AI虚拟细胞是什么？一篇报告说清楚

扫描右下角二维码即可下载报告原文

互联网之于信息产业，基因组计划之于现代生物学，每一代基础设施的建成，都会极大拓展整个领域的可能性。如今，生命科学也将迎来新一层基础设施：AI 虚拟细胞（AI Virtual Cell，AIVC）。

从生命的微观角度看，蛋白质是零件，细胞是机器。过去十年，以 AlphaFold 为代表的 AI 工具解决了设计“新零件”的问题，而造出“新机器”正是 AI 在生物领域创造价值的关键。

AIVC 就是这种新机器的最终形态。它的目标是在计算机中构建细胞的“数字镜像”：观察其在受到药物、基因编辑或环境变化的干预之后，可能发生的种种变化。

2024 年 12 月，一篇由斯坦福大学、哈佛大学、微软研究院等机构的 42 位学者联合署名的文章登上《细胞》（Cell），系统提出了用 AI 构建虚拟细胞的研究框架与优先方向。AIVC 开始从原先分散的技术探索，进入系统化发展的快车道。

AIVC 是两条技术脉络交汇的产物。在生命科学领域，1990~2003 年完成的人类基因组计划（Human Genome Project）开启了生命信息的规模化数据化；2009 年前后，单细胞转录组测序为研究提供了以单个细胞为分辨率的数据基础；2016 年起，扰动-响应数据集开始建立，为预测细胞受到干预后的变化创造了条件。而在 AI 一侧，2017 年 Transformer 架构被提出，2020 年 AlphaFold 2 进一步从算法层面证明深度学习可以习得复杂生命规律。

当研究对象从“分子尺度”扩展到“细胞尺度”，挑战维度陡然上升。业内因此将 AIVC 视为“下一个 AlphaFold 时刻”：在计算空间中描述细胞状态，模拟基因、药物及环境扰动带来的状态迁移，再交由实验验证。

AIVC 不止于一个技术方向，还具备巨大的产业价值。在 AI 制药（AIDD）等传统路径下，候选分子的发现效率虽然有所提升，但对应新药的研发依然受制于“双十定律”（平均耗时十年、耗资超过十亿美元），九成以上的失败发生在临床转化阶段。

AIVC 将预测对象从分子推进到细胞，致力于在计算空间中模拟各类细胞状态变化，未来有望压缩实验需求和成本，革新药物发现流程。同时也为细胞治疗、基因疗法等方向提供计算支撑。

更远的目标是从细胞响应进一步延伸至系统效应：将细胞层面的预测结果与组织结构、器官功能和个体差异对齐，最终回答一个在研发中最昂贵的问题：这种分子层面的变化，能否真正转化为患者疗效？

这条从分子命中到细胞响应、再到系统效应的完整链条，正是 AIVC 试图打通的核心路径。

过去两年，AIVC 在海外快速完成了从学术概念到产业共识的跨越。技术公司与跨国药企已形成较为成熟的协作体系。相比之下，国内 AIVC 仍处于发展初期，探索更多集中在模型研发与能力建设层面，产学研协同、场景落地和产业验证均有待推进。与此同时，国内从业者、投资人和政策制定者面对这一方向时，可参考的系统性材料仍然有限。

基于此，《麻省理工科技评论》中国调研并发布《AI 虚拟细胞（AIVC）技术趋势、产业生态与应用前景研究报告》。本报告在中关村科学城管理委员会的指导下，由百曜科技发起并提供项目支持，《麻省理工科技评论》中国团队策划与编撰。报告基于全球视角，梳理 AIVC 的技术路线、产业格局与未来趋势，为科研工作者、产业界人士、投资人和政策制定者提供参考。

中国科学院院士、中国科学院生物物理研究所研究员陈润生在序言中指出，生命不是某一时刻的静态状态，真正有价值的虚拟细胞首先应当“活”起来，在时间中展开、在空间中组织；同时，“短期不应高估其成熟度，长期也不应低估其科学价值”。

（来源：《麻省理工科技评论》中国）

范式重构：从“分子命中”到“细胞响应”

