8歲讀完高中，15歲拿下博士學位。8歲讀完高中，神童的開掛人生15歲博士「瘋狂轉向」從量子物理到人類衰老死亡這張「拼圖」，用AI去解人類永生，能成嗎？

8歲讀完高中、15歲拿下量子物理博士學位。這位天才少年宣布了第二個博士方向：用AI攻克人類衰老！在他眼里，死亡只是一個還沒拼完的拼圖。

這位來自比利時的神童Laurent Simons，答辯結束后，沒有慶祝，沒有休息。

第一時間，他便和父親一起飛回了德國慕尼黑。

接下來，Simons要開啟人生第二個博士方向：用AI攻克人類衰老，實現永生。

他說，死亡只是一個還沒拼完的「拼圖」。

打開Laurent Simons的個人履歷，簡直就是一個徹底「開掛」的人生。

4歲上小學，6歲讀完全部課程，8歲高中畢業。別人剛上三年級，他已經把K-12全部走完了。

9歲，他又進入荷蘭埃因霍溫理工大學攻讀電氣工程學士。

原本計劃10個月讀完三年課程，后來因為與校方在畢業時間上產生分歧，他轉到比利時安特衛普大學，改修物理學。

三年的學士課程，他僅用18個月讀完。12歲那年，他獲得了量子物理學碩士學位。

緊接著，他又在15歲這一年，拿下了量子物理學博士學位。

研究方向，是量子物理中最硬的那一塊：量子態的相干性與退相干機制。

Simons的IQ 145，綽號「小愛因斯坦」

拿到量子物理博士學位后，Simons做了一個讓導師都沒預料到的選擇：

他申請了第二個博士學位，方向是醫學與AI的交叉領域。

研究目標只有一個，那便是理解人類衰老的底層機制，并找到延長健康壽命的路徑。

這個想法不是突然冒出來的。早在11歲時，西蒙斯就確定了這個方向。

原因很痛——Simons的祖父母都患有心血管疾病。

我不希望其他人也經歷失去至親的痛苦。

我的目標是更深入地理解疾病的過程，創造能改變熱人類生活方式和健康狀況的解決方案，而不僅僅是緩解癥狀。

這不是一個15歲少年的「浪漫幻想」。

Simons給出了非常具體的研究框架，他把衰老看作一個「多系統耦合」的復雜工程問題——

• 生物學：提供了衰老的表征（端粒縮短、DNA損傷累積、蛋白質折疊錯誤、線粒體功能衰退）；
• 物理學：提供了理解這些過程的底層工具（熱力學、信息論、量子生物學）；
• 工程學：提供了干預手段（基因編輯、藥物設計、納米機器人）。

而AI，是把這三條線串起來的「膠水」。

在Simons看來，死亡就像一個極其復雜的拼圖，碎片散落在生物學、物理學和工程學里。

過去這些學科各自拼各自的角落，沒有人試過把整張拼圖拼起來。

而現在，他要做的就是這件事。

一次精心設計的「跨界」

有人可能會問：量子物理和「永生」有什么關系？

這實際上，是一場由微觀通向宏觀的漫長伏筆。

Simons的博士論文研究的是「玻色-愛因斯坦凝聚態」（BEC）。這是一種只有在接近絕對零度的極端條件下，才會出現的物質狀態。

在這種狀態下，原子放棄了各自的「個性」，合并成一個單一的量子系統，表現出完全不同于日常世界的行為。

論文中，Simons的研究重點是，當外來物質被引入這類系統時會有何表現。

他還研究了物質「超固體」相：同時具有超流體性（極低粘度）和結構固態性（高粘度）的矛盾狀態。

聽起來極其抽象？

但這類研究，恰恰是「量子計算」和「精密測量技術」的基礎。

這一切研究，都是在為未來打地基。

Simons表示，「我選擇物理學作為我的專業，是因為在我看來，要徹底理解宇宙，就必須通過物理學」。

答辯結束后，Simons幾乎沒有給自己留任何休息時間。

他直接飛往德國慕尼黑，進入慕尼黑大學（LMU），正式啟動了第二個博士項目。

為什么選AI？不言而喻，AI正在重塑整個生物醫學研究的底層邏輯。

醫學影像分析、癌癥早期檢測、蛋白質結構預測——這些曾經需要數十年的工作，現在被AI系統壓縮到了以天甚至以小時為單位的時間尺度。

而西蒙斯要把這種分析能力用在一個更宏大的目標上——理解衰老的生物學過程。

他特別提到了一個方向：人工器官。

我對創造能夠替代退化身體部件的工程化系統特別感興趣。

說白了就是，當你的心臟、肝臟、腎臟因為衰老而報廢時，用工程手段造一個新的裝上去。

Simons的判斷是：這不是一個靠天才就能解決的問題，這是一個靠智能規模才能解決的問題。他計劃用AI做三件事：

第一，跨學科數據融合。

把分散在生物學、物理學、化學、醫學各自文獻庫里的衰老相關數據，用LLM做結構化整合，找到人類研究者看不到的跨域關聯。

第二，假說生成與驗證加速。

傳統生物醫學研究的瓶頸不是實驗能力，是假說質量。

大多數實驗室花80%的時間在驗證低質量假說上。

AI可以通過大規模文獻分析和分子模擬，在實驗之前就過濾掉不靠譜的方向。

第三，藥物與干預手段的計算篩選。

抗衰老藥物的候選分子空間是天文數字級的，傳統高通量篩選太慢太貴。

AI驅動的分子設計和虛擬篩選，可以把這個過程壓縮幾個數量級。

Simons的方向并不孤立。

過去兩年，AI在生物醫學領域的進展已經從「概念驗證」走到了「產業落地」。

AlphaFold解決了蛋白質結構預測的五十年難題。Isomorphic Labs用AI設計的藥物分子已經進入臨床前階段。

Insilico Medicine用AI從靶點發現到臨床候選藥物只花了18個月，傳統流程通常需要4-5年。

Simons的獨特之處在于，他沒有從AI出發去找生物學應用，而是從物理學出發去重構衰老的底層模型，再用AI來加速這個重構過程。

量子物理的訓練給了他一個大多數生物學家沒有的工具：用第一性原理思考問題。

不是在現有框架里修修補補，而是追問——衰老的信息論本質是什么？細胞層面的熵增是否可逆？生物系統的量子效應在衰老中扮演什么角色？

這些問題聽起來像科幻，但在量子生物學領域，它們已經是嚴肅的研究課題。

遍地倒閉、批量合并！央企省屬國企扎堆成立的數科公司，為什么死了大半？

能不能成功？

Simons說，可能要用一輩子來回答。

一個15歲的人，愿意把一生押注在一道沒有標準答案的題目上。

這本身，就已經是一種回答。