O modelo chinês de inteligência artificial para ciências da vida, GeneLLM, surge como o "Biological DeepSeek"

DeepSeek A versão oficial do -V4-Flash acabou de revolucionar o cenário de modelos de linguagem gerais, e logo em seguida veio a versão chinesa de Deepseek para ciências da vida.

Recentemente, the Jin Du Sheng Ke (fundada por quatro estudantes brilhantes retornados da Universidade de Oxford) lançou seu modelo de linguagem especializado em ciências da vida, GeneLLM, que foi publicado consecutivamente nas revistas acadêmicas internacionais de alto nível — Nature Communications e Advanced Science.

Como o primeiro modelo de linguagem multigênoma do mundo a ser pré-treinado diretamente com dados brutos de omica, o GeneLLM é um modelo de grande impacto, seguindo o AlphaFold do Google e o EVO 2 da Universidade de Stanford, preenchendo a lacuna de modelos fundamentais de ciências da vida na China e sendo considerado a versão chinesa de Deepseek para ciências da vida, permitindo que a IA comece a compreender múltiplos "idiomas" e todo o "sistema" da vida.

A identificação de doenças é apenas uma aplicação do GeneLLM; o que a JinDu Life Science realmente deseja fazer é criar o "Claude Code" do campo da ciência da vida.

ChatGPT, Claude, DeepSeek O núcleo dos grandes modelos de linguagem é a previsão do próximo token.

O conceito do GeneLLM é semelhante, mas ele não prevê texto, e sim informações biológicas.

As quatro bases na sequência de RNA — adenina (A), uracila (U), guanina (G), citosina (C) — tornam-se os tokens básicos que permitem ao GeneLLM compreender a linguagem da vida.

A análise tradicional de bioinformática geralmente depende de anotação gênica, alinhamento de sequências e rótulos definidos manualmente. Embora esse método seja preciso, ele limita antecipadamente o escopo de conhecimento do modelo e também pode perder grandes quantidades de sinais biológicos desconhecidos ocultos nos dados brutos.

GeneLLM, por outro lado, segue um caminho diferente, aprendendo diretamente as leis da vida a partir de dados de sequenciamento brutos e não processados.

Ele utiliza dados brutos de multi-omics, como transcriptoma, proteoma e metaboloma, como dados de treinamento, permitindo que o modelo descubra automaticamente padrões relacionados a doenças.

Atualmente, o GeneLLM concluiu o pré-treinamento do modelo com 1,5 bilhão de parâmetros e 3,5 trilhões de sequências de bases; a versão XLarge alcançou o pré-treinamento do modelo com 30 bilhões de parâmetros, ampliando continuamente a barreira tecnológica.

Como o primeiro modelo de linguagem multigênomico treinado com dados de sequenciamento original em todo o mundo, o GeneLLM inclui duas fases:

(1) Pré-treinamento não supervisionado e mineração de protótipos

(2) Afinamento de doença em nível de paciente (Disease Tuning)

GeneLLM primeiro precisa resolver um problema:

Como transformar dados complexos da vida em uma linguagem que a IA possa entender?

No processamento de linguagem natural, o algoritmo BPE divide frases em tokens; já o GeneLLM divide fragmentos de sequenciamento de RNA de aproximadamente 150 pb em tokens da vida por meio de uma janela deslizante de 7 bases (7-mer).

Em seguida, o modelo utiliza a arquitetura Transformer para prever diretamente o próximo nucleotídeo, sem anotações genéticas nem rótulos manuais.

Isso significa que a IA não começa olhando para um “dicionário” organizado por humanos, mas sim aprende diretamente a partir dos sinais originais da vida.

Durante o treinamento, o GeneLLM processou aproximadamente dezenas de trilhões de reads de RNA, treinado em um cluster de cem GPUs NVIDIA A100.

Até agora, as capacidades de generalização do GeneLLM começaram a "emergir".

Como uma importante inovação no campo das ciências da vida, o modelo nacional GeneLLM pode ser aplicado em várias áreas, como desenvolvimento de novos medicamentos, medicina personalizada, biologia sintética, monitoramento ambiental, microbiologia e agricultura biológica, bem como design de proteínas e moléculas, sendo um dos poucos modelos de grande porte no mundo a alcançar implementação real em cenários práticos.

Após examinarmos as inovações fundamentais do GeneLLM em "dados, arquitetura, treinamento", conseguimos compreender verdadeiramente: por que ele representa a versão "biológica" da China DeepSeek ».

Silicon Valley empilhou dezenas de milhares de H100 para construir modelos de trilhões de parâmetros, DeepSeek Com inovação algorítmica para aumentar a eficiência do poder de processamento, o GeneLLM também desloca com leveza montanhas, movendo bilhões de dados da ciência da vida.

