虚拟细胞火爆未减，为什么药企还没掏长期预算？

撰稿｜周秋寒

“地图并非疆域本身。”普通语义学家阿尔弗雷德·科日布斯基的这句论断，恰如其分地注解了当下虚拟细胞赛道的产业定位。

正如高精度地图无法完全复刻真实的山川河流，却能极大提升探索未知的效率；虚拟细胞虽不等同于真实的生命细胞，却正在成为新药研发领域不可或缺的“数字导航图”。

近两年，全球虚拟细胞赛道迎来融资爆发期：海外Tahoe Therapeutics、Turbine相继完成大额融资，中东主权基金与顶级风投集体押注百亿级数据底座与细胞模型技术；国内赛道同步升温，多家企业接连完成天使轮到A+轮融资，国有资本与一线机构密集布局。

一边是资本热捧下的数字生命叙事，一边是新药研发端对效率提升的真实刚需，虚拟细胞究竟是资本催生的概念泡沫，还是下一个能改写产业规则的“AlphaFold时刻”？

结合产业一线的技术实践与资本端的长期观察不难发现，当前赛道正处于技术验证向商业化过渡的关键节点：需求真实存在，但规模化落地尚远；技术路线快速迭代，但核心壁垒已从算法转向数据与闭环能力。这场关于“数字细胞”的产业革命，才刚刚拉开序幕。

近日，动脉网联合微解药举办“中国创新医疗资产会客厅”交易圆桌派第二十五期，邀请广发信德投资总监、基金经理过泽远，峰瑞资本副总裁谢达，耀速科技科学事务与创新部负责人叶森，百图生科高级副总裁、AI研发负责人张晓明，嘉华药锐DeepKinase创始人、CEO郑乃中五位产业与资本端嘉宾，共同拆解虚拟细胞从概念验证迈向产业落地的真实路径。

01.

热度掩盖下的早期底色

融资消息的密集释放，很容易给外界造成“赛道即将爆发”的错觉，但从产业实际进展来看，资本热度与技术成熟度之间仍存在明显错配，全行业整体仍处于早期技术验证阶段。

创新药行业受困于双十定律已久，高投入、高失败率的痛点始终存在，这是虚拟细胞技术得以快速渗透的底层动力。从全球产业实践来看，国际大药企对AI工具、虚拟细胞技术的尝试早已启动，并且正从早期分子设计逐步向临床前验证、开发全流程渗透。

正如郑乃中观察到的，行业对效率工具的需求迫切度，其实比外界感知的更强烈，所有人都在等待一款能真正降低研发损耗、提升成功率的工具。

但需求存在，并不等于商业化已经跑通。

从订单性质来看，当前海内外的合作大多仍属于试验性、验证性项目，尚未有企业的技术被纳入药企标准化研发流程，成为长期刚性预算。过泽远给出了更审慎的判断：整个赛道距离大规模商业化兑现还有很长距离，现阶段只能说“有苗头、有需求”，远未到“商业化路径跑通、可大规模复制”的阶段。

若以蛋白质结构预测的发展路径做参照，谢达认为，当前虚拟细胞的发展阶段，大概处在AlphaFold 1出现之前的时刻。目前行业在细胞系分类等基础问题上已有不错进展，但面向成药场景最核心的“扰动后细胞状态预测”，准确度仍有较大提升空间。如果用扰动后最显著的100个基因预测准确率来衡量，行业整体仍处在较低水平，技术本身还需要一轮本质性的迭代。

换言之，当前的融资热潮，本质是资本对技术潜力的提前布局，而非产业成熟后的价值兑现。虚拟细胞既不是被吹出来的虚假概念，也不是马上就能颠覆新药研发的万能钥匙，更像是站在爆发前夜：需求真实存在，技术方向清晰，但落地的深度与广度都还需要时间沉淀。

02.

数据、模型与闭环的三重博弈

如果说虚拟细胞的终局是构建出能精准模拟生命活动的“数字细胞”，那么抵达终局的路上，数据、模型与实验闭环构成了三大核心博弈点，也决定着企业的真实壁垒。

行业内曾一度将模型算法视为核心竞争力，但随着通用大模型技术的普及，越来越多的从业者达成共识：数据才是虚拟细胞的真正地基，且数据的质量与维度，远比数据量更重要。而支撑技术持续进化的终极引擎，是干湿实验的完整闭环。

公开数据库中最易获取的转录组数据，已被证明存在天然局限。单纯依靠转录组训练模型，会引入大量噪声与偏差。这是因为，细胞中大量转录本并不会翻译为功能蛋白，基因表达的高低，也无法直接等价于细胞功能的变化。

