AI 开始挑战最复杂的系统:生命
10 月 17 日,哲源科技发布 WHIRLPO 计算医学平台。
2026 年的 AI 赛道,正在发生一个有意思的转向。当行业目光还聚焦在大模型参数、智能体和通用超级智能上时,扎克伯格把资金押向了一个更棘手的领域:生命系统。
今年 4 月,扎克伯格与妻子普莉希拉・陈创立的 Biohub,启动虚拟生物学计划,投入 5 亿美元搭建配套的数据与实验能力,用来训练能预测生物现象的 AI 模型。到 10 月,这个项目进一步扩大。美国能源部、美国国立卫生研究院和 Biohub 联手,搭建生命预测模型的数据底座,Meta、谷歌 DeepMind、Isomorphic Labs 一同参与。整个项目合计承诺投入 18 亿美元,其中美国能源部未来五年拿出超 5 亿美元,NIH 开放大量已积累的生物医学数据。

这个项目的目标很直接:打造一套可以预测生命行为的 AI,Biohub 称之为虚拟生物学。简单说,就是搭建从分子、基因、细胞,一直到完整生命系统的高保真数字版本。科研人员未来可以像现在提问大模型一样,在电脑里对生命做假设、模拟干预,先完成数字试验,再去实验室做真实实验。
这件事不只是扎克伯格单纯看好生物医药。更深一层看,生命科学正在变成 AI 竞争的第二战场。通用大模型赛道已经烧钱白热化,算力、人才、资本门槛越来越高;而理解生命系统,还是一片没有定型的前沿。谁能让 AI 真正读懂生命,就能建立起比聊天机器人难复制得多的壁垒。
AI 擅长设计分子,但新药研发依旧艰难
AI 和生物医药的结合,并不是新鲜事,也是 AI 最早被寄予产业化期待的方向之一。但十几年走下来,一个核心疑问始终摆在眼前:我们真的离新药更近了吗?
近几年 AI 制药最亮眼的成果,基本都集中在分子层面:蛋白质结构预测、候选分子筛选、分子生成、药物安全性预测、药物靶点相互作用等等。AI 能够一次性产出成千上万候选分子,大幅拓展可供筛选的化学空间,效率提升是实实在在的。
可如果把评判标准从模型跑分,落到一款新药成功上市,现实就没有那么乐观。今年 8 月《Nature Reviews Drug Discovery》发文复盘十多年 AI 制药的发展:虽然各类 AI 算法层出不穷,但真正能产生临床价值的成果依旧有限。很多 AI 药企的项目停留在临床前或者一期、二期临床,进入三期临床的项目很少。

小分子生成方向上,AI 确实更容易找到能和蛋白结合的分子,但这只是配体设计,不等于药物设计。找到一个能绑定靶点的分子,和找到一个在人体内安全有效的药物,完全是两码事。
这也是行业当下最值得反思的地方。过去我们把复杂的生命问题做了简化。AI 擅长回答 “什么分子可以结合这个靶点”,但新药研发真正难的是一连串系统问题:这个靶点为什么会引发疾病?干预靶点之后,人体整套生命系统会产生哪些连锁反应?为什么同一种药,有的人有效,有的人无效?为什么细胞、动物实验效果很好,到人体临床试验就失败?
药物分子不是孤立起效。它进入的是一套动态复杂系统,基因、蛋白、细胞、组织、器官、免疫、代谢,再加上外部环境,所有因素互相影响。药物能不能成功,关键恰恰就在这套系统里。 由此带来一个根本性问题:如果 AI 只能看懂分子,看不懂完整生命系统,那它能把新药研发带到哪一步?
从单点分子模型,走向生命世界模型
这也解释了 2026 年 AI 生命科学的核心变化:建模尺度不再局限于单个蛋白、分子或者细胞,开始向上延伸,构建生命预测模型。目标不再只是预测蛋白结构,而是刻画生命状态,预判系统受到干预后的变化,模拟细胞面对扰动时的反应,也就是业内所说的生命世界模型。
大语言模型学习语言的规律,物理世界模型学习物体运动与空间规则,生命世界模型面对的规则要复杂得多。基因变异改变蛋白表达,蛋白调控信号通路,信号改变细胞状态;细胞之间相互作用形成组织微环境,层层向上影响器官乃至人体。生命本身不是静止的,会生长、衰老、产生代偿、发生突变,还会对外界干预持续反馈。
所以生命世界模型,不是一本静态的生命百科。它的核心是弄懂生命如何运转,预测当某一个变量被改变之后,整个系统后续会如何演变。
一旦这套模型落地,AI 在医药研发里的定位会彻底改变。 旧模式:给定靶点,快速寻找候选分子。 新模式:给定一种疾病,先搞清楚发病根源,再判断该干预哪个位置、哪些患者能从中获益,预判干预带来的全身连锁反应。 同样是 AI 赋能新药,两种模式要解决的问题已经完全不一样。
国内同步布局:计算医学写入国家规划
这场转型不是美国独有,国内 AI 生命科学也在从单点算法,转向系统性疾病建模。
今年 9 月,工信部、发改委等十部门发布《医药工业发展 “十五五” 规划》,计算医学首次和 AI、量子计算、超算并列,纳入医药工业未来五年重点技术方向。 AI、超算提供强大的通用计算能力;而计算医学解决的是,怎么把这些算力对接生命系统,用来解决真实疾病问题。
国内哲源科技就是走这条路线的团队。它没有单纯去训练一个更大的生物大模型,而是围绕疾病本身,整合基因组、细胞特征、疾病机制、患者数据、药物干预信息,搭建多层级计算模型,尝试构建一套可以持续推演、训练、验证的生命世界模型体系。

