AI開始預演生命。過去三個月，生物學界密集迎來多個世界模型：3月，Evo2基因組模型登上《自然》，可一次處理100萬個核苷酸；5月，Biohub發布蛋白質結構預測模型ESMFold2，附帶資料庫涵蓋11億個預測蛋白質結構；7月，百曜科技推出擁有120億參數的單細胞模型CellOS。它們的共同點是：不再滿足於靜態描述一個蛋白質、一個細胞，而是企圖在電腦裡推演生命下一刻的狀態。
這個方向，DeepMind聯合創辦人哈薩比斯早已點明。他多次公開說，AlphaFold只是AI用於科學研究的第一個例子，未來要用世界模型真正模擬生命——從一條訊號通路，到一個細胞，一個器官，以至完整生命體。現在，不止DeepMind，連扎克伯格夫婦、阿里達摩院以至多家中國初創，都在朝這個方向競速。
為什麼要用世界模型模擬生命？
因為疾病本身是一部電影，不是一張照片。無論CT、超聲波還是基因測序，本質上都是記錄生命某一時刻的狀態。但一個癌細胞從基因突變到轉移，可能歷經多年；阿爾茨海默病在症狀出現前十幾年，病理變化已經開始。傳統診療手段只能看到某一幀，據此判斷全貌，難免刻舟求劍。
世界模型正是為了處理這種時空連續、多尺度耦合的問題而生。人體由基因、蛋白質、細胞、組織、器官構成，每個層級互相影響，形成一個龐大動態網絡。世界模型不單可以綜合這些維度，還能與治療動作結合：如果動手術會怎樣？如果改用另一種藥，病情會否不同？這就是反事實推演，是傳統靜態模型無法做到的。
在臨床上，這種能力首先指向精準醫療。現有臨床試驗給出的是群體平均最優解，但每個病人的體質、基因、病程都不同，同一方案效果天差地別。世界模型可以針對同一個病人模擬無數條治療路徑，找出最適合的藥物劑量和聯合療法，實現所謂N-of-1的個人化治療。美國AI醫療公司NOETIK開發的腫瘤模型OCTO，已取得數千名患者的腫瘤樣本數據，既可評估治療方案，也可充當藥物研發模擬器。
密集落地：從蛋白質到虛擬細胞
動力正來自各方。DeepMind的AlphaFold在2020年解決蛋白質結構預測後，哈薩比斯一直強調要走向動態生命的模擬。Biohub由扎克伯格夫婦創立，長期關注虛擬細胞，今年5月公布ESMFold2及配套資料庫ESM Atlas，規模超過Google的AlphaFold資料庫——11億個預測結構、68億條蛋白質序列，而且完全開源，商業使用不限。緊接著Biohub再宣布投入5億美元，啟動為期五年的虛擬生物學計劃，建立開放的多模態數據基礎，目標是構建人類細胞的預測模型。
中國團隊亦不甘後人。阿里達摩院4月發布生成式細胞世界模型「靈樞細胞」，採用掩碼離散擴散架構，可對約18,000個基因進行全轉錄組建模，在虛擬細胞挑戰賽25支隊伍中綜合排名最佳。百曜科技7月發布的CellOS，以3.905億個人類單細胞轉錄組訓練、120億參數，號稱全球最大單細胞基礎模型，並率先把世界模型理念引入AI細胞模型。另一家公司英靈殿則推出全模態分子世界模型ODesign，將蛋白質、DNA、RNA、小分子納入同一生成框架，據報RNA設計成功率約為現有工具的兩倍，蛋白-RNA複合體零樣本設計成功率高達77.9%，候選分子已在8個靶點取得nM至pM級親和力。
技術路線分化：觀測空間 vs 潛空間
技術路線也開始分化。一種是觀測空間建模，用擴散模型或Transformer直接在可見層面預測干預結果，例如腫瘤形態、生理訊號變化，輸出直觀，但缺乏底層生物機制約束，有時看似逼真，實則經不起推敲。另一種是潛空間建模，在壓縮空間中預測核心表徵，不執著於逐像素還原，計算效率更高，適合長週期病情推演。兩種路線未必要分勝負，將來很可能融合：既在潛空間演化，再錨定回真實可觀測的生物指標。
嵌入科學發現智能體
還有一個方向是把世界模型嵌入科學發現智能體，成為AI的「內部大腦」：在動手做實驗之前，先在虛擬空間推演數以千計的可能路徑，篩選最具價值的研究方向。這被認為有望改寫「提出問題—實驗驗證—得出結論」的傳統科研流程，把大量試錯搬到雲端。
能預演，不等於能預言
不過，對生物世界模型的期望，需要保持分寸。生命系統的高度複雜，至今無法被完整還原；模型預測範圍、長期推演能力及準確性都有明顯局限。更關鍵的是，這類模型直接觸及醫療決策，安全要求遠高於一般AI。如果用錯，後果不是一個推薦廣告那麼簡單。
業界已有反思聲音。上海人工智能實驗室主任周伯文在7月的WAIC 2026科學前沿論壇上直言，目前AI產出的科學工作幾乎是增量發現，尚未出現根本性突破，原因在於模型「只觀察、不介入」，缺乏因果與長程回饋。華大智造首席AI官楊夢也提醒，AI for Bio下一場競爭的關鍵，在於真正把「實驗閉環驗證」做出來。換句話說，世界模型再強，仍需要真實實驗確認，不能只停留在預測與模擬。
也有具體案例說明潛力與界限。中科院等機構在WAIC展示的CENO系統，挖掘抗菌物質成功率是人類專家的90倍，但所有候選物質仍須通過實驗驗證，才能成為真正的藥物。Evo2模型對BRCA1基因變異分類準確率超過九成，但這只是基因層面的判斷，離預測一個人會不會患癌，還很遠。
因此，未來較長時間內，生物世界模型更可能以科研輔助工具、臨床輔助決策系統的形式出現，而非直接面向個人的健康預言。它可以幫助醫生理解疾病演變、評估干預方案、優化實驗設計，但無法取代專業醫療判斷，也不應成為個人自行診斷的依據。世界模型的預測，本質上是基於已有數據的概率推演，不是神諭。
況且，人體並非標準化實驗室，遺傳、生活習慣、環境都會影響結果，不確定性必須被保留。模型不僅要給出預測，還要持續根據真實世界回饋更新；它不能是「黑箱」，必須讓科學家和醫生理解預測背後的依據，才能判斷是否值得信賴。
人類認識生命，過去靠顯微鏡、測序儀和統計學，得以看見生命，卻無法推演生命。世界模型嘗試回答的，不是「生命是什麼」，而是「生命接下來會怎樣」。如果說顯微鏡開啟了細胞時代，測序技術開啟了基因時代，世界模型或許正在把生命科學帶入「可計算演化」的時代——屆時，我們可以在數碼空間中預先走一遍生命的可能路徑，再決定手中的實驗與治療，該往哪個方向使力。
