Model AI Ilmu Hayati Cina GeneLLM Muncul sebagai 'Biological DeepSeek'

DeepSeek -V4-Flash versi rasmi baru sahaja menggemparkan kalangan model umum global, dan versi ilmu hayat Cina Deepseek segera menyusul.

Baru-baru ini, model besar multi-omik untuk ilmu hayat, GeneLLM, yang dikembangkan secara mandiri oleh Jin Du Sheng Ke (didirikan oleh empat sarjana cemerlang yang kembali dari Universiti Oxford), berjaya muncul di jurnal akademik antarabangsa terkemuka—《Nature Communications》 dan 《Advanced Science》.

Sebagai model besar multi-omik yang pertama di dunia dilatih secara langsung menggunakan data mentah omik, GeneLLM merupakan model penting setelah AlphaFold milik Google dan EVO 2 dari Universitas Stanford, mengisi kekosongan model dasar ilmu kehidupan Cina, dan layak disebut sebagai Deepseek versi ilmu kehidupan Cina, membolehkan AI memahami pelbagai "bahasa" kehidupan dan keseluruhan "sistem".

Pengenalan penyakit hanyalah salah satu aplikasi GeneLLM; JinDu Bioscience sebenarnya ingin menciptakan 'Claude Code' untuk bidang ilmu kehidupan.

ChatGPT, Claude, DeepSeek Inti model bahasa besar ialah ramalan token seterusnya.

Pendekatan GeneLLM serupa, tetapi ia meramal bukan teks, tetapi maklumat kehidupan.

Empat asas dalam urutan RNA—adenina (A), urasil (U), guanina (G), dan sitosina (C)—menjadi Token asas yang dipahami oleh GeneLLM dalam bahasa kehidupan.

Analisis bioinformatik tradisional biasanya bergantung pada anotasi gen, sejajaran urutan, dan label yang ditentukan secara manual. Pendekatan ini, walaupun tepat, secara awal membatasi lingkup pemahaman model dan juga berpotensi kehilangan banyak sinyal biologi tidak diketahui yang tersembunyi dalam data asal.

GeneLLM pula mengambil jalan berbeza dengan belajar hukum kehidupan secara langsung daripada data pengurutan mentah yang belum diproses.

Ia menggunakan data mentah pelbagai omik seperti transkriptom, proteom, dan metabolom sebagai data latihan, membolehkan model menemui corak yang berkaitan dengan penyakit secara swakendali.

Saat ini, GeneLLM telah menyelesaikan pra-pelatihan model dengan 1.5 bilion parameter dan 3.5 trilion urutan basa, sementara versi XLarge telah mencapai pra-pelatihan model dengan 30 bilion parameter, terus memperluas keuntungan teknologi.

Sebagai model besar multi-omik pertama di dunia yang dilatih sebelumnya berdasarkan data urutan asli, GeneLLM merangkumi dua peringkat:

(1) Pra-latihan tanpa pengawasan dan penggalian prototip

(2) Penyelarasan Peringkat Pesakit terhadap Penyakit (Disease Tuning)

GeneLLM perlu menyelesaikan satu masalah terlebih dahulu:

Bagaimana cara mengubah data kehidupan yang kompleks menjadi bahasa yang boleh difahami oleh AI?

Dalam pemprosesan bahasa semula jadi, algoritma BPE memotong ayat menjadi Token; manakala GeneLLM memotong fragmen urutan RNA dengan panjang sekitar 150 bp menjadi Token kehidupan melalui tetingkap gelongsor yang terdiri daripada 7 nukleotida (7-mer).

Selepas itu, model menggunakan arsitektur Transformer untuk secara langsung meramalkan basa seterusnya tanpa anotasi gen dan label manual.

Ini bermakna AI bukanlah memulakan dengan melihat "kamus" yang telah disusun oleh manusia, tetapi belajar langsung daripada isyarat asli kehidupan.

Semasa proses latihan, GeneLLM memproses sekitar puluhan trilion bacaan RNA, dilatih pada cluster ratusan GPU NVIDIA A100.

Pada titik ini, kemampuan generalisasi GeneLLM mulai «muncul».

Sebagai terobosan besar dalam bidang biosains, model biosains buatan tempatan GeneLLM boleh digunakan dalam pelbagai bidang seperti pembangunan ubat baharu, perubatan tepat, biologi sintetik, pemantauan persekitaran, mikroba dan pertanian biologi, serta rekabentuk protein dan molekul, menjadikannya salah satu model besar sedikit yang telah berjaya dilaksanakan dalam skenario sebenar di seluruh dunia.

