10亿美金开局，今年这个赛道几乎都融到钱了

撰稿｜王世薇

“今天春节刚过，赛道好像突然火起来，好几个项目都官宣了融资消息。”7月刚刚拿到博士学位的王艺璇，另一个身份是华源智因的首席技术官。

这家成立于2025年8月的虚拟细胞公司，在一个月前完成了数千万种子轮融资。

在国内，虚拟细胞企业当前的资金环境格外宽松。只要手握还不错的虚拟细胞技术，无论多新的企业、多年轻的创业者，几乎都能轻松拿下数字可观的种子轮，或者天使轮融资。

对于王艺璇和华源智因而言，这样的外部环境带来一个明显的变化，他们可以接触到垂直领域之外的投资者，看到以往看不到的机会。

动脉网尝试联系一位刚投资过虚拟细胞企业的投资人，换个视角了解这个新风口。而得到的回答是暂时不方便发声，因为他又投了一家虚拟细胞企业，只是尚未官宣。

虚拟细胞的风口，正接踵而至。而AI制药的无限想象，或将因此重新来过。

01

虚拟细胞企业都能融到钱？

虚拟细胞此番站上风口，要从2024年说起。

当年，由ARCH Venture Partners与Foresite Labs两家顶级风投牵头，集结斯坦福学者与罗氏、辉瑞等MNC的前高管，一家名为Xaira Therapeutics的新公司成立，并立即拿下10亿美元融资。

这个金额在Biotech的早期融资中并不常见。而Xaira的独特之处在于，打算用全新的技术范式来重塑AI制药。这种新的技术范式，便是AI虚拟细胞。

2026年春节刚过，Xaira正式推出49亿参数的虚拟细胞模型X-Cell，同步发布的预印本论文中明确披露：在Tahoe-100M药物数据集上，X-Cell的Pearson指标达到0.31，显著优于STATE模型的0.22，核心性能最高较STATE模型提升5倍。

Pearson指标，是AI虚拟细胞领域专门用于衡量模型预测“扰动”效果的核心性能指标，即皮尔逊相关系数。皮尔逊相关系数的数值越接近1，代表模型预测的扰动变化趋势和幅度与真实实验结果高度一致。

要知道，在此前，STATE模型0.22的皮尔逊相关系数，已是行业主流标杆性能。而X-Cell完成这个行业级的性能突破，只用了不到1年时间。这意味着，虚拟细胞模型的发展，走上了快车道，资本便循声而来。

2026年以来完成融资的国内AI虚拟细胞项目 数据来源：动脉橙数据库

据动脉橙数据库统计，2026年4月以来，国内虚拟细胞赛道共发生近10起融资，红杉资本、君联资本、BV百度风投、国信创投基金等顶级专业投资机构和国有投资机构悉数入局，数亿资金涌向这项新兴技术的产业化浪潮。

其中，除了耀速科技、西湖欧米外，此番密集完成融资的虚拟细胞企业，均处于相对早期的创业阶段。

值得注意的是，这些虚拟细胞企业各自选择了差异化的落地场景和技术路径。

比如，百曜科技走“大数据库+通用基础模型”的平台型路线，尝试布局靶点发现、药物筛选、iPSC分化的细胞治疗等，而无界进化‌主打全栈式大模型驱动的虚拟细胞，覆盖从分子到细胞的全尺度模拟，在合成生物学底盘细胞设计方向有独特布局，‌华源智因‌则避开靶点筛选、分子生成的热门环节，聚焦临床前药效评价。刚刚完成融资的‌深度细胞‌，从最底层的分子相互作用维度切入构建虚拟细胞，技术路径更偏向基础科研驱动。

从某种意义上讲，在行业风口刚刚被带动起来的当下，各个方向的虚拟细胞早期项目，几乎都能顺利完成早期融资。

02

解构国内AI虚拟细胞格局：

BAT的新江湖

所谓虚拟细胞，即在计算机上模拟细胞的部分，甚至全部生物学行为。

“随着多组学技术发展，我们已经积累了大量关于细胞的数据，但这些数据大多还是分散、静态的。”西湖大学教授、西湖欧米创始人郭天南向动脉网描述了做虚拟细胞研究的初衷，“能不能把基因组、转录组、蛋白质组以及空间、时间和扰动数据整合起来，建立一个可以描述细胞状态、预测细胞变化，并通过实验不断验证和修正的模型？”

简而言之，眼下的虚拟细胞需要做两件事，描述细胞的状态，和预测外界扰动对细胞状态的影响。

视线转回美国，在Xaira成立的同一年，同在旧金山湾区，相距数十公里之外，另一家虚拟细胞公司也悄然成立，并于当年末发布虚拟细胞模型AIDO.Cell-100M的1.0版本。

