“君有疾在腠理，不治将恐深”，这是扁鹊和蔡桓公最著名的故事。由于蔡桓公的不以为意，哪怕扁鹊一次次提醒其病入肌肤、肠胃，蔡桓公都置之不理，不久，病入骨髓，蔡桓公不治而亡。
在寓言故事中，洞察疾病的发生和发展情况，是神医才具备的能力，而这项能力在未来有可能被一项技术所普及，这就是世界模型。
DeepMind的联合创始人兼CEO德米斯·哈萨比斯曾不止一次向外界表示，AlphaFold只是证明AI能用于科学研究的“第一个例子”。他不满足于单纯预测静态的蛋白质结构，认为未来的方向在于用世界模型真正模拟生命，从一条信号通路，到一个细胞，一整个器官，乃至一个完整的生命体。
马克·扎克伯格夫妇同样对这一新领域兴趣十足，他们共同创立的非营利研究机构Biohub推出了一款蛋白质生物学世界模型，模拟并预测蛋白质的结构，以加速药物研发。
虽然这一领域的研究才刚刚开始，但已经被赋予了足够多的想象力，无论是专属于每个人的精准医疗模型，还是能预测病情发展的疾病模型，能够推演细胞内生命活动的细胞模型等等，世界模型在生物中的应用都有可能深刻改变医疗、药物研发等过程，甚至可能颠覆传统的科研工作方式。
01 为什么要用世界模型来模拟生命？
你有没有发现，我们现有的大部分医疗检测手段，本质上都是静态的。无论是CT、超声、生化检测，还是基因测序，本质都是对生命某一时刻的记录。
但疾病的发展是一个时刻变化的过程。
一个癌细胞，从基因突变开始，要经历免疫逃逸、血管生成，最终形成转移；阿尔茨海默症的变化，甚至可能在症状出现之前十几年便已显露端倪。现实中的疾病，更像一部电影，而传统的诊疗手段以及AI辅助手段，只能让我们看到其中的一帧。根据某一时刻的结果对全貌做出判断，无异于刻舟求剑。
而对于这样动态的生物过程，其实是世界模型最自然的应用场景。不只因为其时空连续性，还因为人体是一个巨大而又精密的复杂系统。从基因、蛋白质、细胞，到组织、器官，再到整个生命系统，无数尺度相互耦合，构成了一个庞大的动态网络。
世界模型不仅能综合这些维度，模拟人体健康情况，疾病的发展，更重要的是能够与物理世界的动作相结合。
医疗诊断最终都要转变为某种治疗行为，是否用药、是否手术、是否继续观察等。世界模型可以帮助解决这些关键问题：如果我们采取这一治疗措施，可能发生什么？如果换一种做法，又会如何？
世界模型不仅仅在医疗的维度模拟整个人体，它在生命的不同维度各有应用。
从个体的维度看，世界模型可以构建人的专属病历档案。
现代医学面临的一大痛点是，临床试验得到的最佳方案，是群体的平均最优解，而非个体的最优解。同一套治疗方案，对体质、基因、病程不同的患者，效果天差地别。而世界模型可以通过反事实推演，能针对同一患者模拟无数种治疗路径，找到适配个体的药物剂量、给药周期、联合疗法，真正实现N-of-1的精准医疗。
世界模型还可以用于疾病发展情况和治疗手段的评估。美国AI医疗公司NOETIK开发了世界模型OCTO（肿瘤反事实治疗预言机），获取了数千名患者肿瘤样本数据，捕捉了多尺度、数亿个细胞中复杂的分子驱动因素和肿瘤免疫相互作用，不仅可以评估治疗方案，还可以作为药物研发的模拟器。
此外，重症监护室是世界模型应用的绝佳场景。患者通过多种监测设备产生海量数据，世界模型可以理解不同生理系统之间复杂的相互作用，识别出人类临床医生可能忽略的细微早期预警信号。
未来，手术机器人更多应用于临床治疗中时，世界模型生成的数据还可以帮助手术机器人生成轨迹，而机器人所获得的数据也能反哺世界模型的优化。
从器官的维度看，可以创造类器官世界模型。