AIVC 是一种跨尺度、多模态、基于大规模神经网络的模型，能够表征并模拟细胞在多种状态下的行为和状态转换。AIVC 能够建模细胞在不同状态之间转换的动态过程，包括由分化、发育、衰老等自然过程、遗传变异，或人为设计的扰动所引起的状态变化，以及在亚细胞、多细胞尺度的变化预测。

理解 AIVC 的战略价值，需要将其放进 AI for Science 的整体演进脉络。

以 AlphaFold 为代表的 AI 制药（AIDD）主要解决分子结构、性质与互作问题，提升候选分子的发现效率，但难以判断一个靶点在特定疾病细胞中是否会带来真正有效的响应。

AIVC 则将研究对象从“分子层面”推进到“细胞层面”，把细胞视为由基因调控网络、信号通路、代谢过程和表型共同构成的动态系统，从“靶点命中”演化至“细胞响应”预测。

AIVC 的快速发展，得益于一系列生命科学研究基础设施的不断完善。单细胞测序、空间组学、多组学测量、扰动实验和自动化平台的同步成熟，把细胞状态、分子变化及表型结果转化为可计算的数据。政策、技术、监管与资本四个方向在同一时期形成共振，共同为 AIVC 打开了发展窗口。

（来源：《麻省理工科技评论》中国、Bunne et al., Cell, 2024.）

技术四层：数据、模型、自主智能与干湿闭环

AIVC 的构建可拆解为数据、模型、自主智能和干湿闭环四个层级。

（来源：《麻省理工科技评论》中国、百曜科技访谈）

数据层面，规模固然重要，但 AIVC 至少还要回答好三类问题：这是什么细胞、它现在处于什么状态？敲除一个基因、加入一种药物或改变环境后，它会怎么变化？这种分子层面的变化是否会改变细胞功能、组织行为或患者疗效？

回答这些问题依赖四类数据的协同：细胞静态数据（以单细胞转录组为主）、扰动-响应数据（记录干预前后的状态变化）、临床数据（把体外结果对齐到真实患者）、以及生物学先验知识（提供结构化约束与可解释性）。

除此之外，AIVC 模型的性能更取决于数据是否准确、稳定并具有明确的生物学意义。

数据在进入模型训练前需要经过四个维度的加工：去噪用于剔除技术偏差，同时保护稀有细胞状态下的弱信号；去重用于控制冗余比例，避免重复信息被过度学习；标准化用于统一不同来源、平台与批次的记录与表达规则，形成一致可比较的质量基础；跨模态对齐用于让不同来源的信息产生内在关联，这也是数据加工中最核心、难度最高的环节。

模型层面，AIVC 正在经历从静态表征到状态迁移与连续演化的快速迭代。早期以 Transformer 为代表的自监督预训练模型，主要通过遮蔽训练等方式学习细胞数据中的统计规律，回答“细胞是什么”的问题，代表性成果包括博德研究所的 Geneformer 等。

（来源：《麻省理工科技评论》）

在此基础上，扰动模型进一步引入干预前后的对照数据，回答“细胞如何变化”，代表性成果包括斯坦福大学的 GEARS、Arc Institute 的 STATE 等。

当前，领域内正在向更高阶的动态建模探索：通过世界模型在潜在空间中预测系统未来的状态变化，回答“细胞如何演化”。代表性成果包括百曜科技的联合嵌入预测架构（JEPA）模型 CellOS、同济大学的 AlphaCell、GenBio AI 的 AIDO Cell、Arc Institute 的 Stack 等。

与此同时，因果机制建模、连续动力学生成、多模态多尺度融合等技术路线也在并行推进。

AIVC 模型的参数规模已从早期的百万级跃升至数亿级，部分成果甚至突破十亿级，但与自然语言模型不同，单纯扩大规模并不必然为 AIVC 带来更好的零样本泛化能力，训练目标、扰动覆盖、细胞上下文与任务类型同样关键。

因此还需要一个能将科研问题拆解为可执行任务的调度层，即自主智能。

图丨自主智能工作流（来源：《麻省理工科技评论》中国）

在 AIVC 的技术体系中，通用大模型负责理解研发人员的自然语言提问、规划、推理和调度工具，AIVC 模型负责细胞状态与扰动响应预测；智能体将二者串联，完成从问题理解、虚拟扰动、候选方案排序到结构化输出的完整闭环，并将预测结果对接湿实验验证，实现数据持续回流与模型逐轮校准。