Setelah kita mengkaji inovasi dasar GeneLLM dalam «data, arsitektur, pelatihan», barulah kita benar-benar memahami: mengapa ia mewakili versi «biologi» China DeepSeek 」.

Silicon Valley membina parameter trilion dengan ribuan H100 DeepSeek Dengan inovasi algoritma untuk meningkatkan kecekapan pengiraan, GeneLLM juga menggerakkan miliaran data sains kehidupan dengan cara yang ringan namun berkesan.

Jika AlphaFold membolehkan AI memahami「struktur」kehidupan untuk pertama kalinya, dan EVO2 membolehkan AI mula memahami「kod」kehidupan, maka GeneLLM cuba memahami「sistem」kehidupan lebih lanjut.

Lebih ketat lagi ialah kecekapan. Kaedah tradisional bergantung kepada pengurutan mendalam 6 Gb, dengan kos yang tinggi dan sukar dilaksanakan. GeneLLM masih mengekalkan AUC > 0.8 pada kedalaman sangat cetek 1 Gb (kos berkurang 83%).

Ini bermakna ada harapan sebenar untuk menjadikan perawatan peribadi yang inklusif menjadi kenyataan.

Sebuah paradigma penyelidikan baru mula muncul: membiarkan AI belajar daripada data kehidupan, membawa sains kehidupan ke tahap baru yang boleh diramal, boleh dikira, dan boleh dijalankan secara berskala.

Namun, pelaburan Jin Du Sheng Ke tidak hanya pada model asas.

Menggunakan model besar GeneLLM multi-omik sebagai dasar pemahaman kehidupan, Jin Du Bioscience membina sistem pelaksanaan yang menghubungkan kecerdasan buatan dengan dunia fizikal, melalui lapisan pelaksanaan eksperimen pintar Harness dan kitar data DBTL (Reka-Bina-Uji-Pelajari), untuk mencapai kitar penuh AI for Science dari pemahaman hukum kehidupan, penghasilan hipotesis saintifik, hingga pengesahan eksperimen automatik dan peningkatan berterusan.

Seperti yang dikatakan oleh Liam Fedus, bekas Wakil Presiden OpenAI dan pemimpin pasca-pelatihan, LLM semasa ini telah menghabiskan teks dan kod terhad yang tersedia di internet, dan kemajuan besar dalam penemuan saintifik seterusnya harus bergantung kepada iterasi eksperimen.

Dengan kata lain, AI tidak boleh hanya bergantung pada membaca kandungan yang telah ditulis oleh manusia untuk menemukan pengetahuan baru; AI mesti menjalankan eksperimen sendiri.

Tetapi masalahnya datang—

Perkhidmatan internet secara semula jadi mempunyai API, dan maklumat web secara semula jadi adalah digital, tetapi peralatan penyelidikan datang daripada pembuat yang berbeza, dengan protokol yang berbeza-beza, kompleks dan mahal, tiada siapa yang boleh membina semula dalam beberapa bulan.

Hari ini, kebanyakan makmal direka khas untuk manusia: panel instrumen, tindakan pipet, status sampel, penilaian di tempat, sebahagian besar tidak berubah menjadi isyarat yang boleh difahami mesin.

AI memasuki laboratorium, bukan hanya masalah kemampuan model, tetapi juga memerlukan infrastruktur baru.

Oleh itu, AI memasuki makmal, dan kini bukan hanya masalah kemampuan model, tetapi juga memerlukan Harness fizikal: menjadikan makmal sebagai sistem yang boleh dikompilasi, dijadualkan, dipantau, dan dapat dilacak.

Ini, baru lah kilometer terakhir sebenar AI4S.

Untuk tujuan ini, Jindu telah membangun sistem bernama BioFord Harness.

Ini adalah infrastruktur yang menghubungkan AI dengan makmal fizikal.

Mereka tidak menjadikan lengan robot meniru tangan manusia, tetapi menjadikan makmal sebagai sistem yang boleh dikompilasi, dijadualkan, dipantau, dan dapat dilacak.

