世界模型这次被放进细胞里面。中国研究团队把一套原本用来理解物理世界的架构，搬去学习细胞如何变化。
JEPA是Joint Embedding Predictive Architecture的缩写，中文常叫联合嵌入预测架构，由Yann LeCun大约四年前提出。LeCun是图灵奖得主，长期主张人工智能不该只靠「把下一帧画面生成出来」。JEPA的做法是预测性学习：不在像素层面逐点画图，而在抽象表征层预测下一步会发生什么，从而抓住因果关系。世界模型，就是系统内部有一张可推演的「环境会怎样变」的地图。
本周，中国研究团队把这套思路用到细胞生物学。模型要学的是细胞内的动态过程，以及不同部分如何相互作用。相当于给细胞配一张可推演的内部地图，而不是只给一张静态切片做分类。团队和论文的具体名称，这条消息没有写出，因此现在能确认的是架构迁移已经开始，而不是某一项临床指标已经达标。
细胞场景和视频场景的难处不一样。视频里的「下一步」往往还是画面。细胞里的下一步可能是信号分子、基因表达或结构变化，数据更稀、更贵，也更不容易用肉眼核对。预测性架构若能在这种数据上工作，价值在于少做一些无效实验，而不是替代实验本身。
这是通用架构走向垂直科学的又一次尝试。药研、病理和合成生物学都依赖对细胞状态的判断。基础架构一旦证明可迁移，这些领域会跟进；若证明不了，它就只是一次跨界试验。谁先把细胞状态「算明白」，谁就更接近把发现周期从年缩短到可计划的实验批次。眼下还没有公开的命中率，下一观察点是团队是否给出可复现的预测任务，而不是只给出架构名称。
生成式模型努力把下一帧画出来，JEPA努力在抽象层回答下一步是什么。细胞里的下一步常常是信号、基因表达或结构变化，不像视频那样可以用眼睛核对。数据更稀、更贵。预测性架构若能工作，价值是少做无效实验，不是取代实验。
药研、病理和合成生物学都依赖对细胞状态的判断，所以这套迁移会被关注。消息没有写出团队全名、论文和准确率，就不能写成已经发现新靶点。现在能记录的只有一句：中国团队开始用联合嵌入预测学习细胞内部动态和相互作用。后面必须补可复现的预测任务，外界才好复核。