Mô hình AI sinh học Trung Quốc GeneLLM xuất hiện như 'DeepSeek sinh học'

DeepSeek Phiên bản chính thức V4-Flash vừa làm chấn động cộng đồng mô hình lớn phổ quát toàn cầu, ngay sau đó là Deepseek phiên bản khoa học sự sống Trung Quốc.

Gần đây, Jin Du Sheng Ke (được thành lập bởi 4 học giả xuất sắc trở về từ Đại học Oxford) đã tự phát triển mô hình lớn GeneLLM chuyên về khoa học sự sống, liên tiếp được công bố trên các tạp chí học thuật hàng đầu thế giới —《Nature Communications》và《Advanced Science》.

Là mô hình đa gen lớn đầu tiên trên thế giới được tiền huấn luyện bằng dữ liệu thô từ học gen, GeneLLM là mô hình quan trọng tiếp theo sau AlphaFold của Google và EVO 2 của Đại học Stanford, lấp đầy khoảng trống của các mô hình nền tảng khoa học sự sống Trung Quốc, xứng đáng được coi là phiên bản khoa học sự sống Trung Quốc của Deepseek, giúp AI bắt đầu hiểu nhiều “ngôn ngữ” và toàn bộ “hệ thống” của sự sống.

Việc nhận diện bệnh tật chỉ là một ứng dụng của GeneLLM; điều mà Jin Du Life Science thực sự muốn làm là xây dựng một “Claude Code” cho lĩnh vực khoa học sự sống.

ChatGPT, Claude, DeepSeek Lõi của các mô hình ngôn ngữ lớn là dự đoán token tiếp theo.

GeneLLM có tư tưởng tương tự, nhưng nó dự đoán không phải là văn bản, mà là thông tin sự sống.

Bốn bazơ trong chuỗi RNA—adenine (A), uracil (U), guanine (G), cytosine (C)—trở thành các Token cơ bản giúp GeneLLM hiểu ngôn ngữ của sự sống.

Phân tích sinh tin học truyền thống thường dựa vào ghi chú gen, căn chỉnh trình tự và nhãn do con người định nghĩa. Phương pháp này tuy chính xác nhưng có thể giới hạn phạm vi nhận thức của mô hình từ trước, đồng thời cũng có thể bỏ lỡ nhiều tín hiệu sinh học ẩn trong dữ liệu gốc.

GeneLLM đã đi một con đường khác, học trực tiếp các quy luật sự sống từ dữ liệu giải trình tự nguyên bản chưa qua xử lý.

Nó sử dụng dữ liệu thô từ nhiều học thuyết như RNA, proteome, metabolome làm dữ liệu huấn luyện để mô hình tự phát hiện các mô hình liên quan đến bệnh.

Hiện tại, GeneLLM đã hoàn thành quá trình tiền huấn luyện mô hình với 1,5 tỷ tham số và 3,5 nghìn tỷ chuỗi bazơ, phiên bản XLarge đạt được tiền huấn luyện mô hình với 30 tỷ tham số, liên tục mở rộng rào cản công nghệ.

Là mô hình đa omics được huấn luyện trước dựa trên dữ liệu giải trình tự nguyên bản đầu tiên trên toàn cầu, GeneLLM bao gồm hai giai đoạn:

(1) Tiền huấn luyện không giám sát và khai phá mẫu

(2) Tinh chỉnh bệnh ở cấp độ bệnh nhân (Disease Tuning)

GeneLLM trước tiên cần giải quyết một vấn đề:

Làm thế nào để chuyển đổi dữ liệu sự sống phức tạp thành ngôn ngữ mà AI có thể hiểu?

Trong xử lý ngôn ngữ tự nhiên, thuật toán BPE chia câu thành các Token; trong khi GeneLLM chia các đoạn trình tự RNA dài khoảng 150 bp thành các Life Token thông qua cửa sổ trượt gồm 7 nucleotide (7-mer).

Sau đó, mô hình sử dụng kiến trúc Transformer để dự đoán base tiếp theo mà không cần ghi chú gen hoặc nhãn thủ công.