Dalam proses ini, harness fizikal sekurang-kurangnya perlu menyelesaikan tiga perkara:

1. Menterjemahkan niat saintifik atau DSL eksperimen menjadi arahan yang boleh dijalankan oleh peranti yang berbeza;

2. Menyelenggarakan penjadualan, sumber, dan pengurusan sekatan keselamatan antara banyak peranti, serta menangani pengecualian;

3. Arus balik hasil eksperimen, log peralatan, dan parameter persekitaran sebagai input untuk model dan reka bentuk eksperimen seterusnya.

Masalah saintifik → Pemahaman AI → Rancangan eksperimen → Penjadualan peralatan → Pelaksanaan → Aliran semula data → Peningkatan model → Putaran seterusnya.

Roda gila data eksperimen saintifik telah dihidupkan.

Lima agen pintar, mengubah proses penyelidikan menjadi talian pengeluaran

Platform penelitian BioFord Agent, yang menghubungkan lapisan fizikal makmal ke bawah dan menopang lapisan kognitif saintis ke atas, serta menghubungkan jurang antara penarikan kesimpulan dan pelaksanaan dengan AI fizikal.

Pada aras kognitif, BioFord Agent terdiri daripada lima agen yang membentuk rangkaian kolaboratif, menghubungkan keseluruhan proses penyelidikan kehidupan, dan boleh meningkatkan kecekapan penyelidikan beberapa kali ganda.

Agen pencarian literatur

Agen reka bentuk eksperimen

Scientific Agent

Agen penjadualan eksperimen

Agen analisis data

Sebagai contoh, agen pencarian literatur boleh membantu anda mencari dan membaca ribuan literatur dengan cepat, menyusun ulasan literatur, dan membantu mengemukakan hipotesis.

Agen reka bentuk eksperimen mempersingkat tempoh reka bentuk eksperimen yang biasanya berbulan-bulan kepada seminggu.

Sementara itu, agen penjadualan eksperimen yang diperkenalkan oleh Jin Du Sheng Ke menggunakan Universal Instrument Abstraction Layer untuk mengatasi halangan protokol antara pelbagai peralatan heterogen.

Baik mesin PCR, mesin mikroplat, aliran sitometri, mahupun stesen pipet automatik, semuanya boleh diurus dan dijadualkan secara terpusat. Sistem ini dilengkapi algoritma penjadualan dinamik yang boleh menjadualkan secara berkelompok, mengelakkan konflik secara semasa, serta merekodkan parameter eksperimen sepanjang masa untuk membentuk rantai audit yang boleh dilacak.

Ini bermakna bahawa AI tidak lagi berhenti pada peringkat "memberi cadangan", tetapi benar-benar memasuki makmal, mengendalikan peralatan, dan melaksanakan tugas, menjadi seorang "asisten penyelidikan" yang boleh dipercayai.

Data kegagalan, mungkin lebih berharga daripada data kejayaan

Nilai yang lebih mendalam yang diselesaikan oleh sistem ini ialah: menjadikan setiap eksperimen—berjaya atau gagal—sebagai data yang boleh diserap oleh sistem.

Di makmal tradisional, rekod kegagalan mungkin hanya satu baris “hasil tidak seperti yang dijangka”, dan pengalaman tersimpan dalam fikiran manusia; apabila orang itu pergi, pengalaman itu juga hilang.

Dalam sistem BioFord, setiap kegagalan adalah data latihan yang berharga—logik pemilihan parameter, rekod keadaan persekitaran, bukti laluan yang salah... semuanya terkumpul dan menjadi sebahagian daripada "pengalaman" sistem.

Seterusnya, AI akan tahu: Jalan ini tidak boleh dilalui.

Yang menarik, di litar ini, bukan yang memiliki daya pengiraan paling kuat yang menang, bukan juga yang memiliki model paling besar yang menang.

Kuasa pengiraan boleh dibeli, tetapi data penyelidikan tidak boleh dibeli.

Pendiri dan CEO Jin Yongcheng dari Jindu Shengke menyatakan: "Dalam proses pengembangan, kami secara bertahap menyedari bahawa AI for BioScience bukan sekadar menghimpun model dan data. Bagi mereka yang melakukan eksperimen, masalah akhir yang perlu diselesaikan tetaplah kesukaran di mana setelah mengira, tidak tahu bagaimana melaksanakan, dan apabila dilaksanakan, hasilnya salah."

Ini adalah parit perlindungan paling penting dan paling sukar ditiru dalam laluan AI4S.

Pada tahun 2022, Kim Young-seong menghadapi satu pilihan pada saat beliau menerima gelar PhD dalam Kejuruteraan Biologi dari Universiti Oxford.

