过去数年间，AI4Bio领域最耀眼的突破来自Google DeepMind的AlphaFold。
它让AI能以接近实验精度大规模“看清”蛋白质结构。到了AlphaFold 3，AI更开始理解由蛋白、核酸、小分子、离子构成的多组分复合体。
但生命工程的真正目标，不止于看清。
而是设计。设计一个分子，使其在正确位置以正确方式与目标作用，从而调控通路、改变病理过程，乃至重构某些生命功能。
以核糖体为例，它既是蛋白、RNA与小分子药物共存的分子机器，也是众多小分子药物的作用靶点。
这正是当前AI分子设计面临的关键瓶颈。
过往的AI分子设计确有突破，但许多能力仍被困在“模态孤岛”：蛋白设计、小分子生成与对接、核酸结构建模长期彼此割裂。
注：此处的“模态”并非文本/图像/音频，而是蛋白质、小分子、核酸等生命分子的不同类别，可视作不同类型的“Token”。
问题不在模型数量，而在于表征方式、训练数据与任务目标被拆分后，AI难以在同一框架中连续理解并设计跨模态的相互作用。
然而真实生命系统从不按这些边界运行。一个靶点中多模态共存是常态，疾病机制也常取决于分子间如何识别、结合、调控与失衡。
既然生命问题天然跨模态，分子设计模型为何还要受限于模态边界？
从全模态分子设计走向分子世界模型
“物理学有四大基本力。在此框架下，生物分子间的作用本质上都是电磁相互作用的不同阶展开。”
也就是说，蛋白、核酸、小分子等标签，是人类为理解生命系统而设的分类；但在更底层的原子尺度，分子间遵循统一的物理相互作用规律。
既然底层物理一致，学习分子互作的AI也不应被模态标签限定。
这一穿透性见解来自一位“很不单模态”的青年科学家。
张昊天 本科同时修读浙江大学物理学与药学，后获浙大医学硕士，并进入华盛顿大学攻读计算机。从物理底层规律、医学生命表象到计算机建模，他的学术轨迹本身就是“打破边界”的生动案例。
这一跨学科背景，使他既能从原子尺度理解分子作用，也能从模型视角重构分子设计问题。
此前，由张昊天担任一作兼共同通讯作者，临港实验室联合上海浦江实验室、华盛顿大学、哈佛大学、MIT等力量推进的 ODesign 开源项目，定位为全球首个面向全模态的分子设计基座模型。
ODesign 将蛋白质、DNA、RNA、小分子与离子等多模态实体纳入同一生成框架，学习它们之间的相互作用，并在分子整体、功能基序、提示原子三个粒度上，实现任意两类分子间的可控设计。
张昊天认为，该项目要证明的不是“一个模型多完成几类任务”，而是更底层的问题：若生命分子相互作用本就跨模态，模型也必须具备跨模态学习与生成能力。否则，任何单一模态建模都只是用截断的世界近似真实系统，最终只能靠大规模筛选弥补不足。因此，基于团队在分子设计模型上的积累，ODesign 尝试在同一生成框架下统一表示蛋白、DNA、RNA、小分子与离子等模态，使模型能学习其相互作用，并支持跨模态联合建模与设计。
ODesign 全模态生成框架示意。ODesign 将蛋白、DNA、RNA、小分子与离子纳入同一生成框架，支持不同分子类型间的 all-to-all 设计，并可在刚性或柔性靶标条件下生成目标结合分子。来源：《ODesign: A World Model for Biomolecular Interaction Design》
支撑这一愿景的，是一支“从2024诺贝尔化学奖实验室走出”的青年科学家团队。
2024年，David Baker 因“计算蛋白设计”获诺贝尔化学奖。ODesign 项目三位核心成员 张昊天、应可钧、王佳淇 均来自 Baker Lab。团队兼具前沿AI建模、计算蛋白设计训练背景及干湿闭环理解，是国内少数真正处于AI4Science与生命分子设计交叉点的团队。
统一表征与涌现：世界模型雏形
理念上的跨模态，需在工程上落地为统一表征。
ODesign 的首个难题是：蛋白、小分子、核酸结构差异巨大，如何让同一模型真正“读懂”不同分子？
团队思路是寻找模态间可共享的“最小化学生成单元（MCGU）”。模型不再将蛋白、小分子、核酸视为割裂对象，而是先拆解到统一化学基元层面，再通过 Modality Token 和 Unit Token 表征。推理时，模型先围绕共享基元生成，再补全各模态特有的原子信息。
ODesign 的统一表征架构。模型将不同分子类型的最小化学生成单元抽象为统一 token，通过 Pairformer 学习其与目标结构的相互作用，再由全原子扩散模块生成满足空间约束的三维结构。
这不只是工程技巧，更是跨模态迁移的前提：唯有打通表征层，模型才能学到超越单一分子类型的通用互作规律，找到统一的“分子语言”。
在此基础上，ODesign 还构建了基于结构预测的生成式架构。先训练结构预测框架，再重构信息流与目标函数，让模型从“预测这些分子会形成何种结构”转向“生成一个能按预期作用的新分子”。
前者是理解结构，后者是设计关系。
那么，统一表征是否真带来了新能力？
现有验证显示，ODesign 的价值不止是“一个模型做更多任务”，更在于其跨模态的迁移能力。