干湿闭环层面，真正决定 AIVC 长期竞争力的，是“数据生产-模型预测-实验验证-数据回流”的干湿闭环。自动化实验平台同时连接两端：向后为新的模型训练生产数据，向前承接模型预测后的实验验证。

（来源：《麻省理工科技评论》中国、百曜科技访谈）

每一轮实验同时产生两类结果：一是对模型预测的验证与误差反馈，二是可进入下一轮训练的新数据。经过回流、校准和迭代，系统逐步提升在特定细胞类型、疾病或研发场景中的预测可靠性。

因此，闭环中真正的护城河来自可持续更新的自建数据，尤其是失败实验、负样本和多时间点采样等公共数据库难以覆盖的部分。

产业生态：从模型授权到联合研发，双线并进

纵观产业全景，AIVC 正在形成一条清晰的产业价值链。

上游决定数据获取、数据质量和算力条件，涵盖测序与单细胞技术平台、开放生物图谱与训练数据资源、CRO（医药研发合同外包服务机构）与实验数据服务，以及 AI 芯片与算力基础设施；中游将这些资源转化为可调用的细胞表征、扰动预测与机制分析能力；下游通过药物研发、细胞治疗、工程细胞与生物制造、临床研究、消费健康等场景，兑现模型与服务价值。

（来源：《麻省理工科技评论》中国）

围绕这条价值链，AIVC 产业已呈现新锐公司与成熟企业双线并进的格局。

Xaira Therapeutics、Recursion、Cellarity、Noetik、Turbine、GenBio AI 等海外创企与百曜科技、英矽智能、华源智因、元示科技、深度细胞等国内公司，正把 AIVC 作为核心产品或核心研发引擎。

除创业公司外，科技巨头及科研资助机构也在加速布局。腾讯、阿里巴巴、字节跳动、Google DeepMind、微软、英伟达（NVIDIA）、Meta，以及陈·扎克伯格倡议（CZI）等，已在细胞模型、扰动预测和算力平台等领域展开研发，并通过合作项目推动相关技术落地。

（来源：《麻省理工科技评论》中国）

2024 至 2026 年间，资本市场的关注度显著抬升。

海外创业公司中，Xaira Therapeutics 于 2024 年成立时即完成 10 亿美元承诺资本，规模在早期生物技术融资中极为罕见；Cellarity 累计融资超过 1.2 亿美元，CytoReason 的新一轮达 8000 万美元，法国的 Bioptimus 累计融资超过 7600 万美元，Noetik、Turbine、Cellular Intelligence 等公司在过去两年也相继完成千万美元级别的新一轮融资。

国内相关统计显示，仅 2026 年 4 月以来，中国 AIVC 赛道就已发生近 10 起融资事件，红杉中国、君联资本、百度风投、国新基金等主流机构相继入场，数亿资金涌入这一新兴技术的产业化进程。百曜科技完成数轮累计数亿元融资。元示科技、深度细胞、无界进化等国内初创也均在近期完成新一轮融资。

产业合作已从概念验证进入实际交付阶段。2026 年 1 月，葛兰素史克（GSK）与 Noetik 达成为期五年的合作，获得后者 AIVC 基础模型 OCTO-VC 在非小细胞肺癌和结直肠癌领域的非独家授权，这被业内视为 TechBio 领域首个规模化的纯 AI 模型授权交易。8 个月后，双方宣布达成首个里程碑，Noetik 模型已被证实可用 GSK 少量专有数据微调即产出高精度预测。

Recursion 与罗氏（Roche）及其旗下基因泰克的合作进展也是标志性的一笔。2026 年 7 月，基因泰克将合作管线中的首个神经科学新靶点推进至联合早期发现项目，这是该合作自 2021 年启动以来首次实现“AI 发现-药企验证-进入研发管线”的闭环，截至 2026 年第二季度，Recursion 已从该合作累计交付 2.16 亿美元预付款和里程碑款。

此外，Cellular Intelligence 在 2026 年 5 月完成对诺和诺德（Novo）一款帕金森细胞疗法项目的收购，该项目已获美国食药监局新药临床试验（IND）批准并进入二期临床试验准备阶段，是目前 AIVC 企业中管线推进最快的案例之一。

