AI 开始挑战最复杂的系统：生命
内容提要
2026年，AI生命科学转向“生命世界模型”，从分子层面升级到预测完整生命系统。扎克伯格Biohub联合美国能源部、NIH等投入18亿美元搭建数据与实验基础设施；国内“计算医学”被纳入“十五五”医药规划。哲源科技发布WHIRLPO平台，整合异构算力、多组学数据与实验闭环，应对数据分散、多尺度建模等难题。行业竞争已从模型指标转向基础设施，核心是让AI真正理解生命系统。
延伸解读
从分子筛选到系统预测：AI制药的尺度跃迁
文章指出，过去AI制药成果多集中在分子层面，如蛋白质结构预测和候选分子生成，但真正进入三期临床的项目很少。核心问题在于药物进入的是动态复杂系统，仅理解分子不足以预测疗效。2026年转向“生命世界模型”，意味着AI需从回答“什么分子能结合靶点”升级为预测干预后全身连锁反应，这要求建模尺度从分子扩展到细胞、组织乃至完整人体。
基础设施竞赛：数据与实验闭环成新壁垒
Biohub联合美国能源部、NIH等投入18亿美元，重点在于生产生物数据和搭建实验能力，而非单纯训练模型。国内将“计算医学”纳入“十五五”规划，哲源科技发布WHIRLPO平台整合异构算力、多组学数据和实验验证链路。行业竞争已从模型指标转向基础设施，核心挑战包括数据分散、多尺度建模、异构算力调度以及计算与真实实验的闭环验证。
生命世界模型的落地难点与工程挑战
文章列举四大难题：生命领域缺乏统一数据集，高价值数据需专门实验生产；不存在大一统模型，需多模型协同；计算方式多样，需灵活调度CPU、GPU等资源；模型结论必须经湿实验和临床检验，不能只在数字世界自洽。WHIRLPO平台正是瞄准这些工程痛点，试图为生命世界模型提供从训练到验证的底座，而非单一生物大模型。
Q&A
2026年AI生命科学领域出现了什么新转向？
2026年AI生命科学从分子层面建模转向构建“生命世界模型”，即搭建从分子、基因、细胞到完整生命系统的高保真数字版本，用于预测生命行为和模拟干预。
扎克伯格Biohub联合美国能源部、NIH投入18亿美元要做什么？
他们联合启动虚拟生物学计划，投入18亿美元搭建生命预测模型的数据与实验基础设施，目标是打造能预测生物现象的AI，构建生命系统的数字版本，让科研人员先在电脑中模拟实验再进入实验室验证。
为什么AI制药过去十几年成果有限？
因为AI主要擅长分子层面任务（如蛋白质结构预测、分子筛选），但新药研发的难点在于理解完整生命系统：靶点如何致病、干预后的全身连锁反应、个体差异等。AI若只能看懂分子而看不懂生命系统，就难以真正推动新药上市。
生命世界模型和传统大语言模型有什么不同？
大语言模型学习语言规律，生命世界模型则要理解生命如何运转，预测变量改变后整个系统的演变。生命系统涉及多尺度、动态变化（生长、衰老、突变、反馈），比语言或物理世界模型更复杂。
国内在AI生命科学领域有什么政策动向？
2025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》，首次将计算医学与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。
哲源科技发布的WHIRLPO平台是做什么的？
WHIRLPO是一个计算医学平台，旨在为生命世界模型提供工程底座，整合异构算力、多组学数据、模型矩阵、科研工具、智能Agent和实验验证链路，支撑从模型训练、科学计算到湿实验闭环验证的全流程。
构建生命世界模型面临哪些主要挑战？
主要挑战包括：数据分散且格式质量不一，需专门实验生产；多尺度建模需不同模型协同；异构算力调度复杂；必须打通计算与真实实验闭环，模型结论需实验验证。
AI生命科学竞争的核心为什么转向基础设施？
因为模型指标比拼已遇到瓶颈，下一阶段需要大规模高质量生命数据、跨尺度建模能力、多模型协同调度以及实验闭环验证，这些都需要强大的基础设施支撑，而非单一模型。