Se AlphaFold permitiu que a IA compreendesse pela primeira vez a "estrutura" da vida, e o EVO2 fez com que a IA começasse a entender o "código" da vida, então o GeneLLM tenta compreender ainda mais o "sistema" da vida.

Mais impressionante ainda é a eficiência. Os métodos tradicionais dependem de sequenciamento profundo de 6 Gb, com custos elevados e dificuldade de implementação. O GeneLLM mantém uma AUC > 0,8 mesmo com um sequenciamento extremamente raso de 1 Gb (redução de custo de 83%).

Isso significa que tornar a medicina precisa acessível a todos finalmente se torna possível.

Um novo paradigma de pesquisa está surgindo: permitir que a IA aprenda com dados biológicos, levando as ciências da vida para uma nova fase de previsibilidade, computabilidade e exploração em escala.

Mas o planejamento da JinDu Shengke não se limita ao modelo básico.

Com o modelo multimodal GeneLLM como base para o entendimento da vida, a JinDu Bioscience construiu um sistema de execução que conecta a inteligência artificial ao mundo físico, utilizando a camada de execução experimental inteligente Harness e o ciclo de dados DBTL (Design-Build-Test-Learn) para realizar um ciclo completo de AI for Science, desde a compreensão das leis da vida e a geração de hipóteses científicas até a validação automatizada de experimentos e otimização contínua.

Conforme mencionado por Liam Fedus, ex-VP da OpenAI e líder de pós-treinamento, os atuais LLMs já esgotaram os textos e códigos limitados disponíveis na internet, e os próximos avanços significativos na descoberta científica dependerão de iterações experimentais.

Ou seja, não se pode descobrir novos conhecimentos apenas lendo o que os humanos já escreveram; a IA precisa fazer experimentos por conta própria.

Agora surge a questão—

Os serviços da internet têm API por natureza, e as informações da web são intrinsicamente digitais, mas os equipamentos de pesquisa vêm de diferentes fabricantes, com protocolos variados, sendo complexos e caros — ninguém pode derrubar e reconstruir tudo em poucos meses.

Hoje, a maioria dos laboratórios é projetada para humanos: painéis de instrumentos, movimentos de pipetagem, estado das amostras e julgamentos em tempo real, a maioria absoluta não se tornou sinais compreensíveis por máquinas.

A IA entrou no laboratório; agora não se trata apenas da capacidade dos modelos, mas também de uma nova infraestrutura.

Portanto, a IA entrou no laboratório, e agora não se trata apenas da capacidade dos modelos, mas também de um hardware físico: transformar o laboratório em um sistema compilável, agendável, observável e rastreável.

This is the real last mile of AI4S.

Para isso, Jin Du desenvolveu um sistema chamado BioFord Harness.

Esta é uma infraestrutura que conecta IA e laboratórios físicos.

Eles não estão fazendo o braço robótico imitar a mão humana, mas sim transformando o laboratório em um sistema programável, agendável, observável e rastreável.

Nesse processo, o harness físico deve realizar pelo menos três coisas:

1. Compilar a intenção científica ou o DSL experimental em instruções executáveis por diferentes dispositivos;

2. Realizar o gerenciamento de agendamento, recursos e restrições de segurança entre múltiplos dispositivos e tratar exceções;

3. Faça os resultados dos experimentos, os logs dos dispositivos e os parâmetros ambientais retornarem como entrada para o próximo modelo e design experimental.

Questão científica → Compreensão da IA → Plano experimental → Agendamento de equipamentos → Execução → Retorno de dados → Otimização do modelo → Próxima rodada.

Uma roda de inércia de dados de experimentos científicos foi assim iniciada.

Cinco agentes inteligentes transformam o processo de pesquisa em uma linha de produção

A plataforma de pesquisa de inteligência embodiada BioFord conecta-se abaixo à camada física do laboratório, sustenta a camada cognitiva dos cientistas e conecta a lacuna entre raciocínio e execução por meio de IA física.

Na camada cognitiva, o BioFord Agent é composto por uma rede colaborativa de cinco agentes que integram todo o fluxo de trabalho da pesquisa life science, aumentando a eficiência científica em várias vezes.

Agente de busca bibliográfica

Agente de design experimental

Agentes de inteligência científica

Agente de agendamento de experimentos

Agente de análise de dados

Por exemplo, um agente de busca bibliográfica pode rapidamente ajudá-lo a pesquisar e ler uma grande quantidade de artigos, realizar uma revisão da literatura e auxiliar na formulação de hipóteses.

O agente de design experimental reduziu o ciclo de design de experimentos de meses para uma semana para a equipe de pesquisa.

O agente de agendamento de experimentos lançado pela Jin Du Sheng Ke supera as barreiras de protocolo entre diversos tipos de dispositivos heterogêneos, baseando-se na Camada Abstrata Universal de Instrumentos (Universal Instrument Abstraction Layer).

