过去两年，AI进入生命科学的速度明显加快。
从蛋白质结构预测，到分子生成、靶点发现，再到越来越多科技公司开始讨论“生物学世界模型”，一个变化正在发生：AI与生命科学的结合，正在从解决单点任务，走向对生命系统本身的建模。
但模型越来越大之后，一个新的问题也随之出现——生命世界模型究竟应该运行在什么样的基础设施之上？
10月18日，在深圳举行的2026 CCF全国高性能计算学术大会（HPC China 2026）上，哲源科技发布了计算医学平台WHIRLPO。
相比于再发布一个模型，WHIRLPO选择从更底层的工程问题切入：把算力、生命数据、模型、科学工具、Agent以及实验验证连接起来，试图为生命世界模型建立一套完整的工程基础设施。
这可能也是AI进入生命科学深水区之后，一个越来越重要的问题。
AI制药的瓶颈，正在从“有没有模型”转向“能不能形成体系”
过去几年，AI在药物研发领域最典型的应用，是把某一个步骤做得更快。
比如更快预测蛋白质结构，更快筛选候选分子，更快分析组学数据。
但生命科学的特殊之处在于，单点效率提升，并不一定能够直接转换成产业结果。
一个候选靶点最终是否有效，需要穿过基因、蛋白、细胞、组织、疾病表型乃至临床患者多个尺度；一个药物是否能够真正产生临床价值，也远远不是分子结构本身可以决定的。
这也是为什么，AI进入生命科学之后，越来越多研究开始从“生成一个答案”，走向“建立一个可以理解和推演生命系统的模型”。
哲源科技给这个模型起了个名字，称为“生命世界模型”。
简单来说，大语言模型试图学习语言之间的关系，物理世界模型试图学习物理世界的运行规律，而生命世界模型希望学习的是基因、细胞、组织、疾病和个体之间高度复杂的生物学机制。
这意味着，其复杂程度也远高于传统单任务AI模型。
生命数据天然具有跨模态、跨尺度的特点。一端是基因组、蛋白组、单细胞、空间转录组等海量数据，另一端则是疾病表型、临床数据以及真实世界数据。
随着模型从十亿、百亿参数向更大规模演进，训练效率、数据治理、工具调用、实验验证，实际上开始成为和算法本身同等重要的问题。
换句话说，生命世界模型真正走向产业，需要的不只是一个“大模型”，而是一整套工程系统。
WHIRLPO想解决的，正是这个问题。
WHIRLPO更像是生命科学领域的“AI Infra”
从定位来看，WHIRLPO并不是一个单独的AI模型，而是一套围绕生命世界模型构建的计算医学基础设施。
哲源科技将平台能力拆成四个部分。
第一层是模型训练。
生命科学模型存在大量稀疏计算、小粒度通信和不规则张量等问题，传统面向大语言模型设计的训练框架并不能直接解决全部问题。WHIRLPO因此针对底层算子、通信库和异构硬件进行优化，目前端到端计算性能最高可提升一倍。
第二层是数据。
相比于互联网语料，生命数据的治理门槛明显更高。数据不仅来源复杂，而且需要解决标准化、脱敏、权限和科学标注问题。
目前WHIRLPO已经沉淀29244项生命科学数据资源，并形成51个标准数据集，覆盖肿瘤、罕见病、代谢疾病和神经退行性疾病等多个领域。
这实际上构成了生命世界模型最重要的一类“燃料”。
第三层则是把模型真正放进业务。
在药物研发这样的专业场景中，一个模型通常无法独立完成任务。
靶点发现可能同时需要文献检索、组学分析、信号通路计算、患者分层以及专业科学工具调用。因此，WHIRLPO将生命世界模型、通用模型、Skill以及Agent组合成端到端业务流程。
目前，平台可以在7天内构建一套新的业务流程。
第四层是更具长期价值的一环——实验验证。
这是生命科学与很多AI应用最大的不同：模型最终必须回到真实生物体系中接受验证。
WHIRLPO正在进一步连接湿实验体系，希望让模型提出假设、实验验证结果、数据重新进入模型这一链条持续运转。
从这个角度看，WHIRLPO真正试图建立的，并不是一个静态的软件平台，而是一套不断积累数据、认知和研发资产的工程体系。
平台的商业价值，最终要看能否持续产生“资产”
对于AI基础设施而言，最核心的问题始终不是参数，而是最终能够产出什么。
目前，哲源科技已经基于平台储备超过200个潜在靶点，并有多条创新药物管线进入研发，其中已有创新药进入临床阶段。
未来，其计划围绕肿瘤、心脑血管、精神、神经、免疫、代谢、衰老七大复杂疾病展开系统性攻关，并进一步沉淀药物、早筛早诊、精准诊疗以及健康管理等IP资产。
这其实揭示了WHIRLPO背后的商业逻辑。
传统AI软件的价值往往来自软件授权或者算力服务，而计算医学平台的价值可能来自更长的链条：模型产生洞见，洞见进入研发，研发形成IP，IP最终进入药物、诊断和临床场景。
如果这一链条成立，其价值天花板显然不只是软件市场，而是向整个生命健康产业延伸。
这也是哲源科技强调“基础设施”定位的重要原因。
生命科学的AI竞争，正在向更底层迁移
今天讨论AI与生命科学，行业关注点正在发生变化。
早期大家比的是谁能够做出更好的算法，后来开始比模型、数据和算力。而随着生命世界模型逐步走向复杂化，下一阶段的竞争可能会进一步延伸到工程体系：谁能够让数据更快沉淀、模型更快训练、任务更快组织、实验更快验证，并最终稳定产生可以进入产业的结果。
某种程度上，这与大模型产业过去几年的演进非常相似。
当模型能力逐步提升，真正决定产业规模的往往不只是模型本身，而是围绕模型建立起来的基础设施和生态。
生命科学可能也正在走到这一阶段。
随着计算医学首次被写入医药工业发展“十五五”规划，AI与生命科学的结合，也正在从一种技术趋势变成更明确的产业方向。
对于哲源科技而言，WHIRLPO的意义也因此不只是发布一个平台。
它更像是在押注一个判断：当生命世界模型成为理解疾病和生命的新工具之后，支撑这些模型持续进化的计算医学基础设施，有可能成为下一代生命科学产业的重要底座。
而这场竞争，才刚刚开始。