10 月 17 日,哲源科技发布 WHIRLPO 计算医学平台。它并不是一款独立的生物大模型,而是解决更底层的工程难题:如果生命世界模型是下一代生命科学的基础设施,我们需要一套底座,支撑这类模型的训练和运行。
搭建生命世界模型,难度远超训练大语言模型
生命世界模型的落地难度,很容易被低估。 第一是数据难题。大语言模型有海量互联网文本作为养料,但生命领域没有统一的数据集。基因组、单细胞、空间组学、病理、影像、临床数据来源分散,格式、质量、观测尺度差异巨大。很多高价值数据,还需要专门做实验才能产出。Biohub 投入的 18 亿美元,很大一部分资金就是用来生产生物数据,而不是单纯训练模型。
第二是多尺度建模难题。不存在一个大一统的生命模型。研究 DNA 突变、细胞状态、组织微环境、人体疾病,需要不同模型配合。未来完整的生命世界模型,大概率不是单一巨型模型,而是多模型、知识库、工具协同工作的复合系统。
第三是异构算力工程挑战。模型预训练、组学分析、疾病演化模拟、数字患者推演,计算方式各不相同,需要灵活调度 CPU、GPU 等各类算力资源,会遇到传统大模型很少面对的大型科学计算工程问题。
第四,生命模型必须打通计算世界和真实实验世界。语言模型回答出错,可以直接重新训练;但生命模型给出的靶点假说,必须进入实验室验证,实验结果再反过来修正模型,最终还要接受临床检验,模型结论不能只在电脑里自洽。
WHIRLPO 平台正是瞄准这个痛点:整合异构算力、多组学生命数据、模型矩阵、科研工具、智能 Agent 和实验验证链路,搭建从模型训练、科学计算到湿实验闭环验证的基础设施。简单来讲,哲源不是只做模型,而是为生命世界模型打造生产底座。
AI 生命科学,进入基础设施竞争阶段
2026 年,中美两地出现了行业共振。 美国这边,Biohub 联合能源部、NIH、Meta、DeepMind 一起搭建生命 AI 所需的数据、算力、实验基础设施; 国内这边,计算医学写入十五五医药规划,本土团队开始搭建生命世界模型的工程平台。
两件事看似独立,本质指向同一个判断:AI 生命科学,已经从比拼模型指标,进入基础设施竞争时代。
过去行业比拼的,是谁的蛋白预测更准、谁生成分子效果更好、谁能把某一个研发环节提速。 下一阶段比拼的核心,变成:能不能拿到大规模高质量生命数据;能不能跨越基因、细胞、组织、人体不同尺度建模;能不能把多个模型协同调度;能不能让模型持续和真实实验闭环验证;最终实现 AI 从处理生命数据,升级为理解生命系统。
AI 制药过去十几年,方向并没有错。我们此前攻克的,只是生命问题里相对容易计算的那一部分。 分子固然重要,但药物治疗的对象不是分子,是人。从一个候选分子,到在人体上产生疗效,中间隔着一整套完整复杂的生命系统。
如果生命世界模型成为继语言模型、物理世界模型之后,AI 的下一个核心方向。未来最大的机会,未必属于那些小幅刷新模型指标的团队。 真正稀缺的资产,不是又一个生物 AI 模型,而是一套能够让 AI 走进真实生命世界的完整基础设施。
本文由哲源科技提供,量子位获授权转载,观点归原作者所有。
版权所有,未经授权不得以任何形式转载及使用,违者必究。
Related Articles
Binding of Isaac developer removes AI music from Repentance Plus
Terrence O'Brien is the Verge’s weekend editor. He’s covered the tech industry for over 18 years and knows a thing or two about synths.The Binding of Isaac: Repentance Plus has spent the last few days getting...
The vibe-coding revolution is coming to all the gadgets
This is The Stepback, a weekly newsletter breaking down one essential story from the tech world. For more on the vibe-hacking of everything, follow David Pierce. The Stepback arrives in our subscribers’...
Nature:糖尿病大鼠成功恢复正常血糖!用电刺激迷走神经控糖
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-11-22 ...
A社数学家用Claude又证明另一千禧难题,逼出一份写了12年的940页纯人类手稿
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-11-22 ...