Pembimbingnya ialah Ahli Akademi Sains Diraja Britain dan pendiri Oxford Nanopore, syarikat berdaftar di Britain yang menjadi pemimpin dalam pengurutan generasi ketiga, Hagan Bayley, dengan tradisi yang kuat dalam "mewujudkan pencapaian" di laboratorium. Tinggal di Britain adalah jalan yang jelas.

Namun, dia memilih jalan lain—mengambil satu «teknologi prototaip» dari laboratorium, dimasukkan ke dalam koper, dan dibawa pulang ke negaranya. Bersamanya, terdapat tiga alumni Oxford: doktor biologi Deng Siwei, penyelidik bersama dari Sekolah Komputer Sha Lei (doktor komputer dari Universitas Peking, senior seangkatan Luo Fuli, pemimpin model besar Xiaomi), serta Zhou Tianyao yang mahir dalam pelaksanaan produk. Keempat orang ini memiliki latar belakang pengetahuan yang saling melengkapi dalam bidang rekayasa biologi, kecerdasan buatan, biologi komputasi, dan operasi perniagaan—semuanya penting dan tidak bisa diabaikan. Mereka pernah membentuk pasukan untuk menjalankan projek penyelidikan bersama, dengan menggabungkan AI dan teknologi transkriptomik untuk meramal dan mengesan penyakit. Keempat orang ini seperti kepingan puzzle yang saling melengkapi, mampu menyelesaikan penyelidikan disiplin yang sangat silang.

Nama syarikat ialah "Jin Du Sheng Ke". "Jin" diambil daripada Oxford, bermaksud mereka bermula dari puncak akademik seperti makmal terkemuka Oxford, manakala "Du" bermaksud membawa orang lain, yang merupakan titik akhir yang mereka percaya harus dicapai oleh AI for Science.

Sekarang, platform AI fizikal BioFord Agent milik Jin Du Sheng Ke telah dilaksanakan di beberapa universiti terkenal di dalam negara, dengan keberkesanan yang ketara, mengurangkan tempoh penyelidikan daripada beberapa bulan kepada seminggu.

Namun, memilih jalan yang belum pernah dilalui orang sebelumnya pasti disertai dengan kesepian.

Pada peringkat awal usaha, terdapat banyak cabaran. Pada masa itu, usaha berasaskan AI sedang melonjak, tetapi percubaan «AI+» dalam bidang sains biologi sangat sedikit. «Orang yang memahami AI mungkin tidak memahami sains biologi, dan kebanyakan orang yang memahami sains biologi tidak memahami AI.»

Kim Yeong-seong mengaku: "Pihak pelabur pernah tidak memahami apa yang kami lakukan."

Pasukan memilih jalan yang「paling sukar」: bermula dengan model besar asas biologi, jumlah syarikat di seluruh dunia yang bergerak dalam arah ini sangat sedikit.

Pada tahun 2025, terdapat perubahan.

Pada masa itu, Dewan Negara mengeluarkan "Pendapat tentang Pelaksanaan Mendalam Tindakan 'AI +'", di mana AI for Science disenaraikan di dalamnya, dan lintasan tersebut bermula berangin.

Jin Du Sheng Chu mencatatkan prestasi "menyelesaikan 4 putaran pendanaan dalam satu tahun". Garis masa pendanaan utama syarikat ini dianggap sebagai tolok ukur industri.

Malaikat + Putaran: Dipimpin oleh Seed Fund dari Sequoia Capital China;

Siri Pre-A+: Dipimpin oleh Chuangdong Investment dengan pelaburan berjumlah jutaan;

Siri Pre-A+: Menerima pelaburan berjumlah jutaan daripada Nanshan Zhanxin Investment;

Putaran A: Dipimpin oleh Gaotejia Investment dengan dana mendekati seratus juta yuan.

Teng Yuhang, Mitra Pelaksana Gao Tejia Investment, berkata: "Jindu Bioscience telah mengubah penyelidikan asas sains hayat menjadi infrastruktur 'kuasa pengiraan + eksperimen' yang boleh disewa dan boleh dikembangkan."

Dan matlamat Kim Young-sung lebih jauh lagi: “Kami tidak puas hanya menjual perisian; kami ingin membina sistem pengendalian pintar untuk bidang sains kehidupan. Seperti Intel yang mentakrifkan kuasa pengiraan pada era PC, kami ingin mentakrifkan paradigma baharu dalam penyelidikan sains kehidupan di era AI.”