蛋白设计上，ODesign 表现过硬。其计算通量较 RFDiffusion 提升约10倍，在 RFDiffusion2 的 AME 测试集中，ODesign-Flex 实现相较 RFDiffusion2 提升20倍的设计候选通量。
更关键的验证在低数据模态——核酸。相比蛋白，核酸数据更少，成熟模型也更少。ODesign 在RNA单体设计成功率上约为 RNAFrameFlow 的两倍；在训练集外的蛋白-RNA复合体零样本设计中，平均成功率达77.9%。说明它并非“披着全模态外衣的蛋白模型”，而是真正将蛋白场景学到的互作规律迁移到了RNA、DNA等低数据模态。
ODesign 在核酸设计任务中的跨模态迁移验证。在RNA/DNA单体生成及蛋白结合aptamer设计中，ODesign 展现出向低数据核酸模态迁移互作规律的能力，其中protein-binding RNA任务体现了其零样本设计潜力。
小分子方面更贴近药物研发场景。ODesign 在蛋白结合小分子任务上较 SurfGen 提升超40倍，并覆盖DNA/RNA结合小分子设计。这不再是旧任务刷分，而是触及了传统小分子模型无法处理的盲区。
ODesign 在小分子设计任务中的表现。在蛋白、DNA、RNA结合小分子设计中，ODesign 展现出跨靶标类型生成小分子的能力，开始覆盖传统专家模型更难处理的跨模态设计组合。
计算指标之外，最终要看湿实验——即在真实生物实验体系中检测、筛选与确认。
据张昊天介绍，ODesign 已在8个靶点上获得nM至pM级亲和力的候选分子。与 RFDiffusion、BindCraft、BoltzGen、PXDesign 等方法相比，ODesign 在protein design上使binding affinity提升数倍至数百倍。这标志着 ODesign 正真正进入生物实验体系。
统一生成、跨模态迁移与实验验证的贯通，正是“分子世界模型雏形”的价值所在。它证明模型终于跨越模态边界，开始学习分子世界更底层的相互作用规律。
从基座到闭环：重构科学发现基础设施
但ODesign作为开源科研项目，对团队而言并非终点。作为原型机，它验证了统一生成与跨模态迁移的可行性，却离完整的微观分子世界模型尚有距离。此外，它尚未封装为可规模化、可验证、可容错的产业工具。真正挑战在于：如何从一个能生成分子的模型，进化为一个能参与真实药物研发全流程的系统。
为此，张昊天决定独立，联合应可钧、王佳淇等伙伴共同创立 英灵殿科技，并完成由五源资本领投的首轮融资。
张昊天团队从技术路径出发，将道路拆解为三个清晰台阶：AI4Bio、AI4AI 与 AI4Phy。
短期，AI4Bio是商业化入口，从真实生物分子设计任务切入，服务药企与科研机构。真实药物研发中，模型不能只看结合力，还需面对毒性、渗透性、免疫原性、可合成性等多重约束。
中期，AI4AI指向自我迭代的科学智能框架。
当前AI4Science的困境是：许多模型能刷新Benchmark，却难真正说服客户。问题不止在结果不够好，也在于模型输出仍是黑盒：为何这样设计？依据何在？失败如何修改？
AI4AI要解决的正是这点。它将非结构化文献、实验数据和模型输出整理为可导航的知识拓扑，让模型不仅给出答案，还能围绕假设提出、归因评估和结果优化进行推理。
更长远则是AI4Phy，即自驱动实验室。
模型生成候选，实验系统完成合成、纯化、测试，结果再反馈模型，驱动下一轮设计。此循环一旦运转，模型便不再只吃历史数据，而是在真实反馈中持续校正自身。
这才是分子世界模型与普通生成模型真正拉开差距之处。
普通生成模型可给出候选。世界模型需理解：一个分子设计进入真实物理世界后会怎样，失败在哪里，又如何修正。
做到这一步，考验的不仅是模型能力，更是团队能否同时理解科学问题、实验反馈与产业流程。
这也是英灵殿团队结构值得关注的原因。张昊天横跨物理、药学、医学与计算机；CTO 应可钧拥有哈佛生物医学与计算机背景，及斯坦福医学院和Baker Lab博士后经历；联合创始人王佳淇长期从事大模型与计算生物学交叉研究。
这种交叉结构，正对应AI Biotech最难的环节：模型生成之物，必须被生物学问题定义、被化学规则约束、被实验体系验证、最终被产业流程承接。
这支从Baker Lab走出的团队，也让五源资本敢于早期下注。投资人表示，团队兼具算法能力、生命科学理解、干湿闭环能力与企业家精神，是值得长期陪伴的科学创业力量。
当分子间相互作用开始被模型统一学习、生成与验证，AI4Bio的叙事逻辑正在改变。它不再是更快地发现候选分子，而是让科学家能以更可编程的方式提出假设、生成设计、进入实验，再用真实结果反哺模型。
AlphaFold让AI4Bio的首场革命发生在“看清结构”，而英灵殿科技想挑战的，是下一步：让AI不仅理解生命分子如何相互作用，更能模拟与设计微观世界的动态过程，最终走向对生命功能本身的模拟与重构。
———— END ————
灵思极智旗下“极智系列”三款AI智能应用
关注后，两步置顶服务号，可第一时间收到灵思极智推文！
