AI数字生物体由多尺度基础模型整合而成，可在从分子到个体的各层次上安全、廉价、高通量地预测、模拟和编程生命。

生物学是医学、药学、公共卫生和长寿研究的核心。然而在现实世界中，生物学往往过于复杂而难以操控，改动生命系统既昂贵又充满风险。这种矛盾催生了一个新构想：用人工智能在数字世界里建模和模拟生物学，乃至整个生命。

生物学天然是一个多尺度系统。从核苷酸、RNA、蛋白质等分子，到细胞、组织、器官，再到个体，每个层次都在相互连接中运转。近年来，AI基础模型已渗透到其中许多层面。在基因组层面，Nucleotide Transformer、HyenaDNA、Evo等模型实现了从分子到基因组尺度的序列建模与设计；在转录层面，出现了覆盖多种人类细胞类型的转录基础模型；在RNA层面，有预测结构与功能的模型，也有面向mRNA疫苗设计的CodonBERT；在蛋白质层面，AlphaFold能高精度预测蛋白质结构和生物分子相互作用，ESM、ProGen2、xTrimoPGLM等模型则能理解甚至生成蛋白质序列；在单细胞层面，scGPT、scLong等模型用于解析单细胞转录组，其中scLong的参数规模已达10亿。此外，BioGPT面向生物医学文本，SAM面向医学图像分割。这些模型在各自尺度上表现出色，但彼此孤立，难以反映真实生物体跨尺度的连通性与复杂性。把散落在各尺度的模型整合起来，正是需要解决的问题。

核心构想是构建一个AI驱动的数字生物体，简称AIDO。它是一套整合了多尺度基础模型的系统，以模块化、可连接、整体化的方式搭建，构成对生物学的多尺度计算表征：每个层次的模型对应真实生物体的一个尺度。从分子到细胞再到个体，AIDO都能用于预测、模拟和编程生物学，疾病的发生发展、药物的作用效果都可以在其中得到模拟。在数字世界里研究生命，可以避免直接改动真实生物体带来的风险，也让许多在现实条件下难以进行的尝试成为可能。真实实验既昂贵又伴随风险，能尝试的方案有限；AIDO则支持高通量运行，能快速完成大量模拟和筛选，再让湿实验聚焦于最有希望的候选，从而减少盲目试错。

构建AIDO需要经过3个阶段，并遵循把不同数据模态与不同尺度整合进统一系统的原则。不同模态的数据与不同尺度的模型需要相互连接、按需调用，才能作为一个整体协同工作。这一构想借鉴了语言与图像领域的基础模型技术，预训练、对比学习等方法最初正来自BERT、GPT、CLIP等开创性工作。AIDO有望引发新一轮由模型更好指导的湿实验，以及更有依据的第一性原理推理，即从最基本的规律出发理解生命现象。对医学、药学、公共卫生和长寿研究而言，这有望带来更低的门槛与更快的进展。最终，它可能帮助人类更好地解码生命，进而改善生命。

原文：https://www.nature.com/articles/s41591-026-04595-0