郑乃中从功能蛋白质组学的视角指出，真正能直接决定细胞表型变化的，是蛋白的修饰与相互作用，比如受体的磷酸化才是启动细胞增殖、凋亡等一系列反应的开关，而这部分数据恰恰是公开数据库中最稀缺的。

多维度、高质量的原生数据，正在成为企业最核心的差异化壁垒。

耀速科技依托三维类器官与器官芯片平台，积累了大量药物扰动下的真实实验数据，通过临床已知药效的药物作为锚点，对细胞形态、分泌因子、组学等多维度数据进行统一赋分，建立了跨形态的可比度量衡。

在叶森看来，数据壁垒分为两层：原生的高质量稀缺数据是第一层，数据处理与生物学意义解读的能力是第二层，二者共同构成了难以复刻的技术护城河。过泽远同样认为，结合蛋白组、修饰组、细胞形态学甚至亚细胞结构的多模态数据，才能更完整地还原细胞真实状态，这也是纯算法公司无法通过公开资源补齐的短板。

在数据之上，模型的核心能力则体现在跨尺度、跨模态的融合能力上。

张晓明打了一个比方：DNA、RNA、蛋白质、细胞状态，本质上是同一个生命系统在不同尺度上的“投影”，而非彼此独立的信息。百图生科的做法是，先让每个模态在海量数据中学习自身的底层规律，再借助中心法则、序列决定结构这类已知的生物规律作为锚点，完成跨模态的表征对齐，最终通过底层机理实现跨尺度的推理衔接。

“不是把数据简单拼接输入模型，而是用生物逻辑把不同尺度的信息串联起来，模型才能具备泛化与预测能力。”张晓明表示。

而支撑技术持续迭代的终极飞轮，是干湿实验闭环。行业已普遍形成共识：虚拟细胞不会走通用大模型“堆参数、堆公开数据”的规模化路线，它的持续进化需要数据、模型、实验三个环节同时转动。模型识别出自身理解的盲区，针对性设计实验补全关键数据，实验结果反过来优化模型，反复迭代。

因此，有没有完整的干湿闭环能力，正在成为区分算法外包公司与虚拟细胞平台公司的核心标志，也是行业长期竞争的胜负手。

03.

成为刚性采购的三道关卡

技术价值最终要靠商业验证。

当前虚拟细胞行业的普遍困境，是“技术听起来很美，买单的人却不多”——药企愿意做试点合作，但很难转化为长期、规模化的采购。

在嘉宾们看来，要跨越从“尝鲜订单”到“刚性预算”的鸿沟，行业需要闯过三道关卡。

第一道关卡，是放弃“万能细胞”的叙事，聚焦单一场景证明价值。

很多企业在推广时习惯强调“可以替代动物实验”，但在产业实践中，这种表述反而很难获得药企采信。

叶森在与MNC合作的过程中深有体会：不要上来就谈替代，要先聚焦一个非常具体的场景，比如药物性肝损伤预测，在这个场景里明确证明技术能稳定输出有参考价值的结果，对方才会逐步将其纳入研发流程。FDA近年来发布的多项指导原则，核心思路也是“明确使用场景、验证技术性能”，而非笼统地认可某类技术。先在单点打透，再逐步拓展边界，才是技术落地的正确路径。

第二道关卡，是找到适配生物医药行业的商业模式，而非照搬互联网SaaS逻辑。

很多人默认虚拟细胞的终局是API调用的订阅模式，但从客户真实付费意愿来看，纯API模式太轻，解决不了真实场景的复杂问题；纯项目定制又太重，无法规模化沉淀能力。

张晓明对此判断：客户不会为单次模型调用买单，也不会为一个定制开发团队付费，他们真正愿意付费的，是“解决具体研发问题”。当前更可行的形态是“平台化内核+场景化闭环”：底层是可复用的基础大模型与数据处理能力，前端针对具体管线形成“预测 - 验证 - 回流”的完整闭环，交付给客户的是可落地的研发结论，而非冰冷的模型调用结果。

过泽远则把当前的商业化路径归纳为三类：短期最快变现的是“AI+CRO”服务，针对靶点筛选、毒性预警等具体环节做定制化开发，需求明确、交付清晰；中期有望成为主流的是技术授权与平台服务，当技术足够成熟后，药企会像采购传统CRO服务一样常态化采购；长期价值最大的是深度参与管线联合开发，按里程碑与销售分成，分享药物上市的长期收益。

“多数企业都会先从服务做起活下来，再逐步向平台、向管线延伸，这是行业必经的阶段。”过泽远表示。

第三道关卡，是找到最先跑通商业化的细分场景。

全流程替代动物实验这类宏大叙事，反而会是最晚落地的场景。谢达预判，最先形成完整商业闭环的方向，可能是细胞治疗的性能增强，比如CAR-T细胞的功能优化。这类场景中，单细胞层面的改造结果，能直接和临床的宏观疗效指标对齐，验证路径短，价值感知清晰。其次是药物重定向，借助虚拟细胞快速筛选已上市药物的新适应症，验证成本低、落地快。

04.