实验动物与人类细胞存在着巨大差异，这让实验结果并不能直接迁移至人类，于是人们开始在培养皿里用干细胞培养出“迷你器官”用于实验研究。但问题是，这种类器官制作成本高、周期长，培育一批往往需要数周乃至数月，耗材也十分昂贵，针对它的实验测量手段（如切片、染色）往往是破坏性的，无法针对同一个体持续追踪，也很难同时测量所有影响维度。
而世界模型一方面可以在不干扰样本生长的情况下，了解其内部的发育过程，并能够模拟在施加不同培养条件的情况下，类器官会发生什么变化，而不用重新花时间培养。另一方面，复杂系统分析是世界模型的拿手项目，可以更完整地评估其影响因素。
从细胞的维度看，可以构建虚拟细胞，探索更微观层面的蛋白质、基因的动态演变。
我们所有的疾病，药物作用最后都可以追溯到细胞发生的状态变化，而人类却始终缺少对细胞动态变化的系统性理解。而虚拟细胞提供的模拟和预演能力，无疑将加快对细胞中基础生命奥秘的探索。
扎克伯格夫妇联合创立的非营利研究所Biohub长期关注虚拟细胞的构建，于2026年5月发布了蛋白质结构预测模型ESMFold2及其配套的数据库ESM Atlas。数据库中包含了11亿个预测的蛋白质结构和68亿个蛋白质序列，规模远超谷歌的AlphaFold数据库，且该模型和数据库完全开源且不限制商业使用。
中国团队百曜科技研发的CellOS率先将JEPA引入虚拟细胞的研究，它在隐空间利用模型提供的互补表征进行预测和对齐。具体而言，该模型采用双视角机制评估基因信息：一方面直接观测基因的表达量高低，另一方面，观测该基因在调控中的重要性和特殊性，这可以避免忽视表达量较低但起到重要作用的基因，让模型更好地获取细胞本质规律，去除噪声。
而另一个中国公司英灵殿研发了全模态分子世界模型AlloDesign，该模型将蛋白质、DNA、RNA、小分子等不同生命分子纳入统一生成框架，从而理解不同分子之间如何相互作用，并进一步生成具有特定功能的新分子。
未来，世界模型不仅有可能颠覆过往的诊疗模式，还可能顺带颠覆科学发现长期以来的固定研究范式。
过去，科学研究高度依赖提出问题—实验验证—得出结论的线性流程，如今，借助世界模型，原本复杂且沉重的现实演练得以上传至云端，冗长的试错与验证过程被大幅压缩，降低了时间、人力与资金成本。物理世界的真实实验正逐渐退居幕后，成为最终结果的确认环节。
长久以来，实验操作始终是科研工作的核心环节。然而，随着虚拟实验室的兴起，科研的关注点或将面临历史性的转移。在虚拟环境中，实验严格遵循标准化规程执行，彻底排除了人为误差、样本污染及外部环境干扰等不确定因素。
同样的情景在许多AI for science领域都在上演，物理、数学、材料等，繁冗的实验和基础计算将被大幅转移至云端。有人说，未来数学家的角色可能更像博物馆的策展人，AI在证明和解释方面可以做得更好，但依然需要人的导航。
生物医疗领域也是一样，人类先为其指出一个方向，世界模型就会为你生成一个看得见未来的生命世界。
02 模拟生命，需要什么样的技术
构建能够胜任复杂任务的生物世界模型，离不开高质量、多维度数据的支撑。为此，模型需要突破传统静态数据的局限，核心依赖于以下三类关键数据。
一种是纵向多模态数据，具有连续、跨模态的特点，能够捕捉生物状态随时间的动态演变过程，如连续生理监测、时序分子分析等，二是要有丰富的用药、基因编辑等干预信息，用于学习干预如何改变生物状态。最后还需要闭环反馈数据，持续优化和迭代模型。
对于建模路径而言，当前主要有三种方向。
