AI 从看懂分子到读懂生命，中间还隔着什么

AI 设计蛋白质、筛分子已经很熟练，但一款新药该失败还是失败。问题不在分子，在系统：药进的是一整套互相牵动的生命体系，牵一发而动全身。2026 年，中美两边同时开始把 AI 的战场从分子往整个生命系统挪。这是比「再训一个聊天模型」难一个量级的事，也可能是不那么拥挤的下一张牌桌。

一、发生了什么

据量子位 10 月 19 日的梳理，扎克伯格与妻子创办的 Biohub 今年 4 月启动虚拟生物学计划，先投 5 亿美元搭建数据与实验能力；到 10 月，美国能源部、国立卫生研究院加入，Meta、谷歌 DeepMind 与 Isomorphic Labs 一同参与，合计承诺投入 18 亿美元，其中能源部未来五年出超 5 亿美元，NIH 则开放多年积累的生物医学数据。目标是从分子、基因、细胞一路建模到完整生命系统，让科研人员像提问大模型一样，先在电脑里对生命做假设、模拟干预，再进实验室验证。

国内动作同步。9 月，工信部等十部门发布的医药工业五年规划里，计算医学首次与 AI、量子计算、超算并列为重点技术方向；10 月 17 日，哲源科技发布 WHIRLPO 计算医学平台。它的定位不是又一个生物大模型，而是更底层的工程底座：整合异构算力、多组学数据、模型矩阵和实验验证链路，支撑这类模型的训练、推演和闭环。

二、跟你有什么关系

药企和 Biotech 从业者：评价 AI 工具的标尺要换。能出多少候选分子不算本事，能不能预判干预后的全身连锁反应、解释为什么同一款药有人有效有人无效，才是下一个阶段的分水岭。

投资者：生命科学正在变成 AI 的第二战场。这一场比拼的从模型指标转向数据生产和基础设施，纯卖算法、没有数据生产能力的公司会越来越难。

学生和转行者：这个方向缺的不是又一拨训模型的人，而是懂生物、懂工程、能打通实验闭环的复合背景。从湿实验转计算、或从计算转生物，都是好时机。

三、怎么判断

1. 看建模尺度。只做单靶点、单蛋白的，仍停留在上一阶段；宣称做生命状态预测的，要追问它用什么尺度的数据验证，基因到器官哪几层真正打通了。
2. 看数据从哪来。生命数据没有现成的互联网可爬，高价值数据要靠专门实验产出。18 亿美元里很大一部分就是花在生产数据上，这是判断项目成色的重要指标。
3. 看有没有实验闭环。模型给的假说必须进湿实验、回临床检验，实验结果再修正模型。只在电脑里自洽、从不接受实验室检验的结论，不算数。

四、三个别信的说法

「AI 设计出能结合靶点的分子，新药就近了。」 结合只是配体设计，不等于药物设计。药物要在人体内安全有效，中间隔着吸收、代谢、免疫等一整套系统问题。今年 8 月有权威期刊复盘十余年 AI 制药：进入三期临床的项目仍然很少，多数停在临床前或一二期。

「会有一个统一的大模型读懂生命。」 基因、细胞、组织、人体各有各的规律，观察尺度不同，计算方式也不同。更可能的形态是多模型、知识库加工具协同的复合系统，而不是一个包打天下的巨型模型。

「这纯粹是大厂的游戏。」 数据和算力确实烧钱，但把模型结论接回真实实验的工程能力、对具体疾病的深刻理解，恰好是中小团队可以深耕的缝隙。国内的计算医学路线就是例子。

五、一句话结论

AI 过去只看懂了生命里最好算的那一小块，剩下的大部分才是真正的比赛。

信息来源

• AI 开始挑战最复杂的系统：生命（量子位），2026 年 10 月 19 日。

功能与价格以官方公告为准。本文写于 2026 年 10 月 20 日。