该公司称，平台整合异构算力、多组学生命数据、模型矩阵、科研工具、智能Agent和实验验证链路，目标是把模型训练、科学计算与湿实验验证串成一条闭环。
AI解读：据公司介绍，平台整合异构算力、多组学生命数据、模型矩阵、科研工具、智能Agent和实验验证链路，面向从模型训练、科学计算到湿实验闭环验证的流程。
稿件由哲源科技提供、量子位获授权转载，平台的实际能力与运行效果尚无第三方评测数据披露。
来源引述的行业背景包括：Biohub虚拟生物学计划投入 5 亿美元，后与美国能源部、NIH联手，Meta、谷歌DeepMind、Isomorphic Labs参与，合计承诺投入 18 亿美元；国内“十五五”医药工业规划将计算医学列入重点技术方向。
哲源科技 10 月 17 日发布WHIRLPO计算医学平台。根据公司提供的稿件，该平台不做单一生物大模型，而是提供一套底座，用于支撑生命世界模型的训练、科学计算与实验验证。
稿件称，平台整合异构算力、多组学生命数据、模型矩阵、科研工具、智能Agent和实验验证链路，试图打通计算世界与湿实验之间的闭环。上述描述来自哲源科技方面，量子位获授权转载，未给出平台性能或使用效果数据。
平台要解决什么：多尺度建模与实验闭环
稿件将生命世界模型与语言模型、物理世界模型并置，但强调其规则更复杂：基因变异影响蛋白表达，蛋白调控信号通路，细胞状态变化又叠加组织微环境和器官层面。模型要预测某个变量被改变后系统如何演变，而非静态描述生命。
按稿件所述，这类模型落地面临四类工程难题：生命数据来源分散、格式与尺度不一，部分高价值数据需专门实验生产；不存在单一巨型模型，需多模型、知识库与工具协同；预训练、组学分析、疾病演化模拟等计算方式不同，需要调度CPU、GPU等异构算力；模型给出的靶点假说必须进入实验室验证，再反向修正模型。
WHIRLPO的定位正对应这些环节。公司称其覆盖从模型训练、科学计算到湿实验闭环验证，但稿件未披露已接入的数据规模、合作机构、上线时间或验证案例。
来源引用的行业投入与政策口径
稿件提到，扎克伯格与普莉希拉·陈创立的Biohub今年 4 月启动虚拟生物学计划，投入 5 亿美元搭建数据与实验能力；到 10 月，美国能源部、美国国立卫生研究院与Biohub联手搭建生命预测模型的数据底座，Meta、谷歌DeepMind、Isomorphic Labs参与，项目合计承诺投入 18 亿美元，其中美国能源部未来五年拿出超 5 亿美元。
国内方面，稿件称今年 9 月工信部、发改委等十部门发布的《医药工业发展“十五五”规划》首次将计算医学与AI、量子计算、超算并列，纳入医药工业未来五年重点技术方向。
稿件还引用今年 8 月《Nature Reviews Drug Discovery》的复盘称，十多年AI制药成果多集中在分子层面，真正产生临床价值的有限，许多项目停在临床前或一、二期临床。这些是来源的行业判断，并非对WHIRLPO效果的验证。