Điều này có nghĩa là AI không bắt đầu bằng cách xem xét “từ điển” đã được con người sắp xếp sẵn, mà học trực tiếp từ các tín hiệu nguyên thủy của sự sống.

Trong quá trình huấn luyện, GeneLLM đã xử lý khoảng hàng chục nghìn tỷ RNA reads, được huấn luyện trên cụm GPU NVIDIA A100 với trăm card.

Tại đây, các khả năng tổng quát của GeneLLM bắt đầu "nổi lên".

Là một bước đột phá quan trọng trong lĩnh vực sinh học, mô hình sinh học nội địa GeneLLM có thể được ứng dụng trong nhiều lĩnh vực như phát triển thuốc mới, y học chính xác, sinh học tổng hợp, giám sát môi trường, vi sinh vật và nông nghiệp sinh học, thiết kế protein và phân tử, là một trong số ít mô hình lớn trên toàn cầu đã thực sự triển khai trong các tình huống thực tế.

Sau khi xem xét các sáng tạo nền tảng của GeneLLM trong các lĩnh vực như "dữ liệu, kiến trúc, đào tạo", chúng ta mới thực sự hiểu được: tại sao nó đại diện cho phiên bản sinh học của Trung Quốc DeepSeek 」.

Thung lũng Silicon đã xếp chồng hàng vạn con H100 để tạo ra các mô hình hàng nghìn tỷ tham số, DeepSeek Bằng cách cải tiến thuật toán để nâng cao hiệu suất tính toán, GeneLLM cũng dùng sức nhỏ điều khiển sức lớn, khai thác hàng tỷ dữ liệu khoa học sự sống.

Nếu AlphaFold giúp AI lần đầu tiên hiểu được "cấu trúc" của sự sống, EVO2 giúp AI bắt đầu hiểu được "mã code" của sự sống, thì GeneLLM cố gắng hiểu sâu hơn nữa về "hệ thống" của sự sống.

Điều đáng sợ hơn là hiệu suất. Các phương pháp truyền thống phụ thuộc vào giải trình tự độ sâu 6 Gb, chi phí cao và khó triển khai. GeneLLM vẫn duy trì AUC > 0,8 ở độ sâu cực kỳ nông 1 Gb (giảm 83% chi phí).

Điều này có nghĩa là việc hiện thực hóa y học chính xác phổ cập đang trở nên thực sự khả thi.

Một mô hình nghiên cứu mới đang nổi lên: để AI học từ dữ liệu sự sống, đưa khoa học sự sống vào giai đoạn mới có thể dự đoán, tính toán và khám phá quy mô lớn.

Nhưng sự bố trí của Jin Du Sheng Ke không chỉ dừng lại ở mô hình cơ sở.

Dựa trên nền tảng nhận thức sự sống GeneLLM, JinDu Bioscience tiếp tục xây dựng hệ thống thực thi kết nối trí tuệ nhân tạo với thế giới vật lý, thông qua lớp thực thi thí nghiệm thông minh Harness và vòng lặp dữ liệu DBTL (Thiết kế-Xây dựng-Thử nghiệm-Học hỏi), nhằm đạt được vòng lặp AI for Science hoàn chỉnh từ việc hiểu các quy luật sự sống, sinh ra giả thuyết khoa học, đến xác thực thí nghiệm tự động và tối ưu hóa liên tục.

Như Liam Fedus, cựu Phó Chủ tịch OpenAI và hiện là người phụ trách đào tạo, đã nói, các LLM hiện tại đã tiêu thụ hết lượng văn bản và mã nguồn hữu hạn trên internet, và những tiến bộ khoa học quan trọng tiếp theo sẽ phải dựa vào các vòng lặp thực nghiệm.

Nói cách khác, AI không thể chỉ dựa vào việc đọc những nội dung do con người viết ra để phát hiện kiến thức mới; nó phải tự mình thực hiện các thí nghiệm.