Turbine 则获得拜尔斯道夫（Beiersdorf）投资，用于将其虚拟检测技术引入抗衰等活性成分评价；Relation Therapeutics 与葛兰素史克在纤维化和骨关节炎方向的合作，公开报道的潜在规模最高约 1.1 亿美元。

（来源：《麻省理工科技评论》中国）

能力验证：从“学术指标”走向“产业指标”

为识别真正有用的 AIVC，评价体系正在发生演进，这一领域正从技术展示走向真实场景验证。

2025 年，首届虚拟细胞挑战赛（Virtual Cell Challenge，VCC）由 Arc Institute 发起、英伟达等赞助。这是 AIVC 领域最具风向标意义的公开评测，也是检验模型在扰动区分、差异表达恢复、跨情境泛化等核心能力上是否具备真实预测价值的第一次全球性同台竞技。

中国团队的表现是本届 VCC 的最大亮点之一。最终大奖由百图生科旗下 BioMap Research 团队的 BM_xTVC 模型摘得，Altos Labs 团队凭借跨指标稳健表现获得组织方专门增设的“通才奖”；百曜科技创始团队参与构建的扰动模型在预赛全球排名第一、决赛全能榜单全球排名第二。

从主榜、通用性榜再到验证集榜，中国团队在多个维度上进入全球前三，国内 AIVC 研究正从“跟随者”转向“引领者”。

2026 VCC 赛季已经启动，其进一步引入零样本预测任务，要求模型在缺少当届扰动训练数据的情况下，将已有规律迁移到多个未见细胞背景。重点关注模型能否减少每进入一个新细胞背景都要重新采样、训练和验证的成本。这对产业研发有着极具启发性的指导意义。

关键挑战与六大趋势：从模型竞争走向系统竞争

当前，AIVC 仍面临四类核心挑战：数据基础不成熟、多模态对齐困难；现有组学数据难以完整刻画细胞分化、药物作用与疾病进展等动态过程；干湿闭环缺乏能够长期运转的落地场景；模型服务与虚拟实验等服务型价值仍被市场低估。

围绕未来演进，有几大值得关注的趋势。

趋势一：模型规模跃迁，但参数量不再是唯一胜负标准。

单细胞基础模型的参数规模已从早期百万级跃升至数亿级，部分路线进入十亿级，参数扩展带来的扰动预测性能持续改善。但与自然语言模型不同，单纯扩大数据规模或参数规模并不必然带来更好的零样本泛化能力，模型效果还取决于训练目标、扰动覆盖、数据多样性、细胞上下文与任务类型。

趋势二：AI-ready 且私有的新生产数据将成为关键竞争要素。

数据库不等于 AI-ready 数据，用于模型训练的数据是需要经过专门加工、能够被模型直接学习、能够复现实验条件并支持外部验证的数据。“新生产数据”是围绕模型训练目标专门设计实验、控制变量而获得的数据。未来，企业能否持续生产、验证并沉淀这类数据，将成为模型能力和产业竞争力的重要分水岭。

护城河的形成可能遵循一条递进路径：公开数据基础→自有实验平台生产的标准化数据→数据形成专有资产→通过干湿闭环持续更新模型→通过实际研发结果证明模型的决策价值。

趋势三：干湿闭环将从“加分项”变成产业化门槛。

干湿闭环不只是自动化实验室能力，而是能否建设并持续运转一套”资金投入-体系建设-服务交付-模型迭代”的完整系统。有效的落地场景需同时满足三个条件：具有持续产生新数据的实验过程，模型能够对实验设计或研发决策产生实际影响，客户愿意为模型或研发结果付费。缺少其中任何一项，都无法转化为持续的数据资产和模型能力。

趋势四：模型能力与垂直落地，快慢有别但缺一不可。

AIVC 企业未来都必须同时发展两种能力：构建具有跨场景预测能力的模型，以及将模型垂直落地到具体疾病、药物、管线或各类相关产业领域中。有的企业模型能力提升更快，先通过通用模型积累数据和客户；有的企业管线落地更快，先在特定疾病或细胞场景中取得验证，再反向推动模型升级。两条路径没有统一的先后顺序，但长期来看，两者缺一不可。

