由俄亥俄州立大学教授、转化数据科学研究所主任塔尼亚·伯杰-沃尔夫（Tanya Berger-Wolf）领导的团队开发的生物基础模型BioCLIP 2，正引领一场数字生物学革命。该模型基于迄今最大、最多样化的生物图像数据集——TREEOFLIFE-200M，包含超过2.14亿张涵盖92.5万多个物种类别的图像，从猴子、甲虫到Magnolia树，覆盖整个生命之树。 BioCLIP 2在32块NVIDIA H100 GPU上训练10天后，展现出超越图像识别的惊人能力：它能自动区分物种的性别、年龄，甚至推断出物种间的亲缘关系，例如在未被告知“喙的大小”概念的情况下，将达尔文雀按喙长从左至右排列。模型还能识别植物健康状况，将健康与患病的苹果或蓝莓叶片清晰分离，并区分不同病害类型。 该模型的核心突破在于“无监督学习”——它通过海量图像之间的自然关联，自主构建了从属类到科、目、纲的层级结构，无需人工标注分类标签。这一能力使其不仅是一个图像识别工具，更可作为生物百科全书、科研平台和交互式分析引擎，尤其有助于解决生态保育中长期存在的数据缺失问题，如虎鲸种群数量不明、北极熊种群未知等，而更少受关注的昆虫与真菌则面临更大挑战。 BioCLIP 2已开源发布于Hugging Face，上月下载量超4.5万次。其前身BioCLIP曾获CVPR最佳学生论文奖。新模型将在11月底至12月初举行的NeurIPS人工智能大会上展示。 团队下一步计划构建“野生动物数字孪生系统”，通过虚拟环境模拟物种间的生态互动与行为模式，实现“零干扰”研究。科学家可在此进行“如果……会怎样”的推演，测试生态模型，而无需破坏真实环境。未来，该技术或可应用于动物园等公共平台，让公众以“一只斑马”或“一只蜘蛛”的视角，沉浸式理解自然世界。伯杰-沃尔夫表示：“想象一个孩子走进动物园，突然看到自己像一只斑马一样在群体中奔跑——那种震撼，令人激动。” 这一技术的实现，离不开NVIDIA加速计算的强大支持，标志着AI正从识别图像迈向理解生命系统的新阶段。