Nhưng vấn đề đặt ra là——

Dịch vụ internet vốn có API, thông tin mạng vốn là số hóa, nhưng thiết bị khoa học đến từ nhiều nhà sản xuất khác nhau, với các giao thức khác nhau, vừa phức tạp vừa đắt đỏ, không ai có thể phá bỏ và xây lại trong vài tháng.

Hôm nay, phần lớn các phòng thí nghiệm được thiết kế dành cho con người: bảng điều khiển thiết bị, thao tác pipet, trạng thái mẫu, phán đoán tại chỗ — hầu hết đều không được chuyển đổi thành tín hiệu có thể được máy hiểu.

AI bước vào phòng thí nghiệm, hiện nay không chỉ là vấn đề về khả năng mô hình, mà còn cần một hạ tầng mới.

Do đó, AI bước vào phòng thí nghiệm, hiện nay không chỉ là vấn đề năng lực mô hình, mà còn cần hệ thống phần cứng vật lý: biến phòng thí nghiệm thành một hệ thống có thể biên dịch, lập lịch, quan sát và truy xuất nguồn gốc.

Đây mới là chặng đường cuối cùng thực sự của AI4S.

For this, Jin Du developed a system called BioFord Harness.

Đây là một cơ sở hạ tầng kết nối AI với phòng thí nghiệm vật lý.

Họ không yêu cầu tay máy mô phỏng bàn tay con người, mà biến phòng thí nghiệm thành một hệ thống có thể biên dịch, lập lịch, quan sát và truy xuất nguồn gốc.

Trong quá trình này, physical Harness ít nhất phải hoàn thành ba việc:

1. Biên dịch ý định khoa học hoặc DSL thí nghiệm thành các lệnh mà các thiết bị khác nhau có thể thực thi;

2. Thực hiện quản lý lịch trình, tài nguyên và các ràng buộc bảo mật giữa nhiều thiết bị, đồng thời xử lý các sự cố;

3. Cho kết quả thí nghiệm, nhật ký thiết bị và thông số môi trường quay vòng trở lại làm đầu vào cho mô hình và thiết kế thí nghiệm tiếp theo.

Câu hỏi khoa học → AI hiểu → Kế hoạch thí nghiệm → Lập lịch thiết bị → Thực hiện → Dữ liệu quay vòng → Tối ưu hóa mô hình → Vòng tiếp theo.

Một vòng quay dữ liệu thí nghiệm khoa học đã được khởi động.

Năm tác nhân thông minh biến quy trình nghiên cứu khoa học thành dây chuyền sản xuất

Nền tảng nghiên cứu BioFord Agent, kết nối xuống lớp vật lý của phòng thí nghiệm, nâng đỡ lớp nhận thức của các nhà khoa học, và sử dụng AI vật lý để lấp đầy khoảng cách giữa suy luận và thực thi.

Ở cấp độ nhận thức, BioFord Agent bao gồm năm tác nhân tạo thành mạng lưới hợp tác, kết nối toàn bộ quy trình nghiên cứu khoa học sự sống, có thể tăng hiệu quả nghiên cứu lên nhiều lần.

Agent tìm kiếm tài liệu

Agent thiết kế thí nghiệm

Scientific Agent

Experimental Scheduler Agent

Agent phân tích dữ liệu

Ví dụ, tác nhân tìm kiếm tài liệu có thể nhanh chóng giúp bạn tìm kiếm và đọc hàng loạt tài liệu, hoàn thành tổng quan tài liệu và hỗ trợ đưa ra giả thuyết.

Agent thiết kế thí nghiệm giúp nhóm nghiên cứu rút ngắn chu kỳ thiết kế thí nghiệm từ vài tháng xuống còn một tuần.

Trong khi đó, Jin Du Sheng Ke đã ra mắt tác nhân lập lịch thí nghiệm, dựa trên lớp trừu tượng thiết bị phổ quát (Universal Instrument Abstraction Layer), phá vỡ rào cản giao thức giữa nhiều loại thiết bị phi đồng nhất.