不同虚拟细胞企业对应不同估值逻辑

虚拟细胞赛道尚处早期，技术与商业都在快速迭代，投资人的评估逻辑也在发生变化。对比AI影像、合成生物等同样热门的交叉赛道，虚拟细胞的风险特征与成长空间有着鲜明的自身特质，评估体系也正在从看故事、看团队，向看验证、看闭环转变。

从赛道属性来看，虚拟细胞的成长上限更高，但短期不确定性也更强。AI影像有明确的商业化与监管落地路径，合成生物有清晰的产品与工程化路线，而虚拟细胞的成熟度显著更低。但相应的，它的想象空间也更大。

一旦虚拟细胞技术成熟，其有望成为生物医药研发的底层基础设施，向上赋能靶点发现、细胞治疗，向下支撑临床研究、精准用药，甚至带动类器官、器官芯片、组学诊断等一系列周边产业的创新，是真正能推动研发范式变革的技术。

对应到投资评估体系，不同商业模式的虚拟细胞企业，评判标准完全不同。

谢达将虚拟细胞企业分为三类：做模型服务的企业，核心看模型的泛化能力与生物学理解深度；做管线开发的企业，核心看分子本身的竞争力与BD能力；做场景化应用服务的企业，核心看对药企需求的理解深度与快速迭代能力。“不存在一套通用的评估标准，关键是看技术优势能否对应到真实的商业价值。”

过泽远也持类似观点：传统AI制药项目可以按创新药逻辑评估，看靶点、看成药性、看临床数据；但纯平台型的虚拟细胞项目，要按“数据-模型-决策”的逻辑去看。

由于模型本身存在“黑箱”属性，很难通过尽调完全摸清其真实能力，因此投资判断最终会落到商业化验证上：早期看团队背景、数据来源的稀缺性，成长期则重点看合作药企的量级、订单的复购性，以及技术是否真的影响了药企的研发决策。

关于赛道真正实现规模化应用的标志，产业与资本端也逐渐形成了多维度的共识。

其一在产业端，技术纳入药企标准研发流程，具有持续的刚性预算，且能真实影响研发决策，切实提升实验命中率、缩短周期；其二在技术端，行业形成统一的验证标准体系，能力具备跨场景、跨疾病的可复制性；其三在监管端，监管机构认可虚拟细胞数据可部分替代实验数据用于申报。

当三个层面的里程碑逐一兑现，行业才算真正进入成熟期。

而关于AI在生命科学中的边界，行业几乎形成了统一的认知：虚拟细胞不会完全替代湿实验，最终的形态一定是“干湿共生”。

张晓明表示，AI负责拓展探索的边界，在海量可能性里高效筛选方向；湿实验负责验证高风险的关键结论，提供真实数据反哺模型。叶森也提到，干实验能帮药企砍掉冗余的低价值实验，湿实验能产出更高质量的训练数据，二者叠加形成的效率飞轮，才是虚拟细胞真正的产业价值。

回到开篇“地图与疆域”的比喻，虚拟细胞或许永远无法1:1复刻真实的细胞生命活动，但这并不妨碍它成为新药研发史上最重要的工具之一。就像人类从未因为地图不够精准就放弃绘制，恰恰是一代又一代精度更高的地图，支撑着人类探索未知的脚步。

当下的虚拟细胞行业，正处在绘制第一份高精度细胞地图的关键节点。资本的涌入、技术的迭代、药企的尝试，都是在为这份地图填充更丰富的细节。这条路不会很短，也不会一帆风顺，但方向清晰、价值明确。当技术、数据与商业闭环形成正向飞轮，虚拟细胞改写新药研发范式的那一天，或许比很多人预想的来得更快。

*封面来源：AI生成

秒追创新医药产业动态

不遗漏一手信息推送！

专题推荐

声明：动脉新医药所刊载内容之知识产权为动脉新医药及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