Der KI-Wettbewerb in den Biowissenschaften ist komplexer als gedacht.

In den letzten zwei Jahren hat sich die Integration von KI in die Biowissenschaften deutlich beschleunigt.

Von der Vorhersage von Proteinstrukturen über die Generierung von Molekülen und die Entdeckung von Zielmolekülen bis hin zu immer mehr Technologieunternehmen, die über „Weltmodelle für die Biologie“ diskutieren, vollzieht sich ein Wandel: Die Verbindung von KI und Biowissenschaften bewegt sich von der Lösung einzelner punktueller Aufgaben hin zur Modellierung von lebenden Systemen selbst.

Doch mit der zunehmenden Größe der Modelle stellt sich ein neues Problem: Auf welcher Infrastruktur sollen Weltmodelle für die Biologie eigentlich ausgeführt werden?

Am 18. Oktober veröffentlichte Zheyuan Technology auf der 2026 CCF Nationalen Akademischen Konferenz für Hochleistungsrechnen (HPC China 2026) in Shenzhen die Plattform für rechnergestützte Medizin WHIRLPO.

Statt nur ein weiteres Modell zu veröffentlichen, setzt WHIRLPO bei tieferliegenden technischen Problemen an: Es verbindet Rechenleistung, biologische Daten, Modelle, wissenschaftliche Werkzeuge, Agenten und experimentelle Validierung miteinander und versucht, eine vollständige technische Infrastruktur für Weltmodelle der Biologie aufzubauen.

Dies ist vermutlich auch ein immer wichtiger werdendes Problem, seitdem die KI in die Tiefe der Biowissenschaften vordringt.

Der Engpass der KI-gestützten Pharmazeutik verlagert sich von der Frage „Haben wir ein Modell?“ hin zu „Können wir ein umfassendes System aufbauen?“

In den letzten Jahren war die typischste Anwendung von KI im Bereich der Arzneimittelentwicklung die Beschleunigung einzelner Arbeitsschritte.

Beispielsweise die schnellere Vorhersage von Proteinstrukturen, die schnellere Filterung von Kandidatenmolekülen und die schnellere Analyse omischer Daten.

Das Besondere an den Biowissenschaften ist jedoch, dass eine punktuelle Effizienzsteigerung nicht unbedingt direkt zu industriellen Ergebnissen führt.

Ob ein Kandidaten-Zielmolekül letztendlich wirksam ist, muss über mehrere Ebenen hinweg validiert werden: Gene, Proteine, Zellen, Gewebe, Krankheitsphänotypen und sogar klinische Patienten. Ob ein Arzneimittel tatsächlich einen klinischen Nutzen erbringen kann, lässt sich zudem keineswegs nur durch die Molekülstruktur selbst bestimmen.

Aus diesem Grund gehen seit dem Einzug der KI in die Biowissenschaften immer mehr Forschungsarbeiten von der „Generierung einer einzelnen Antwort“ hin zur „Entwicklung eines Modells, das biologische Systeme verstehen und ableiten kann“.

Zheyuan Technology hat diesem Modell den Namen „Weltmodell des Lebens“ gegeben.

Einfach ausgedrückt: Große Sprachmodelle versuchen, die Beziehungen zwischen Sprachen zu erlernen, Modelle der physischen Welt versuchen, die Betriebsgesetze der physischen Welt zu erlernen, während Weltmodelle des Lebens die hochkomplexen biologischen Mechanismen zwischen Genen, Zellen, Geweben, Krankheiten und Individuen erlernen wollen.

Das bedeutet, dass ihr Komplexitätsgrad weit über den traditioneller KI-Modelle für einzelne Aufgaben hinausgeht.

Biologische Daten weisen von Natur aus Eigenschaften auf, die modalitätsübergreifend und maßstabsübergreifend sind. Auf der einen Seite stehen riesige Datenmengen aus Genomik, Proteomik, Einzelzellanalysen und räumlicher Transkriptomik, auf der anderen Seite Krankheitsphänotypen, klinische Daten und Daten aus der realen Welt.