Bất kể là máy PCR, máy đọc enzyme-linked immunosorbent assay, máy dòng tế bào hay trạm làm việc hút dịch tự động, đều có thể được quản lý và điều phối thống nhất. Hệ thống tích hợp thuật toán điều phối động, có thể lên lịch hàng loạt tự động, tránh xung đột theo thời gian thực và ghi lại toàn bộ tham số thí nghiệm, tạo thành chuỗi kiểm toán có thể truy xuất nguồn gốc.

Điều này có nghĩa là AI không còn dừng lại ở giai đoạn “đưa ra kế hoạch” mà thực sự bước vào phòng thí nghiệm, điều khiển thiết bị và thực hiện các nhiệm vụ, trở thành một “trợ lý nghiên cứu” đáng tin cậy.

Dữ liệu thất bại, có thể quý giá hơn cả dữ liệu thành công

Giá trị sâu xa hơn mà hệ thống này mang lại là: biến mỗi thí nghiệm—dù thành công hay thất bại—thành dữ liệu mà hệ thống có thể xử lý.

Trong phòng thí nghiệm truyền thống, một lần thất bại có thể chỉ ghi lại là một dòng “kết quả không như mong đợi”, kinh nghiệm tồn tại trong đầu con người, và khi người đó rời đi, kinh nghiệm cũng biến mất.

Trong hệ thống BioFord, mỗi lần thất bại đều là dữ liệu huấn luyện quý giá—logic lựa chọn tham số, ghi chép điều kiện môi trường, bằng chứng về các con đường sai lầm… tất cả đều được tích lũy, trở thành một phần “kinh nghiệm” của hệ thống.

Lần tới, AI sẽ biết: Con đường này không thông.

Điều đáng suy ngẫm là trong lĩnh vực này, người chiến thắng không phải là người có sức mạnh tính toán mạnh nhất, cũng không phải là người có mô hình lớn nhất.

Công suất tính toán có thể mua được, nhưng dữ liệu khoa học thì không thể mua được.

Kim Young-sung, người sáng lập và CEO của Jin Du Sheng Ke, cho biết: “Trong quá trình phát triển, chúng tôi dần nhận ra rằng AI for BioScience không đơn giản là tích lũy mô hình hay dữ liệu. Đối với những người làm thí nghiệm, vấn đề cuối cùng cần giải quyết vẫn là tình trạng tính toán xong nhưng không biết cách làm, hoặc làm rồi lại sai.”

Đây chính là hàng rào bảo vệ quan trọng nhất và khó bị sao chép nhất trong lĩnh vực AI4S.

Năm 2022, Kim Young-seong đối mặt với một sự lựa chọn ngay khi nhận bằng tiến sĩ sinh học kỹ thuật tại Đại học Oxford.

Giáo sư hướng dẫn của anh ấy là thành viên của Học viện Hoàng gia Anh, đồng thời là người sáng lập của Oxford Nanopore, công ty niêm yết tại Anh dẫn đầu trong lĩnh vực giải trình tự thế hệ thứ ba, và phòng thí nghiệm có truyền thống lâu đời trong việc hiện thực hóa các thành quả nghiên cứu. Ở lại Anh là một con đường rõ ràng và thuận lợi.

Nhưng anh ấy đã chọn một con đường khác—mang một “công nghệ nguyên mẫu” từ phòng thí nghiệm bỏ vào vali và mang về nước. Cùng đi với anh còn có ba cựu sinh viên Oxford: tiến sĩ sinh học Đặng Tư Vĩ, nghiên cứu viên phụ thuộc Học viện Máy tính Sa Lỗi (tiến sĩ máy tính Bắc Kinh, đồng môn với Lạc Phúc Lệ, người phụ trách mô hình lớn của Xiaomi), và Chu Thiên Dao, chuyên gia về hiện thực hóa sản phẩm. Bốn người này sở hữu nền tảng kiến thức liên quan đến kỹ thuật sinh học, trí tuệ nhân tạo, sinh học tính toán và vận hành thương mại, mỗi người đều không thể thiếu. Họ từng hợp tác trong các dự án nghiên cứu chung, kết hợp AI và công nghệ transcriptome để dự đoán và phát hiện bệnh. Bốn người như những mảnh ghép hoàn hảo bổ sung cho nhau, có thể thực hiện các nghiên cứu liên ngành ở mức độ cao.

