西湖大學聯合阿里達摩院推出幹細胞AI模型“歸元”，實現重編程大規模模擬預測
重點摘要
AI資訊AI新閒資訊正文西湖大學聯合阿里達摩院推出幹細胞AI模型“歸元”，實現重編程大規模模擬預測發布於AI新閒資訊時間 :Jul 14, 2026閱讀 :1分鐘近日，西湖大學與阿里達摩院聯合開發出名為“歸元”的幹細胞AI模型。該模型針對幹細胞重編程構建了大規模組合擾動數據集，旨在解決長期以來該研究領域依賴個人經驗判斷、反覆試錯以及傳統實驗驗證成本高、成功率低的痛點。
# 西湖大學聯合阿里達摩院推出幹細胞AI模型「歸元」 實現重編程大規模模擬預測
在幹細胞研究領域長期面臨「試錯成本高、成功率低」的困境下，西湖大學與阿里達摩院近日聯合宣布推出名為「歸元」的幹細胞AI模型。該模型針對幹細胞重編程過程中的複雜組合調控問題，構建了大規模組合擾動數據集，並能夠精準模擬預測近四百萬種潛在調控組合對細胞命運的影響，為幹細胞研究提供了一條全新的智能化路徑。 幹細胞重編程是指將體細胞誘導回多能狀態或轉分化為特定譜系的過程，涉及多種譜系調控因子的協同作用。據研究團隊介紹，此次重編程場景共涉及25種關鍵譜系調控因子，這些因子在理論上可形成近400萬種不同的組合方式。傳統方法依賴研究者個人經驗進行篩選，反覆試錯不僅耗時費力，且實驗驗證成本極高，成功率卻十分有限，成為制約該領域發展的主要瓶頸。 「歸元」模型的推出正是為了解決這一痛點。該模型採用創新的雙模態編碼策略，能夠同時整合不同層次的生物信息，從而精準預測不同調控因子組合對細胞命運決定所產生的具體影響。雙模態編碼的設計使得模型可以兼顧基因表達調控網絡與表觀遺傳狀態等多維度特徵，大幅提升預測的準確性與可靠性。 除了預測能力之外，「歸元」模型還創新性地加入了可解釋性模塊。這一模塊的設計旨在幫助研究人員理解模型得出預測結果的內在邏輯，揭示哪些調控因子及其組合在重編程過程中發揮關鍵作用。可解釋性的引入不僅提升了模型的透明度，也為科學家後續設計實驗、優化方案提供了明確指引，避免了傳統「黑箱」模型難以回溯推理的缺陷。 目前，「歸元」模型已完成對所有近400萬種潛在調控因子組合的大規模模擬預測，這在該研究領域尚屬首次。研究團隊根據模型輸出的最優方案進行了實驗驗證，成功獲得了高質量的下胚層樣幹細胞，且其質量明顯優於此前的研究成果。這一結果充分驗證了模型預測的有效性，也顯示出AI技術在生命科學高維度搜索問題中的巨大潛力。 下胚層樣幹細胞在發育生物學和再生醫學中具有重要應用價值。高質量的下胚層細胞不僅能夠用於模擬人類早期胚胎發育過程中的關鍵事件，還為進一步推動體外造血體系建立、類胚胎模型構建以及細胞治療產品開發提供了可靠的細胞來源。研究團隊指出，此次突破有望從根本上改變過去依賴試錯篩選的低效模式，為後續應用打開全新局面。 從更廣泛的視角來看，「歸元」模型的成功不僅是AI技術在幹細胞領域的一次標誌性應用，更代表著生命科學研究正逐步從經驗驅動轉向數據與智能驅動。長期以來，生物學實驗的設計往往依賴研究者個人的知識積累和直覺判斷，而大規模組合空間的探索更是幾乎不可能依靠人力完成。AI模型的大規模模擬預測能力，正好填補了這一空白，使得研究人員能夠在龐大的搜索空間中快速鎖定最有希望的方案，從而顯著提升研究效率。 對於再生醫學而言，細胞治療產品需要穩定、均質、高效能的細胞來源。傳統重編程方案難以保證批次間一致性，使得臨床轉化受到限制。透過「歸元」模型提供的精準預測，研究團隊能夠在實驗前就篩選出最佳的因子組合，從而降低實驗的不確定性，提高重編程的成功率與產品質量。這對於推動細胞治療從實驗室走向臨床具有重要戰略意義。 值得關注的是，此次合作充分發揮了西湖大學在幹細胞生物學領域的深厚積累與阿里達摩院在AI算法和算力方面的領先優勢。研究團隊表示，未來將持續完善「歸元」模型，擴展其應用場景，例如應用於其他類型的細胞重編程、類器官培養以及體內再生誘導等方向，並進一步提升模型的可解釋能力，使其成為生命科研工作者的得力助手。 隨著AI技術與生物醫學的深度融合，像「歸元」這樣的專科模型有望在更多細分領域發揮關鍵作用。從基因編輯的靶點預測到藥物分子的篩選設計，從蛋白質結構解析到細胞命運調控，AI正在重新定義生命科學研究的邊界。此次幹細胞重編程的大規模模擬預測突破，正是這一趨勢下又一個生動例證，預示著未來生命科學研究將進入一個更高效、更精準、更可預測的新時代。
Related
相關文章
比美劇還刺激，Meta 向對手“投毒”