趋势五：产业协同与政策推动，或将成为AIVC 的重要锚点与放大器。

随着 AIVC 从技术探索进入研发场景落地，产业合作的形成将越来越依赖多种能力的组合。

对于大型产业方一侧，他们将从单纯的客户或投资方逐步转向产业生态的共同建设者，并可能影响 AIVC 的技术路线和评价标准。谁来定义有价值的研发问题，什么样的预测可以进入决策流程，哪些数据和验证结果能够被行业认可，都可能在长期合作中逐步形成共识。合作方式也将从项目合作扩展到联合实验室、战略投资、平台授权、数据合作、联合管线等。

在政府侧，主管部门可通过顶层规划、制定行业政策等方式助力产业发展。通过建设大科学装置、相关国家级平台，建设共享数据、算力和实验验证设施，提升AIVC 在数据生产、资源共享与实验验证等方面的整体支撑能力。

趋势六：AIVC 的投资逻辑将转向“平台价值与研发兑现”双重定价。

AIVC 既不完全等同于传统生物技术公司，也不能仅按 AI 大模型公司估值。长期价值来自模型构建的预测能力与平台复用性，短期价值则需要通过具体研发场景、客户收入和产业验证逐步兑现：模型平台决定企业价值的上限，真实研发结果决定价值兑现的程度。

重新定义生命科学的边界

我们每个人体内约有 37 万亿个细胞。每个细胞都是一台精密运转的机器，时刻在响应环境、执行指令、做出决策。理解这台机器如何工作，是生命科学最古老也最根本的追问。

几百年来，人类只能通过显微镜观察细胞、通过实验逐一试探细胞的反应。直到最近，从读取基因序列，到预测蛋白质结构，再到模拟整个细胞的行为，AI 正在沿着生命的组织层级逐级攀升。

而 AIVC 正在开启这条路径上最关键的一次跨越：第一次让计算机不只识别生命的组成部分，更要理解生命作为一个系统的运转规律，以此重建细胞的运行逻辑，在验证之前就预见结果，在进入临床之前就缩小方向。

技术尚在早期，但方向已不可逆。当这套能力逐步成熟，它将重新定义药物发现、疾病理解、以及治疗方案设计。也将推动生命科学从一门依赖观察与试错的经验学科，演变为一门可以预测、可以模拟、可以在数字空间中提前验证的精确科学。

唯有既看到方向的广阔，也尊重生命系统的复杂；既积极创新，也坚持科学验证，才能让人工智能真正成为认识生命、服务健康的有力工具，在不断逼近生命规律的过程中，拓展人类对生命理解的边界。

致谢

感谢指导单位中关村科学城管理委员会的关心与支持。报告撰写过程中受到来自科研、产业、投资等领域专家学者的支持与帮助（排名不分先后）：中国科学院院士陈润生、中国科学院动物研究所研究员李鑫、同济大学长聘特聘教授刘琦、西湖大学特聘研究员裴唯珂、耶鲁大学副研究科学家张迪、君联资本董事总经理周瑔、峰瑞资本副总裁谢达，以及英矽智能（Insilico Medicine）、百曜科技（Vitaura），为 AIVC 的技术发展、产业应用及未来趋势提供了宝贵意见。特别感谢百曜科技对本研究报告的发起与项目支持。在此谨致诚挚感谢。

扫描下方二维码或点击文末“阅读原文”，即可下载报告全文 PDF。如您希望与我们交流，欢迎联系：songbingran@deeptechchina.com。

本报告所载数据和观点仅反映《麻省理工科技评论》中国截至本报告发布之日的判断。《麻省理工科技评论》中国对报告所载信息的准确性、完整性或可靠性做尽最大努力的追求，但不作任何保证。在任何情况下，本报告中的信息或表述不构成任何投资建议。 《麻省理工科技评论》中国对该报告的数据和观点不承担法律责任。不同时期，《麻省理工科技评论》中国可能会发布其他与本报告所载资料、结论不一致的报告。同时《麻省理工科技评论》中国对本报告所载信息，可在不另行通知的情况下进行修改，读者应自行关注。