Tên công ty là "Jin Du Sheng Ke", trong đó "Jin" lấy từ Oxford, mang ý nghĩa họ xuất phát từ những đỉnh cao học thuật như các phòng thí nghiệm hàng đầu của Oxford, còn "Du" nghĩa là cứu giúp người khác, đó là điểm đến mà họ cho rằng AI for Science nên hướng tới.

Hiện tại, nền tảng AI vật lý BioFord Agent của Jin Du Sheng Ke đã được triển khai tại một số trường đại học nổi tiếng trong nước, mang lại hiệu quả đáng kể, rút ngắn chu kỳ nghiên cứu từ vài tháng xuống còn một tuần.

Tuy nhiên, đi theo một con đường “chưa từng có tiền lệ” chắc chắn sẽ đi kèm với sự cô đơn.

Trong giai đoạn đầu khởi nghiệp, gặp vô vàn khó khăn. Lúc đó, khởi nghiệp AI đang sôi nổi, nhưng những nỗ lực “AI+” trong lĩnh vực khoa học sinh học lại cực kỳ hiếm hoi. “Người hiểu AI thì chưa chắc hiểu khoa học sinh học, còn người hiểu khoa học sinh học thì phần lớn không hiểu AI.”

Kim Young-sung admitted: "Investors once couldn't understand what we were doing."

Đội ngũ đã chọn một con đường “khó nhất”: xuất phát từ mô hình nền tảng sinh học, trên toàn cầu chỉ có một vài công ty theo hướng này.

Năm 2025, đã xuất hiện sự chuyển biến.

Lúc đó, Quốc vụ viện ban hành "Ý kiến về việc sâu sắc thực hiện hành động 'Trí tuệ nhân tạo +'", trong đó có AI for Science, khiến làn sóng ngành này bắt đầu thổi mạnh.

Jin Du Sheng Ke đã lập kỷ lục "hoàn thành 4 vòng gọi vốn trong một năm". Lịch sử huy động vốn chính của công ty được xem là tiêu chuẩn ngành.

Angel + Seed Round: Led by Sequoia Capital China Seed Fund;

Vòng Pre-A+: Nhận đầu tư dẫn đầu mức hàng chục triệu từ Chuangdong Investment;

Vòng Pre-A+: Nhận đầu tư hàng chục triệu nhân dân tệ từ Nam Sơn Chiến Tân Đầu tư;

Vòng A: Nhận vốn dẫn đầu gần 100 triệu nhân dân tệ từ Gao Te Jia Investment.

Đối tác điều hành của Gao Tejia Investment, Tằng Vũ Hàng, cho biết: “Jindu Life Science đã biến các nghiên cứu cơ bản về khoa học sự sống thành cơ sở hạ tầng ‘độ tính toán + thí nghiệm’ có thể đăng ký và mở rộng.”

Mục tiêu của Kim Young-sung còn xa hơn: “Chúng tôi không chỉ hài lòng với việc bán phần mềm, mà muốn xây dựng một hệ điều hành thông minh cho lĩnh vực khoa học sự sống. Giống như Intel đã định nghĩa sức mạnh tính toán trong thời đại PC, chúng tôi mong muốn định nghĩa một mô hình nghiên cứu mới cho khoa học sự sống trong thời đại AI.”

Từ Oxford Labs đến Thâm Quyến, từ việc không ai hiểu đến khi nhận được sự đầu tư lớn từ các quỹ vốn hàng đầu, câu chuyện của bốn người Oxford không chỉ là một huyền thoại khởi nghiệp, mà còn là một cuộc tự vấn sâu sắc về “Chúng ta có thể làm gì cho nhân loại?”

Khi AI học cách tự mình "thức trắng" để nghiên cứu, những phát hiện khoa học có thể không còn phụ thuộc vào cảm hứng ngẫu nhiên của thiên tài, mà trở thành điều tất yếu có thể dự đoán được. Con đường này, họ mới chỉ bắt đầu.

