AI 的下一个战场：生命，也能像大模型一样被"推演"

过去十年，AI 制药最擅长的活儿是"找分子"：预测蛋白长什么样、筛出能结合靶点的候选分子。据量子位报道，2026 年这个方向正在往上一级走——不再只算分子，而是试着把"生命"本身建进模型里。

18 亿美元，押注"虚拟生物学"

今年 4 月，扎克伯格夫妇创立的 Biohub 启动虚拟生物学计划，先投 5 亿美元搭数据与实验能力；到 10 月，美国能源部、美国国立卫生研究院（NIH）也加入进来，Meta、谷歌 DeepMind、Isomorphic Labs 一同参与，整个项目承诺投入合计约 18 亿美元，其中能源部未来五年出资超 5 亿美元，NIH 开放已积累的生物医学数据。

据了解，目标是做一套"生命的高保真数字版本"：从分子、基因、细胞一路到完整生命系统。科研人员以后可以像问大模型一样，先在电脑里对生命提假设、模拟干预，跑完"数字试验"再去实验室做真实验。

为什么光会找分子不够用

AI 制药做了十几年，成果大多停在分子层面。今年 8 月《Nature Reviews Drug Discovery》的一篇复盘指出：算法层出不穷，真正转化为临床价值的结果仍然有限，不少项目卡在临床前或一期二期，能进三期的很少。

关键区别是：找到一个能结合蛋白的分子，只是配体设计，不等于做出一个在人体内安全有效的药。靶点为什么会致病、干预之后全身会产生什么连锁反应、同一种药为什么有人有效有人无效——这些是系统问题，只看分子回答不了。药物进入的是一整套动态系统：基因、蛋白、细胞、组织、器官、免疫、代谢，再加上外部环境。

"生命世界模型"想解决什么

业内把这套思路叫生命世界模型。大语言模型学的是语言规律，物理世界模型学的是物体运动，而生命模型要学的是层层嵌套的规则：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，细胞之间又构成组织微环境，一路影响到器官和整个人。

它也不是一本静态的生命百科，核心是预测"某个变量被改掉之后，整个系统会怎么演变"。研发思路随之翻面：以前是先拿到靶点再找分子，现在可以给一种疾病，先搞清发病根源，再判断该在哪干预、哪些患者更可能受益。

国内也在同一时间点布局

今年 9 月，工信部、发改委等十部门印发《医药工业发展"十五五"规划》，计算医学首次与 AI、量子计算、超算并列，被列为未来五年重点技术方向。10 月 17 日，国内团队哲源科技发布 WHIRLPO 计算医学平台，走的是"底座"路线：整合异构算力、多组学数据、模型矩阵与实验验证链路，而不是再训一个更大的生物大模型。

难度也不小：生命领域没有统一数据集，高价值数据往往得专门做实验才能产出；不存在一个大一统模型，未来大概率是多模型加知识库协同；算力调度复杂；而模型给出的假说必须进实验室、最终接受临床检验，不能只在电脑里自洽。

中美两地在 2026 年同时转向，指向的是同一个判断：AI 生命科学已经从比拼模型指标，进入拼基础设施的阶段。

来源：量子位《AI 开始挑战最复杂的系统：生命》

https://www.qbitai.com/2026/10/504242.html