Da sich Modelle von Parametern im Milliarden- und Hundertmilliardenbereich zu noch größeren Skalen weiterentwickeln, werden Trainingseffizienz, Datenverwaltung, Werkzeugaufruf und experimentelle Validierung tatsächlich zu Fragen, die ebenso wichtig sind wie die Algorithmen selbst.

Mit anderen Worten: Damit Weltmodelle des Lebens tatsächlich in der Industrie ankommen, braucht es nicht nur ein „großes Modell“, sondern ein vollständiges technisches System.

Gen dieses Problem will WHIRLPO lösen.

WHIRLPO ist eher wie eine „KI-Infrastruktur“ für den Bereich der Biowissenschaften

Nach seiner Positionierung ist WHIRLPO kein einzelnes KI-Modell, sondern eine vollständige Infrastruktur für rechnergestützte Medizin, die um Weltmodelle des Lebens herum aufgebaut ist.

Zheyuan Technology unterteilt die Fähigkeiten der Plattform in vier Teile.

Die erste Ebene ist das Modelltraining.

Biowissenschaftliche Modelle weisen zahlreiche Probleme wie dünnbesetzte Berechnungen, Kommunikation mit kleinen Granularitäten und unregelmäßige Tensoren auf. Traditionelle Trainingsframeworks, die für große Sprachmodelle entwickelt wurden, können nicht alle Probleme direkt lösen. Daher optimiert WHIRLPO die zugrundeliegenden Operatoren, Kommunikationsbibliotheken und heterogene Hardware, sodass die end-to-end Rechenleistung derzeit um bis zu das Doppelte gesteigert werden kann.

Die zweite Ebene sind die Daten.

Im Vergleich zu Textkorpora aus dem Internet ist der Aufwand für die Verwaltung biologischer Daten deutlich höher. Die Daten stammen nicht nur aus komplexen Quellen, sondern es müssen auch Probleme der Standardisierung, Anonymisierung, Zugriffsrechte und wissenschaftlichen Annotation gelöst werden.

Derzeit hat WHIRLPO bereits 29244 Datenressourcen für Biowissenschaften angesammelt und 51 Standard-Datensätze gebildet, die zahlreiche Bereiche wie Tumore, seltene Krankheiten, Stoffwechselerkrankungen und neurodegenerative Krankheiten abdecken.

Dies bildet praktisch die wichtigste Art von „Treibstoff“ für Weltmodelle des Lebens.

Die dritte Ebene besteht darin, die Modelle tatsächlich in Geschäftsprozesse einzubinden.

In einem fachlichen Szenario wie der Arzneimittelentwicklung kann ein einzelnes Modell in der Regel keine Aufgaben unabhängig erledigen.

Für die Entdeckung von Zielmolekülen sind möglicherweise gleichzeitig Literatursuche, omische Analyse, Berechnung von Signalwegen, Patientenstratifizierung und der Aufruf von professionellen wissenschaftlichen Werkzeugen erforderlich. Daher kombiniert WHIRLPO Weltmodelle des Lebens, allgemeine Modelle, Fähigkeiten und Agenten zu end-to-end Geschäftsprozessen.

Derzeit kann die Plattform innerhalb von 7 Tagen einen neuen Geschäftsprozess aufbauen.

Die vierte Ebene ist ein Glied mit langfristigem Wert – die experimentelle Validierung.

Das ist der größte Unterschied zwischen Biowissenschaften und vielen KI-Anwendungen: Das Modell muss letztendlich in echten biologischen Systemen validiert werden.

WHIRLPO baut derzeit die Verbindung zu Systemen für Nasslabore weiter aus und hofft, dass der Zyklus – das Modell stellt Hypothesen auf, das Experiment validiert die Ergebnisse, die Daten fließen zurück in das Modell – kontinuierlich in Gang bleibt.

Aus dieser Sichtweise baut WHIRLPO nicht wirklich eine statische Softwareplattform auf, sondern ein technisches System, das ständig Daten, Erkenntnisse und Entwicklungsressourcen ansammelt.