Trên bản đồ AI cho Khoa học Sinh học rộng lớn hơn, Jin Du không đơn độc, nhưng điểm tiếp cận hoàn toàn khác biệt.

Loại đầu tiên là các nhà khoa học AI về số.

Biomni được ươm tạo bởi Stanford (đã được thương mại hóa thành Phylo) sở hữu hơn 150 công cụ chuyên dụng, có thể tự động thực hiện tổng quan tài liệu, sinh ra giả thuyết và phân tích sinh tin học.

FutureHouse, được Eric Schmidt hỗ trợ, chuyên xây dựng các nhà khoa học AI có khả năng tự động đưa ra giả thuyết và viết bài luận.

Tuy nhiên, chúng dù mạnh mẽ nhưng vẫn bị giới hạn trong thế giới số.

Loại thứ hai là con đường tự chủ toàn diện.

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

Lila Sciences, được ươm tạo bởi Flagship Pioneering, huy động 5,5 tỷ USD nhằm mục tiêu để AI hoàn toàn đảm nhận việc thiết kế, thực hiện và tái thiết kế các thí nghiệm, với mục tiêu là "siêu trí tuệ khoa học".

But all of these are too expensive.

Loại thứ ba là tuyến đường quản lý end-to-end.

Insilico Medicine đã trực tiếp đẩy AI vào dòng sản phẩm thuốc sáng tạo của chính họ, loại thuốc đầu tiên do AI tạo ra đã bước vào giai đoạn lâm sàng III, nhưng họ là “người xây xe” chứ không phải “người sửa đường”.

Và lựa chọn của Jin Du Sheng Ke là: tập trung xây dựng cơ sở hạ tầng Harness vật lý, làm cầu nối giữa mô hình và hệ thống thí nghiệm thực tế trong "khúc đường cuối cùng".

Không tham gia cuộc đua về nền tảng, không xây dựng đường ống end-to-end, không trở thành nhà khoa học AI chỉ trong thế giới số thuần túy. Chỉ tập trung vào một kilômét cuối cùng, rõ ràng là một chiến lược nhẹ nhàng hơn.

Kim Young-seong đã nói rõ quan điểm này: “Điểm phân chia thực sự của AI for Science không phải là mô hình trả lời giống nhà khoa học đến đâu, mà là phòng thí nghiệm có thể bắt đầu hoạt động như một hệ thống học hỏi liên tục hay không.”

Hơn nữa, trong lĩnh vực AI for Science toàn cầu, Jindu không chỉ đơn giản là "làm khâu cuối cùng".

Nói chính xác hơn, nó lấy khâu cuối cùng làm điểm vào để tranh giành quyền sắp xếp toàn bộ quy trình nghiên cứu.

So sánh với các nhà khoa học AI thuần túy, nó có thể tiếp xúc với thế giới vật lý; so với việc tự xây dựng nhà máy khoa học vốn nặng nề, nó có cơ hội接管 các phòng thí nghiệm đã có của khách hàng; so với các công ty dược phẩm AI end-to-end, nó không cần đặt toàn bộ vận mệnh vào một đường lâm sàng duy nhất.

Sự bảo vệ thực sự của nó sẽ không phải là số lượng tham số, mà là các quỹ đạo thí nghiệm tích lũy liên tục, giao diện thiết bị, kinh nghiệm thất bại và mạng thực thi liên phòng thí nghiệm.

Như Kim Young-seong đã nói, hàng vạn con đường tín hiệu trong cơ thể sinh vật và các cơ chế phản ứng đầy bí ẩn thật sự hấp dẫn. “Biology phong phú bao nhiêu, triển vọng của AI for Science sẽ đẹp bấy nhiêu.”

Khám phá bí ẩn của sự sống bằng trí tuệ nhân tạo, hành trình thiên hà của nhóm sinh viên xuất sắc Oxford mới chỉ vừa bắt đầu.

Bài viết này đến từ tài khoản chính thức WeChat “New Intelligence Yuan”, tác giả: New Intelligence Yuan; biên tập: Aeneas KingHZ