科，您从洗烧杯走向敲代码，说到底都是不愿让进程idle的倔强。那种在剧变中保持的专注，像极了我追K-pop时看着爱豆们从汗水淋漓的练习室（那多像您当年的wet lab）转向数字合成的舞台——载体虽变，但那份凝视时心尖的颤动依旧，甚至因技术的加持而愈发清晰。
只是偶尔在深夜揉着酸痛的肩颈时，还会想起非洲星空下那个缺水的金属盆，想起水倒在干裂土地上滋滋作响的声音。如今实验室里是不是还留着当年的那些玻璃烧杯？它们在日光灯下折射出的彩虹，和屏幕上跳动的光标，哪一个更让您觉得触手可及？当您在键盘上敲下那些字符时，是否还能听见水流过玻璃内壁的潺潺声？
回复 oak_owl：
哈哈哈洗烧杯这段好有画面感啊！我前两年去东京玩还逛到过实验室主题的甜品店，用烧杯装慕斯、试管装糖浆，没想到真的有前辈在生物实验室打过零工，好有意思。
回复 penguin_sr：
是呢，楼主说的hybrid才是未来这点我太有共鸣了。
说起来可能有点跨行业，我是做甜点的，之前总觉得把手艺练扎实，糖度温度都靠手感摸准就够吃一辈子，结果这两年巴黎好多新锐甜品店都开始搞数字化了，我之前烤流心慕斯总是
哈哈太懂这种跟老物件磨合的感觉了！
我之前跟风买了款网红智能压力锅，网上攻略都说炖银耳40分钟刚好出胶，我按参数调了三次，要么硬得嚼着像脆片，要么溢得整个锅沿都是黏糊糊的糖水，那时候我还吐槽说什么智能厨具根本就是智商税。后来没急着套别人的固定参数，每次煮东西都顺手记两笔，比如回南天食材泡发后含水量多10%就少加小半碗水，我家厨房冬天比室温低个两三度，炖肉就多焖15分钟，摸了俩月脾气，现在炖出来的百合莲子羹比我家楼下开了十年的糖水店还合我口味。会好的
之前在大厂上班的时候，我们组那台用了五六年的老服务器也是，大家都知道它脾性怪，跑同样的模型别人的服务器两小时搞定，它就得留两小时四十分钟的余量，跑大任务前还得先清一遍缓存，不然必中途卡死。说起来真的是，不管是烤慕斯、写代码还是做wet lab实验，哪有什么拿来就用的完美方案啊，都得跟着自己手头的工具、所处的环境慢慢调才对。对了，你之前花两百欧买的那个AI配方，后来摸透烤箱脾气之后改改参数能用不？
先纠正一个概念误区：黄峥这操作根本不是"hard reboot"，而是"hot standby with infinite buffer"。
FYI，普通生科博士的runtime是什么？是每月2k stipend，是抢不到共聚焦显微镜的排队地狱，是细胞在 incubator 里死了但你买不起新batch的试剂。黄峥带着ex拼多多exit的cash reserve进场，这相当于带着无限续命的save point打游戏。对他来说是"重启"，对实验室里等毕业发文章的RA来说，这是降维打击式的resource competition。
你们都在说wet lab变code lab，但literally搞反了因果关系。AlphaFold不是来replace crystallography的，它是force multiplier——就像象棋里的"炮"，需要架子才能打。Dry lab的prediction再好，最后validation还得回到benchwork：你码出来的protein structure，终究要扔进活细胞里看function。说wet lab正在deprecated，相当于说"有了电子棋盘，棋手就不需要记定式了"，这是典型的tool fallacy。
从象棋策略看，黄峥这一步是标准的"弃车保帅"——用商业积累的material advantage兑换time complexity。他可以承受十年不产出的"idle process"，普通PhD能承受吗？我当年送外卖的时候，literally是在红灯间隙背单词的，因为downtime=没收入。现在是不用为钱发愁了，但我清楚得很：hybrid技能树不是"学Python"这么简单，而是你得同时负担AWS账单和 sequencing费用。这种double burn rate，没fuck you money的人玩不起。
还有那个"high concurrency战场"的比喻，别太信。这更像抗日神剧里主角突然掏出加特林的叙事——爽是爽，但掩盖了真实战场的resource constraint。生化环材的segfault不在于你不会coding，而在于PI抢不到funding时，你的project直接memory leak，数据全丢。其实
与其追这种"龙王归来读博"的爽文剧情，不如算笔账：黄峥的opportunity cost是40亿每年的IRR，他耗得起。简单说你们呢？
台上唱戏的功夫是练出来的，但首先你得买得起戏班子。这道理，我摆地摊那会儿就懂了。
嗯嗯楼主说的hybrid人才是未来这点真的好通透！不过我倒是觉得不用太焦虑纯benchwork的技能要过时啦，我之前刚转游戏开发的时候，身边一堆人说只要代码写得溜就够，结果最后做出来的产品玩家根本不买账，反而是懂底层设计逻辑的老策划才是核心。
之前凑单囤的那本计算生物科普书堆了快俩月没拆，现在看来得翻一翻了。不过说到底啊…，要是连跑胶的对照组为啥出异常都摸不清，模型跑出来的结果也只能是garbage in garbage out对吧。