一种采用观测空间建模，借助扩散模型或自回归Transformer等生成式架构，直接在可见层面模拟干预后的具体结果，包括肿瘤形态的演变、生理信号的波动。优势在于输出直观、细节丰富，可以和真实临床数据直接比对。代价是，因缺乏底层生物机制的约束，生成结果在因果一致性上的可靠程度有限，有时看似逼真，实则经不起推敲。
潜空间建模走的是另一条路：放弃逐像素的感官重构，转而在压缩的潜空间内预测未来状态的核心表征。它不追求还原细节，而是着重捕捉疾病演进或生理反应背后的核心规律。它过滤掉了无关的噪音，计算效率更高，更适合做长周期的病情推演与治疗规划。
观测空间模型与潜空间建模或许并非两条彼此竞争的路线，而是两种互补的视角。未来最强大的生物医学世界模型，或许会融合二者的优势，既具备潜空间中的动态演化能力，又能将这些虚拟推演锚定在真实可观测的生物学指标之上，使AI真正具备理解、预测并干预生命系统的能力。
第三种科学发现智能体则是将世界模型嵌入智能体的决策系统，成为AI的“内部大脑”，在执行任何动作之前，先在潜空间中推演多条候选轨迹，完成前瞻式的反事实模拟，在真实实验开始之前，模拟不同干预路径可能带来的结果，评估风险、不确定性和潜在收益。在未来，生物医学AI智能体或许能在虚拟生命系统中推演成千上万种可能的未来，从中筛选最具价值的研究方向。
03 生物世界模型走向现实还需要探索
虽然今天我们对生物世界模型寄予了诸多想象，但距离真正成为理解和干预生命系统的通用工具，它仍处于早期阶段，我们在给予这一技术乐观预期的同时，也要严肃明确其边界和治理方式。
生命系统本身高度复杂，受到多尺度因素共同影响，很难做到完全地还原和预测。因此，当前世界模型在预测范围、长期推演能力以及结果准确性方面仍面临诸多挑战。
与此同时，由于生物世界模型可能直接影响医疗决策和生命健康，其安全性相较一般AI系统提出了更高要求。未来，这类模型需要建立更加严格的验证、监管和使用规范，确保其能力在可控范围内发挥作用。
在较长一段时间内，生物世界模型更可能作为科研和临床辅助工具存在，而非直接面向个人健康管理工具。它可以帮助医生和研究人员理解疾病演化、评估干预方案、优化实验设计，但不应替代专业医疗判断，更不能成为个人自行诊断和治疗的依据。
同时，我们需要正确理解世界模型的预测能力。它并不是一种能够洞察一切的“预言”，而是在已有数据和规律基础上，对未来可能状态的概率性推演。
人体也并非一个完全标准化的实验环境，遗传背景、生活方式、环境因素以及个体差异，都可能影响最终结果。因此，任何预测都需要保留对其不确定性的觉知。
为了让生物世界模型真正走向应用，还需要建立一套可验证、可校准、可追溯的技术体系。模型不仅要能够给出预测结果，也需要持续根据真实世界反馈进行更新和优化。在模型之外，安全护栏的设计同样重要，通过权限控制、风险评估、异常检测等机制，限制模型在高风险场景中的错误行为。
此外，解释性也是生物世界模型不可绕过的问题。它不能只是一个输入数据、输出结论的“黑箱”，而需要帮助科学家和医生理解预测背后的依据，从而判断结果是否可靠、是否值得采纳。
人类过去理解生命，依靠的是显微镜、测序仪和统计学。它们帮助我们看见生命，却无法推演生命。世界模型真正尝试回答的，不是“生命是什么”，而是“生命接下来会怎样”。如果说显微镜开启了细胞时代，测序技术开启了基因时代，那么世界模型所代表的，也许是生命科学即将第一次进入“可计算演化”的时代。到那时，我们不仅会看见生命的发生，还将在数字空间中提前探索生命可能走向的不同可能性，并借助这些推演寻找疾病治疗、药物研发和生命理解的新路径。