Dari Oxford Laboratory ke Shenzhen, dari tiada yang memahami hingga mendapat sokongan modal terkemuka, kisah empat orang Oxford bukan sekadar legenda perniagaan, tetapi juga satu pertanyaan mendalam tentang “Apakah yang boleh kita lakukan untuk manusia?”

Apabila AI belajar untuk melakukan penyelidikan sendiri sepanjang malam, penemuan ilmiah mungkin tidak lagi bergantung pada inspirasi kebetulan daripada genius, tetapi menjadi sesuatu yang boleh diramalkan dan pasti. Jalan ini baru saja bermula.

Dalam peta AI untuk BioScience yang lebih luas, Jin Du tidak sendirian, tetapi titik masuknya sangat berbeza.

Kelas pertama ialah saintis AI digital.

Biomni yang diinkubasi oleh Stanford (telah dikomersialkan sebagai Phylo) memiliki lebih dari 150 alat profesional yang mampu mengotomatiskan tinjauan literatur, penghasilan hipotesis, dan analisis bioinformatik.

FutureHouse yang disokong oleh Eric Schmidt berusaha membina saintis AI yang mampu menghasilkan hipotesis dan menulis kertas kerja secara autonom.

Namun, walaupun kuat, ia masih terhad kepada dunia digital.

Kategori kedua ialah jalan autonomi penuh.

Jing Tai Technology telah melaburkan lebih daripada 300 stesen kerja secara global dengan pendekatan "AI + robot".

Lila Sciences, yang diinkubasi oleh Flagship Pioneering, mengumpulkan pendanaan sebesar US$5.5 bilion, berusaha membiarkan AI mengambil alih sepenuhnya rekabentuk, pelaksanaan, dan reka semula eksperimen, dengan matlamat mencapai "superintelejen sains".

Tetapi semua ini terlalu memakan banyak wang.

Kategori ketiga ialah laluan pengurusan end-to-end.

Insilico Medicine membawa AI secara langsung ke dalam saluran ubat inovatif sendiri, ubat AI pertama telah memasuki ujian klinikal fasa III, tetapi mereka adalah "pembina kereta" bukan "pembaik pulih jalan".

Pilihan Jin Du Sheng Ke ialah: fokus membina Harness fizikal, sebagai infrastruktur bagi "akhir perjalanan terakhir" antara model dan sistem eksperimen fizikal.

Tidak terlibat dalam persaingan dasar, tidak membuat saluran end-to-end, bukan ilmuwan AI dunia digital semata. Hanya fokus pada satu kilometer terakhir, jelas merupakan pendekatan yang lebih ringan.

Kim Yeong-seong menjelaskan dengan jelas penilaian ini: "Titik balik sejati untuk AI untuk Sains bukanlah sejauh mana model menjawab seperti saintis, tetapi sama ada makmal mula berfungsi seperti sistem yang terus belajar."

Selain itu, dalam bidang AI for Science global, Jindu bukan sekadar "hanya melakukan last mile".

Lebih tepatnya, ia memasuki last mile untuk memperjuangkan pengaturan keseluruhan alur kerja saintifik.

Berbanding dengan saintis AI semata-mata digital, ia mampu menyentuh dunia fizikal; berbanding dengan pablik sains beraset berat yang dibina sendiri, ia berpeluang mengambil alih makmal sedia ada pelanggan; berbanding dengan syarikat AI farmaseutikal end-to-end, ia tidak perlu mempertaruhkan nasibnya pada satu garis klinikal tertentu.

Garis pertahanan sebenarnya bukanlah jumlah parameter, tetapi jejak eksperimen yang terus-menerus dikumpulkan, antaramuka peralatan, pengalaman kegagalan, dan rangkaian pelaksanaan antar makmal.

Seperti yang dikatakan Kim Young-sung, ribuan laluan isyarat dan mekanisme reaksi yang tidak diketahui dalam badan hidup sangat menarik. "Seberapa kaya biologi, sebegitu indahnya prospek AI for Science."

Menggunakan kecerdasan AI untuk mengeksplorasi misteri kehidupan, lautan bintang kelompok pelajar terpilih Oxford ini baru sahaja bermula.

Artikel ini berasal daripada akaun微信公众号 "Sinaran AI", penulis: Sinaran AI; penyunting: Aeneas KingHZ