用世界模型做AI药物研发，同济教授融资数千万元

智东西

编译 黄菲

编辑 江宇

智东西10月30日消息，昨日，国内AI for 新锐企业扰动之心（ AI）宣布完成数千万元天使轮及天使+轮融资，由清松资本领投，同杨基金及多家药企跟投，正式走出隐匿模式。

该公司聚焦几何世界模型驱动的下一代AIDD（AI药物研发）创新范式，探索以生命系统状态推演为核心的研发模式。

此次官宣，扰动之心还发布了数字生命世界模型生态系统旗下的全球首个虚拟细胞状态推演模型 1.0 Pro。

该模型以几何世界模型为底层架构，标准参数量为1B，可根据应用需求做调整，向下可裁剪至 300M的轻量化模型 1.0 Flash，向上可扩展至50B参数的超大规模模型 1.0 Mega，适配科研机构、中小型药企及大型跨国药企的不同部署需求。

与传统AI药物研发不同，扰动之心希望通过几何世界模型学习生命系统在不同干预条件下的动态变化，推演疾病状态迁移及药物干预后的系统反应，进而为复杂疾病机制解析、新靶点发现和新型模态药物研发提供技术支持。

一、从靶点筛选转向状态推演，发布虚拟细胞模型

扰动之心此次发布的 1.0 Pro，是该公司虚拟细胞模型 1.0 的升级版本。

今年3月5日，扰动之心创始人兼CEO啜国晖带领的扰动之心团队发布在发布相关预印本论文，介绍了该模型基于几何世界模型架构模拟扰动引起的细胞动态变化的方法。

扰动之心创始团队发布 1.0 论文，来源

此次发布的 1.0 Pro标准参数量为1B，并具备参数量弹性调整能力，可根据客户算力条件和研发需求动态调整模型规模。

其中，模型向下可裁剪至300M参数，形成轻量化版本 1.0 Flash，满足医院、科研机构及中小型药企的轻量化和私有化部署需求；向上可扩展至50B参数的 1.0 Mega，为大型跨国药企（MNC）提供复杂场景下的系统级扰动轨迹推演能力。

在商业化方面，扰动之心计划围绕不同规模的模型提供端侧服务订阅、私有化部署及药物研发管线共建等服务。

在技术路线方面，扰动之心希望改变传统AI药物研发（AI- Drug ，AIDD）以靶点为中心的研发模式。

传统AIDD通常围绕已知靶点寻找能够与之结合的候选药物分子，类似于根据一把已知的锁去找到合适的钥匙。但对于复杂疾病而言，单一靶点未必能够解释疾病产生的全过程，药物干预也可能引发其他生物系统层面的变化。

扰动之心谈道，疾病本质上是生命系统原有稳态遭到破坏后产生的状态偏移。因此，药物研发不仅需要寻找能够作用于特定靶点的分子，还需要理解疾病状态如何形成，以及不同干预手段可能带来怎样的系统性变化。

基于这一思路，该公司将研发重点从单个靶点转向整个生命系统的状态变化，希望通过模型推演识别能够使疾病状态恢复正常的干预方式。

二、几何世界模型构建技术底座，探索生命系统推演

围绕上述技术路线，扰动之心打造了数字生命世界模型生态系统，以扰动组学、几何深度学习和几何世界模型理论为三大技术支柱。

其中，扰动组学主要研究基因、蛋白质等生物对象受到不同干预后产生的变化，为理解生命系统的动态反应提供数据基础。

几何深度学习则用于学习生物数据背后的复杂结构。扰动之心称，其通过构建几何深度学习算法，对生物隐空间流形（ ）进行学习和建模，将复杂的生物数据映射到潜在空间中，以表征不同细胞状态及其内在关系。

几何世界模型则在此基础上，进一步学习生命系统的状态及其变化规律。它将细胞状态和外部干预纳入统一的模型框架，模拟基因、药物等不同因素作用下细胞状态的变化，进而推演生命系统的动态演化过程。

简单来说，该技术路线希望其模型不仅能够识别某种干预与生物变化之间的关联，还能够学习生命系统在不同条件下如何变化，并推演特定干预可能产生的结果。

在此基础上，希望结合具体疾病和临床约束条件，识别具有潜在治疗价值的干预方式，而不只是围绕已知靶点进行候选分子筛选。

针对模型训练，扰动之心并不主张单纯扩大参数规模和数据量。该公司提到，生命科学领域的模型训练未必能够直接套用通用AI领域的规模定律（ Law），模型参数量需要与实际任务需求、预测性能及计算成本相匹配。

因此，扰动之心希望寻找模型性能与研发成本之间的平衡点，即参数量甜点（Sweet Spot），通过优化底层架构和训练效率，在有限样本条件下提升模型的泛化能力。

三、同济科研团队创业，携手多家药企推动技术落地

扰动之心创始人兼CEO啜国晖博士毕业于同济大学数字生命智能体实验室。啜国晖称，该公司的底层技术创新一定程度上受到谷歌推出的AI科研模型 Alpha系列工作的启发，希望将前沿世界模型技术转化为药企和临床能够使用的平台解决方案。