人能帮AI跃迁，却帮不了动物，根子不在有没有方向。人工选择从来都有方向，金毛和银狐都是证据。

真正的天花板是材料和架构。最新一篇《Animal Frontiers》综述显示，AI正被用来加速动物育种，路径有两条：用基础模型从图像和传感器数据生成表型，以及做预测性遗传建模。

值得注意的是，该综述同时指出，把AI用在单核苷酸多态性这类表格数据上、服务于基因组预测，目前仍面临很大挑战。这说明即便算力介入，选择仍受限于基因库里已有的变异。

这正呼应了认知遗传学的共识。智能是高度多基因的性状，全基因组研究估计常见变异只能解释约四到五成的个体差异，这还只是下限。窄指标选育往往得到的是对该指标的过拟合，而非通用智能。

于是出现了耐人寻味的一幕：人类用最先进的AI去给动物选种，却只能在固有的遗传架构内调参数、爬坡，加不出新的功能模块。

而开发者对AI做的恰恰相反，是直接改写底层权重、重设架构、加装记忆与工具。基质能否被编辑、架构能否被重画，才是两者命运分野的真正所在。

更现实的是，越接近可能跃迁的类人猿，世代越长，定向选育在人类时间尺度上几乎不可行。最有潜力的物种，恰恰是最慢的那个。