中科曙光 Genos 基因组模型、单碱基分辨率、636 个完整基因组、全球首个可部署

把 30 亿个字母的说明书，一个字母一个字母读出来

10 月 23 日，中国计算机大会（CNCC）上，中科曙光发布 Genos——号称全球首个百亿参数、可部署的基因组通用基础模型。

它的目标听起来像天方夜谭：把整套人类基因组，一个字母一个字母地读懂。

顺便，中科曙光还发布了 OneScience，国内首个科学大模型一站式开发平台，把「研发—训练—评测—部署」串成一条线。

用人话说：以前研究基因，一个团队要自己写代码、自己攒数据、自己调模型。现在有了一个「万能底座」，像给每个实验室配了一个现成的发动机。

一句话总结

Genos 把基因组研究从「每个实验室各自造轮子」变成了「用同一个底座」，而它跑在国产 GPU 上这一点，比参数量本身更值得注意。

一、636 个完整基因组，喂进去的到底是什么

先看这个最唬人的数字：636 个端粒到端粒（T2T）级别的人类基因组。

T2T 是什么概念？

人类基因组大约有 30 亿个碱基对。2003 年人类基因组计划完成时，只读出了大约 92%——剩下 8% 里塞满了大量重复序列，当时的技术读不透，像一本有油渍的书，怎么翻都看不清。

T2T 就是「端粒到端粒」，意思是从染色体的一头读到另一头，一个碱基都不剩。

636 个，意味着不是一个人的数据，而是636 个人的完整、无缺、无重复遮挡的说明书。

概念 · 通俗解释

碱基对 · 基因的最小单位，像四个字母 A/T/G/C 组成一个词

30 亿 · 一本三十亿字的书

92% · 2003 年读出来的部分，还有 8% 是油渍看不清

T2T · 一字不漏全部读出来

636 个 · 有 636 本这样完整的书可以对照着读

在这之前，研究基因的科学家拿的是残缺的参考书。Genos 要做的是先把这 636 本完整版读完，再教机器去读别人身上可能出问题的那几个字母。

二、两个硬指标：单碱基分辨率、百万碱基对

Genos 的技术指标里，有两个特别关键。

第一，单碱基分辨率。

原来的基因组工具，多是「大概定位」——告诉你这个基因在第几条染色体、第几百万个碱基附近。但真正致病的往往是单个字母的替换，一个 A 变成了 T，功能就变了。

单碱基分辨率意味着：模型能看到每一个字母本身，而不是一个模糊的区间。 这对遗传病诊断是决定性的。

第二，百万碱基对超长上下文。

普通大模型的上下文窗口是几万到几十万 token。百万碱基对是什么概念？相当于把整条染色体的说明书一次性塞进模型，让它同时看到局部和全局的关系。

为什么重要？因为很多遗传病不是一个位点出错，而是整段区域的结构变了。只看单点会漏掉，必须把整段一起看。

能力 · 解决什么问题

单碱基分辨率 · 单个字母突变导致的遗传病

百万碱基对上下文 · 大片段结构变异、多基因协同致病

MoE 混合专家架构 · 降低推理成本，让百亿参数跑得起

三、OneScience：比模型本身更重要的那半

个人感觉，这次发布里 OneScience 平台可能比 Genos 模型更值得关注。

原因很简单：模型会被超越，平台不会。

OneScience 干的事是把科学大模型的完整流程串起来：

环节 · 干什么

研发 · 提供现成的模型代码和研究框架

训练 · 在国产 GPU 上完成训练与优化

评测 · 统一的跑分口径

部署 · 直接推到实际科研环境里跑

而这次发布里最关键的一句话是：已在国产 GPU 上完成复现与优化，模型代码向业界开放下载。

这三个动作的分量依次递增：

「在国产 GPU 上跑通」= 工程可行性

「代码开放下载」= 学术生态

「一站式平台」= 让 80% 的实验室不必再从零搭环境

翻译成人话：过去做基因 AI 的门槛是「你要有算力」，现在门槛变成「你要有想法」。这个降维打击，才是大科学模型真正的意义。

四、泼点冷水：三个绕不过去的坎

这类「首个」「全球」的发布，都需要泼点冷水。

第一，百亿参数不是最大的。 全球做基因组 AI 的机构不少，参数规模也不是唯一指标。真正的护城河是那 636 套数据的质量标注——脏数据喂出来的模型，跑分再高也是错的。

第二，可部署 ≠ 已验证临床价值。 基因诊断的错误不可接受，「能跑」和「能信」之间隔着大量临床验证。这个过程通常要五到十年。

第三，MoE 降低推理成本不等于降低使用门槛。 真正做一次全基因组分析的计算成本、设备成本、数据成本，仍然不是普通实验室能随便承担的。平台解决的是「上手难」，不解决「用不起」。

所以看这类发布的正确姿势是：关注它的数据和生态，而不是参数量。

对普通人意味着什么

第一，罕见病诊断会更早。 单碱基分辨率 + 完整参考数据，理论上能让很多「查不出原因」的罕见病更快定位到具体基因。这是直接影响看病体验的。

第二，基因检测的解读成本会降。 过去测完之后，解读报告贵且慢。底座模型多了，解读会更快、更便宜。

第三，和你有关系的是「数据怎么用」。 基因数据极度敏感。未来所有基因模型都必须回答一个问题：你的基因数据，训练时有没有被用？ 这一条，比模型能力更重要。

写在最后

1 「全球首个」这种表述，该不该信

该信一半。这个「首个」的限定词是「百亿参数、可部署、基因组通用基础模型」——在前面加了三个定语之后，它就不是在说「基因 AI 的第一次」，而是在说「一个特定细分条件下的第一次」。这种表述在科研发布里很常见，读者需要自己看定语。

2 国产 GPU 这一条，价值被低估了

Genos 在国产 GPU 上完成复现和优化，听起来平淡，但它解决的是一个真问题：科研数据出不去，很多敏感数据就用不了国际模型。 能跑在国产卡上，意味着基因这种高度敏感的数据可以留在国内闭环处理。这是能不能用的问题，不是快不快的问题。

3 基因 AI 的真正瓶颈不是技术，是同意

技术层面，模型已经能读了。但「谁的数据被用来训练」「能不能用于我自己的诊断」，这需要一套完善的知情同意和数据授权机制。模型能力可以弯道超车，制度能力只能一步一个脚印。

未来 1 年看三件事：① Genos 会不会有公开的临床验证案例② OneScience 会有多少家科研机构真正用起来③ 基因数据的训练授权标准会不会出台

如果觉得这篇拆解对你有帮助，不妨点个关注和在看。

你的 AI 陪跑伙伴 【数字新奇点】 会继续关注 AI for Science 和医疗健康。

咱们下期见！

参考资料

中科曙光发布 Genos 基因组通用基础模型与 OneScience 平台

中国计算机大会 CNCC 2026 科研 AI 成果发布

国产算力平台支撑科学大模型研发与部署