这家名为GenBio AI的公司，由国内生物大模型技术大咖宋乐创立。此前不久，宋乐卸任了百图生科的首席AI科学家，是百图生科AI能力的奠基人之一。

任职百图生科期间，宋乐主导搭建了xTrimo生命科学基础大模型体系，从蛋白质预训练起步，逐步扩展到DNA、RNA、细胞等多尺度生物数据的统一建模。更早之前，宋乐曾在蚂蚁金服、阿里巴巴达摩院工作。

■扎得最深的百度

在国内，从生物大模型到虚拟细胞，百图生科和他背后的百度，是一个绕不开的名字。

早前，百图生科自主研发的生命科学基础大模型xTrimo，已经迭代到V4版本，参数量达到2680亿，是全球最大规模的全模态生命科学基础大模型之一。

从生物大模型跃迁至虚拟细胞，百图生科同样不甘落后。在2025年，百图生科就凭借自主研发的xTrimo SCPerturb单细胞扰动计算模型，在首届全球虚拟细胞挑战赛中击败全球1200余支队伍，夺得全球第一名。有意思的是，前文提到的华源智因CTO王艺璇，此前曾供职于百图生科。

2023年10月，中科院动物研究所李鑫团队首次公布了GeneCompass的相关研究成果。这个基于超1.2亿个人类和小鼠的单细胞转录组数据完成预训练的生物模型，是全球较早的跨物种基因调控基础模型之一。

2025年10月，GeneCompass模型的开源代码仓库在GitHub平台正式上线，面向全球科研人员开放使用。当月，以GeneCompass模型为核心技术的虚拟细胞模型公司百曜科技完成数千万元天使轮融资。2026年6月，BV百度风投入股百曜科技。

从下场做模型到输送行业人才，再到投入真金白银，在行业真正出现黎明的曙光前，老牌互联网巨头百度已经在虚拟细胞赛道深深扎下根。

部分虚拟细胞相关重要模型 数据来源：动脉网根据公开信息整理

■触角最广的腾讯

与此同时，在中国南方的深圳，腾讯也没有放过虚拟细胞。

2024年6月，腾讯AI Lab在GitHub平台正式发布CD-GPT的开源代码仓库。这是国内首个基于生物中心法则建模的创新性生物基础大模型。

2026年8月，腾讯生命科学实验室姚建华团队，联合中南大学李敏教授团队的共同研究在《细胞》上发表，他们提出统一的细胞扰动建模框架UniPert-G2CP，建立了从多模态分子表征到跨域表型迁移的统一细胞扰动建模新范式。

不过，腾讯对虚拟细胞的布局，远不止于此。

2015年‌，腾讯参与晶泰科技A轮融资。此后10年间，腾讯多次加持。截至晶泰科技IPO前，腾讯已经是其第一大外部机构股东。而晶泰科技，正是国内AI虚拟细胞企业背后一股重要的力量。

2025年11月，晶泰科技深度孵化下，晶泰科技创新中心AI算法负责人赵亚龙成立虚拟细胞企业无界进化。2026年6月，无界进化自研的虚拟细胞模型OCOO-T相关论文在arXiv平台正式上线公开。

据无界进化介绍，OCOO-T模型在三大扰动基准上达到行业最优（SOTA）水平。同月，无界进化完成了数千万元天使轮融资，引入顺为资本、红杉中国、松禾资本等顶级投资人。

此前的2026年4月，晶泰科技曾战略投资耀速科技。这家2021年底成立于波士顿的公司，探索将类器官芯片、高内涵3D细胞成像、计算机视觉与AI融合。

晶泰科技通过这笔投资，将触角伸向了虚拟细胞的实体验证场景。而如何跑通从预测到验证，再到预测的闭环，正是眼下AI虚拟细胞商业化的最大难点。

■跑得最快的阿里

国内虚拟细胞赛道的第三极，在长三角。

这里有阿里达摩院、西湖大学。另一个有意思的点是，前文提到的Xaira，其最年轻的联合创始人黄步威，出自位于杭州的浙江大学。

2026年6月，阿里达摩院正式发布灵枢细胞模型，并现场演示基因扰动预测。在25支顶尖团队参与的虚拟细胞挑战赛基因扰动基准测试中，灵枢细胞综合排名第一，核心指标优于 STATE等传统模型。

据了解，该模型已接入"达摩灵枢"科研智能体平台对外开放测试，此前曾辅助科研团队预测出 6.8 万种潜在超导材料，在生命科学领域可直接用于药物研发环节的前置筛选。

当然，长三角的虚拟细胞创新高地不止阿里达摩院。

2026年6月17日，西湖大学郭天南团队联合上海交通大学医学院、哈尔滨医科大学等单位，系统性地绘制出迄今为止分辨率最高、覆盖范围最广的人体蛋白质组空间图谱在《Nature》。