Tanto os termocicladores, microplacas leitoras, citômetros de fluxo quanto estações de trabalho de pipetagem automatizada podem ser unificados e gerenciados centralmente. O sistema possui um algoritmo de agendamento dinâmico integrado que permite agendamento em lote automático, evita conflitos em tempo real e registra integralmente os parâmetros experimentais, formando uma cadeia de auditoria rastreável.

Isso significa que a IA não se limita mais à fase de “providenciar estratégias”, mas realmente entra no laboratório, opera equipamentos e executa tarefas, tornando-se um “assistente de pesquisa” confiável.

Dados de falha podem ser mais valiosos do que dados de sucesso

O valor mais profundo que este sistema resolve é transformar cada experimento — seja bem-sucedido ou não — em dados que o sistema possa processar.

Em laboratórios tradicionais, um registro de falha pode ser apenas uma linha dizendo “resultado não esperado”, e a experiência reside na mente das pessoas; quando elas vão embora, a experiência também se perde.

No sistema BioFord, cada falha é um valioso conjunto de dados de treinamento — a lógica de seleção de parâmetros, o registro das condições ambientais, a prova de caminhos errados... tudo se acumula, tornando-se parte da "experiência" do sistema.

Na próxima vez, a IA saberá: este caminho não leva a lugar nenhum.

Curiosamente, nesse setor, não é o que tem a maior potência de cálculo que vence, nem o que tem o modelo mais robusto.

A capacidade de mineração pode ser comprada, mas os dados científicos não podem.

O fundador e CEO da JinDu Shengke, Kim Young-seong, disse: "Durante o processo de desenvolvimento, gradualmente percebemos que AI for BioScience não se trata simplesmente de acumular modelos e dados. Para quem realiza experimentos, a questão final a ser resolvida continua sendo o dilema de não saber como fazer após o cálculo, ou fazer errado mesmo após realizar o experimento."

This is the most important and hardest-to-replicate moat in the AI4S赛道.

Em 2022, Kim Young-seong enfrentou uma escolha no momento em que obteve o doutorado em engenharia biomédica da Universidade de Oxford.

Seu orientador é Hagan Bayley, membro da Royal Society britânica e fundador da Oxford Nanopore, empresa britânica líder em terceira geração de sequenciamento, com uma tradição profunda de "conversão de resultados em aplicações práticas". Ficar no Reino Unido é um caminho claro e tranquilo.

Mas ele escolheu outro caminho — pegar um “tecnologia protótipo” do laboratório, colocá-la na mala e trazê-la de volta para casa. Ele estava acompanhado por três ex-colegas de Oxford: o doutor em biologia Deng Siwei, o pesquisador associado da Escola de Informática Sha Lei (doutor em informática pela Universidade de Pequim e colega de laboratório de Luo Fuli, responsável pelo grande modelo da Xiaomi), e Zhou Tianyao, especialista em implementação de produtos. Os quatro possuíam conhecimentos complementares em engenharia biológica, inteligência artificial, biologia computacional e operações comerciais, todos essenciais. Eles já haviam formado uma equipe para realizar projetos de pesquisa conjunta, combinando IA e tecnologia de transcriptoma para prever e detectar doenças. Os quatro se encaixavam como peças de um quebra-cabeça, capazes de realizar pesquisas altamente interdisciplinares.

O nome da empresa, "Jin Du Sheng Ke", utiliza "Jin" em referência a Oxford, simbolizando que eles partem de altos patamares acadêmicos, como os laboratórios de ponta de Oxford. "Du" significa ajudar os outros, o que eles consideram o ponto final a ser alcançado pelo AI for Science.

Atualmente, a plataforma física de IA para pesquisa científica BioFord Agent da Jin Du Sheng Ke já foi implementada em algumas universidades renomadas do país, com resultados significativos, reduzindo o ciclo de pesquisa de vários meses para uma semana.

No entanto, trilhar um caminho "sem precedentes"必然伴随着孤独。

No início do empreendimento, os desafios eram grandes. Na época, o empreendedorismo em IA estava em pleno boom, mas as tentativas de “IA +” na área da ciência biológica eram quase inexistente. “Quem entende de IA nem sempre entende de ciência biológica, e a maioria dos que entendem de ciência biológica não entende de IA.”

Kim Yeong-seong admitiu: "Os investidores inicialmente não conseguiam entender o que estávamos fazendo."

A equipe escolheu o caminho «mais difícil»: começar com modelos fundamentais de biologia, sendo que poucas empresas no mundo atuam nessa direção.

Em 2025, houve uma mudança de rumo.

Na época, o Conselho de Estado emitiu a "Opinião sobre a Implementação Profunda da Ação 'Inteligência Artificial +'", incluindo AI for Science, e o setor começou a ganhar impulso.