最近美國科技圈爆出一則震撼消息，情節堪比美劇。社群媒體巨頭 Meta，旗下擁有 Facebook 與 Instagram 兩大平台，遭《連線》雜誌調查揭露，他們秘密執行一項名為「坎城計畫」的項目，目標是對競爭對手的 AI 模型進行「投毒」。這並非傳統的網路攻擊，而是大規模僱用人員，假扮成問題青少年，持續向 ChatGPT、Google Gemini 以及 Character.AI 等服務提出極度令人不適的危險問題。 根據報導，Meta 透過愛爾蘭外包公司 Covalen，招募了數百名員工。
路線分野與終局迷霧：Rokid不想做下一個黑莓
路線分野與終局迷霧：Rokid不想做下一個黑莓 AI眼鏡被視為下一代人機互動的熱門候選，但從概念到規模化落地，這條路走得比多數人預期更漫長。去年全球AI眼鏡出貨量逼近870萬副，Meta靠著無顯示的Ray-Ban Meta拿下超過85%的市場，而帶顯示的AI眼鏡出貨僅73萬副、佔比不到一成。這個數字說明當下的市場主流仍是「把手機功能塞進鏡框」的輕量路線，但追求真正獨立運算的廠商並不認為此刻的領先者能笑到最後。 「行業還在黑莓時代，真正的發令槍還沒響。
騰訊混元發佈 1bit 與 4bit 量化版 Hy3 模型，旗艦 AI 模型可單卡本地運行
首頁 > 智能時代>人工智能 騰訊混元發佈 1bit 與 4bit 量化版 Hy3 模型，旗艦 AI 模型可單卡本地運行 2026/7/14 17:39:02 來源：IT之家 作者：遠洋 責編：遠洋 評論： 感謝IT之家網友 麻辣清補涼 的線索投遞！ IT之家 7 月 14 日消息，今日騰訊混元發文表示，Hy3 上線並開源後，社區一直在呼籲量化版本，希望單卡跑參數量達 295B 的 Hy3。團隊針對開源社區需求，把 Hy3 的權重量化到 1bit 與 4bit 並打包成 GGUF，配合 llama.cpp 生態，讓原本只能跑在多卡集群上的模型，最少一張推理顯卡、乃至內存充足的本地機器也能跑起來。IT之家附官方詳細介紹如下：從模型上看，騰訊混元 Hy3 是一個 295B 參數的旗艦模型，展現出顯著強於同尺寸模型的智能水平，並比肩更大尺寸旗艦模型的效果，大幅提升了在各類產品和生產力任務中的實用價值，但是它的 BF16 權重接近 600 GB，要完整發揮實力，離不開多卡服務器這樣的部署環境。1bit, 4bit 以及 BF16 Hy3 模型遊戲編程示例1bit 塞進單卡，4bit 接近滿血我們首先提供了 1bit 極限量化版本 IQ1_M，把權重從 598 GB 一路壓到 85.5GiB，整整縮小了 6.7 倍。這意味著一張 96GB 的推理顯卡就能部署。對於硬件最受限、又想在本地把旗艦模型跑起來的場景，Hy3 1bit 版本是我們所推薦的。同時，我們也提供了 4bit 量化版本 Q4_K_M，體積 169.9GiB，兩張推理顯卡即可承載，如果目標是在有限資源成本內拿到更接近滿血模型的效果，推薦就選 Hy3 4bit 版本。我們還提供了 GPTQ Int4 版本，它可以直接通過 vLLM 部署對外提供服務，天然享受 vLLM 生態在高併發、低延遲上的紅利，更貼合服務端部署的需求。
AI短劇，為何共用一張臉？
打開短劇App，連續看個幾部AI生成的劇集，很快就會發現一個奇怪的現象——男主角幾乎都長著同樣凌厲的下頜線、薄嘴唇、眼神下壓不怒自威，女主角則清一色鵝蛋臉、大眼睛、自帶柔光肌膚。明明不同故事背景，冷臉總裁和剛被趕出侯府的將軍卻像共用同一張臉，校園白月光與古裝大小姐也只是換了套衣服。社群平台上，「AI臉」引發的生理性厭惡甚至曾衝上微博熱搜，觀眾們不禁疑惑：擁有海量數據的AI模型，理論上能創造出無限張面孔，為何偏偏讓短劇主角集體「撞臉」？ 要理解這個現象，得先看AI人物究竟是怎麼生成的。
AI 大廠進軍醫藥，但資本市場等不了十年
過去幾個月，三家AI巨頭不約而同地將生命科學提升至戰略核心位置，試圖在醫藥領域開闢新戰場。六月底，Anthropic推出Claude Science，這是一個專為科學家設計的AI工作臺，能夠接入科研數據庫、執行代碼、分析數據、生成圖表，甚至查看蛋白質結構，並將整個研究過程保存為可審計、可複現的記錄。幾乎在同一時間，OpenAI發布GeneBench-Pro，專門用來測試AI Agent在基因組學、定量生物學等真實科研任務中的表現，特別是處理模糊數據與多階段判斷的能力。
有消息稱三星晶圓代工決定承接 Anthropic 自研 AI 芯片製造訂單
首頁 > IT資訊>業界 有消息稱三星晶圓代工決定承接 Anthropic 自研 AI 芯片製造訂單 2026/7/14 16:10:49 來源：IT之家 作者：溯波（實習） 責編：溯波 評論： IT之家 7 月 14 日消息，韓媒 NewsWorks 當地時間昨日援引業內人士的話報道稱，三星晶圓代工決定承接 Anthropic 自研 AI 芯片製造訂單。