2026年7月，郭天南教授团队联合多家国际国内研究机构在《Nature》发表前瞻性评述文章《Towards the construction of a virtual yeast》，提出一套可验证、可迭代、可迁移的虚拟细胞系统性构建框架。文章以酿酒酵母为模式生物，提出整合先验生物学知识、细胞空间结构与动态扰动数据，构建兼具生物学约束与预测能力的细胞级AI智能体。这套方法论并不局限于酵母，而是可以迁移到人体、动物、植物与微生物等各类细胞体系。

郭天南教授曾表示，希望将这张静态的蛋白质“地图”，和时间维度的动态变化结合起来，利用AI构建一个可预测、可交互的“虚拟细胞”模型。

此前的2025年2月，郭天南团队曾发布首个基于动态蛋白质组构建虚拟细胞的基础模型ProteinTalks，基于3800万条扰动数据的大规模蛋白组建模。2026年7月，郭天南教授创立的西湖欧米获瑞江康圣基金战略投资。

此外，2026年4月，西湖大学工学院李子青团队联合浙江大学、华大基因研究院在《Nature Communications》发表重磅研究成果，CellVQ模型。这是款兼具全面性与可解释性的单细胞基础模型，同步推出轻量化插件工具CellVQ-Graph，攻克单细胞 AI 模型泛化性差、可解释性弱的行业痛点。

03

历史进程中的虚拟细胞

虚拟细胞的最初构想，诞生于系统生物学兴起的年代。研究者的目标十分纯粹，即把细胞内部全部生化反应、基因调控关系写成数学公式，在计算机中完整复现一个活细胞的全部行为。

1999年，日本科学家启动著名的E‑Cell项目，搭建人类历史上第一个虚拟细胞原型。为降低难度，团队选择一个仅有127个基因的假想极简细菌，依靠人工编写大量微分方程，手动录入每一条代谢通路参数，最终实现虚拟细胞完成数字层面的分裂周期。

但这套模式天生带着致命短板，每增加一个基因、一条反应通路，都需要科研人员手工标定参数。因此，E‑Cell只能停留在极简假想生命体，距离人体细胞、药物研发应用遥不可及。

2012年，斯坦福大学Covert团队交出传统机制建模的巅峰成果，即生殖支原体全细胞模型。生殖支原体是自然界基因数量最少的细菌之一，一共482个基因。研究团队整合基因组、代谢、基因敲除实验数据，搭建完整仿真系统，可以模拟细菌生长、分裂，甚至预测基因敲除之后细胞表型变化，当时被视作计算生物学里程碑。

不过，模型只能运行在最简单的细菌身上，无法迁移到复杂度高出几个量级的人类细胞、大量生化反应参数至今没有实验手段精确测量、仿真结果很难做大规模湿实验校验。整个项目始终属于高校实验室课题，没有衍生商业公司。

历史进程中的虚拟细胞 数据来源：动脉网根据公开信息整理

“其实在2023年前后，生物大模型就已经在计算生物学的研究中广泛应用，但这些模型在不同细胞类型之间的泛化能力有限。”王艺璇指出。

而真正的范式切换，发生在单细胞测序、大规模扰动实验与AI算法共同成熟之后，再加上制药界借助AI技术来提升药物研发效率的需求和能力日积月累，共同激发了AI虚拟细胞此番的大火。

不过，在现实的虚拟细胞模型和理想的AI制药之间，还隔着无数次的模型优化，和数据集完善。

“如果按照在计算机里真正演绎一个活细胞这个标准，目前还远远没有实现。”郭天南教授告诉动脉网，现在很多所谓的虚拟细胞模型解决的是一个相对具体的问题，比如根据一个细胞当前的状态，预测基因敲除或者药物处理之后它会发生什么变化。

在他看来，AI虚拟细胞目前最大的挑战在于数据和生物学。“目前公开数据中，静态数据比较多，真正高质量的空间数据、动态数据和扰动数据还很缺乏。”郭天南教授表示。

墨卓生物创始人裴颢博士也指出，现有公共数据看起来很多，但有结构性问题明显，包括来自不同实验室、设备、试剂和流程的批次效应明显，大多数是静态观察数据，样本来源、实验过程和质量控制等上下文记录不完整等。

“另一方面，很多模型主要从数据相关性出发，对细胞内部真正的生物学机制考虑得还不够。下一步既需要更好的模型，也需要新的实验技术和数据体系。”郭天南教授补充到。

王艺璇也强调，AI虚拟细胞模型一定要到真实的场景和试验中，和医生、学者、有影响力的药企合作，在真实的世界去评测能力，才是更有价值的，而不只是执着于调整参与，把指标做到极致。

第三轮虚拟细胞浪潮，能否最终搅动产业端的深刻变革，现在还言之尚早。但至少，AI制药的历史，已经不可避免地翻开了全新的一页。

*封面图片来源：AI生成

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网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