Jindu Shengke registrou o feito de "concluir quatro rodadas de financiamento em um ano". A linha do tempo principal de financiamento da empresa é considerada uma referência do setor.

Rodada anjo: liderada pelo fundo semente Sequoia Capital China;

Rodada Pré-A+: liderada pelo investimento de milhões da Chuangdongfang Ventures;

Rodada Pré-A+: recebeu investimento de milhões da Nanshan Zhanxin Investment;

Rodada A: liderada por Gao Te Jia Investment com近亿元.

O sócio executivo da Gaojia Investment, Teng Yuhang, declarou: "Jindu Life Science transformou a pesquisa básica em ciências da vida em uma infraestrutura 'computação + experimento' assinável e escalável."

E o objetivo de Kim Young-sung é ainda mais ambicioso: “Não nos contentamos em vender software; queremos construir um sistema operacional inteligente para a área das ciências da vida. Assim como a Intel definiu a computação na era do PC, queremos definir um novo paradigma de pesquisa nas ciências da vida na era da IA.”

Da Universidade de Oxford a Shenzhen, da incompreensão ao apoio de capital de ponta, a história de quatro oxfordianos é mais do que uma lenda empreendedora — é uma questionamento profundo sobre “o que podemos fazer pela humanidade”.

Quando a IA aprender a fazer pesquisa sozinha "até de madrugada", as descobertas científicas talvez não dependam mais da inspiração acidental dos gênios, mas se tornem algo previsível e inevitável. Eles acabaram de começar nesse caminho.

No mapa maior da IA para BioScience, Jin Du não está sozinho, mas o ponto de entrada é completamente diferente.

Primeiro grupo: cientistas de IA digitais.

A Biomni, incubada pela Stanford (comercializada como Phylo), possui mais de 150 ferramentas profissionais que automatizam revisões literárias, geração de hipóteses e análise bioinformática.

A FutureHouse, apoiada por Eric Schmidt, dedica-se à construção de cientistas AI capazes de gerar hipóteses e escrever artigos de forma autônoma.

No entanto, embora poderosas, ainda estão limitadas ao mundo digital.

Segunda categoria: abordagem full-stack autônoma.

Jingtai Technology has deployed over 300 workstations globally with "AI + Robotics".

A Lila Sciences, incubada pela Flagship Pioneering, arrecadou US$ 5,5 bilhões em financiamento, buscando permitir que a IA assuma totalmente o design, a execução e o redesenho de experimentos, com o objetivo de criar uma “superinteligência científica”.

Mas tudo isso é muito caro.

A terceira categoria é a rota de linha end-to-end.

Insilico Medicine está levando diretamente a IA para sua própria linha de medicamentos inovadores; o primeiro medicamento baseado em IA já entrou na fase III de ensaios clínicos, mas eles são "construtores de carros", não "reparadores de estradas".

A escolha da Jin Du Sheng Ke é: concentrar-se na construção de um harness físico, atuando como infraestrutura para o "último quilômetro" entre modelos e sistemas experimentais físicos.

Não competir em base, não construir pipeline end-to-end, não ser cientista de IA apenas no mundo digital. Focar apenas nesse último quilômetro é, sem dúvida, uma abordagem muito mais leve.

Kim Yeong-seong explicou claramente esse julgamento: "O verdadeiro ponto de virada para AI for Science não é o modelo responder como um cientista, mas sim se o laboratório pode começar a funcionar como um sistema de aprendizado contínuo."

Além disso, no cenário global de AI for Science, Jindu não se limita simplesmente a “fazer apenas os últimos quilômetros”.

Mais precisamente, ele entra pelo último quilômetro, disputando o controle de toda a cadeia de fluxo de pesquisa.

Em comparação com cientistas de IA puramente digitais, ele pode interagir com o mundo físico; em comparação com fábricas científicas de ativos pesados construídas por conta própria, ele tem a oportunidade de assumir laboratórios já existentes dos clientes; em comparação com empresas de IA farmacêutica end-to-end, ele não precisa apostar seu futuro em uma única linha clínica.

Sua verdadeira vantagem competitiva não será o número de parâmetros, mas sim a acumulação contínua de trajetórias experimentais, interfaces de equipamentos, experiências com falhas e redes de execução entre laboratórios.

Como Jin Yeong-seong mencionou, as dezenas de milhares de vias de sinalização no corpo biológico e os mecanismos reativos ainda desconhecidos são fascinantes. "Quão rica a biologia for, mais belo será o futuro da IA para a Ciência."

Explorando os mistérios da vida com a inteligência da IA, o universo destes estudantes de Oxford acaba de começar.

Este artigo é do canal oficial do WeChat "Nova Inteligência", autor: Nova Inteligência; editor: Aeneas KingHZ