Der kommerzielle Wert der Plattform hängt letztendlich davon ab, ob sie kontinuierlich „Vermögenswerte“ erzeugen kann

Für KI-Infrastrukturen ist das Kernproblem nie die Anzahl der Parameter, sondern das, was letztendlich erzeugt werden kann.

Derzeit hat Zheyuan Technology über die Plattform bereits mehr als 200 potenzielle Zielmoleküle reserviert, und mehrere Pipelines für innovative Arzneimittel befinden sich in der Entwicklung, wobei einige innovative Arzneimittel bereits das klinische Stadium erreicht haben.

In Zukunft plant das Unternehmen, systematische Forschungen zu sieben komplexen Krankheitsbereichen durchzuführen: Tumore, Herz-Kreislauf-Erkrankungen, psychische Erkrankungen, neurologische Erkrankungen, Immunerkrankungen, Stoffwechselerkrankungen und Altern, und weiter geistige Eigentumsressourcen für Arzneimittel, Früherkennung und -diagnose, präzise Diagnostik und Therapie sowie Gesundheitsmanagement anzusammeln.

Das offenbart im Grunde die kommerzielle Logik hinter WHIRLPO.

Der Wert traditioneller KI-Software ergibt sich oft aus Softwarelizenzen oder Rechenleistungsdiensten, während der Wert von Plattformen für rechnergestützte Medizin aus einer längeren Kette stammen kann: Modelle erzeugen Erkenntnisse, die Erkenntnisse fließen in die Entwicklung ein, die Entwicklung erzeugt geistiges Eigentum, das letztendlich in Arzneimitteln, Diagnostik und klinischen Szenarien zum Einsatz kommt.

Wenn diese Kette funktioniert, reicht ihr Wertpotenzial offensichtlich weit über den Softwaremarkt hinaus und erstreckt sich auf die gesamte Gesundheitsindustrie.

Das ist auch der wichtige Grund, warum Zheyuan Technology die Positionierung als „Infrastruktur“ betont.

Der KI-Wettbewerb in den Biowissenschaften verlagert sich in tiefere Ebenen

Wenn man heute über KI und Biowissenschaften spricht, verändern sich die Schwerpunkte der Branche.

Früher haben die Beteiligten verglichen, wer bessere Algorithmen entwickeln kann, später begannen sie, Modelle, Daten und Rechenleistung zu vergleichen. Da Weltmodelle des Lebens zunehmend komplexer werden, wird sich der Wettbewerb der nächsten Stufe wahrscheinlich weiter auf technische Systeme erstrecken: Wer kann Daten schneller ansammeln, Modelle schneller trainieren, Aufgaben schneller organisieren und Experimente schneller validieren, und letztendlich stabile Ergebnisse erzeugen, die in die Industrie überführt werden können.

In gewisser Hinsicht ähnelt dies sehr der Entwicklung der Großmodell-Industrie in den letzten Jahren.

Wenn die Fähigkeiten der Modelle schrittweise verbessert werden, bestimmen oft nicht nur die Modelle selbst das industrielle Ausmaß, sondern die Infrastruktur und das Ökosystem, die um die Modelle herum aufgebaut sind.

In den Biowissenschaften ist man vermutlich auch an diesem Punkt angelangt.

Da die rechnergestützte Medizin erstmals in den „15. Fünfjahresplan“ für die Entwicklung der Pharmaindustrie aufgenommen wurde, wird die Verbindung von KI und Biowissenschaften von einem technischen Trend zu einem klareren industriellen Entwicklungspfad.

Für Zheyuan Technology ist die Bedeutung von WHIRLPO daher nicht nur die Veröffentlichung einer neuen Plattform.

Es ist eher eine Wette auf eine Einschätzung: Wenn Weltmodelle des Lebens zu neuen Werkzeugen für das Verständnis von Krankheiten und des Lebens werden, könnte die Infrastruktur für rechnergestützte Medizin, die die kontinuierliche Weiterentwicklung dieser Modelle unterstützt, zu einer wichtigen Grundlage für die nächste Generation der Biowissenschaftsindustrie werden.

Und dieser Wettbewerb hat gerade erst begonnen.