AIVC正成为AI制药的下一代基础设施

2026-09-28

AI 解读

AI虚拟细胞（AIVC）正从概念快速走向产业化，被视为AI制药的下一代基础设施。其核心在于将建模尺度从分子推进到细胞，模拟药物进入后细胞的动态响应，弥补传统AI制药仅预测分子结构的局限。2024年底《Cell》纲领性论文发布后，产业界加速布局：Xaira Therapeutics的X-Cell模型性能大幅提升，Noetik与GSK达成5000万美元预付款合作，标志制药业首次为细胞级预测能力付费。中国公司如百曜科技、华源智因等也在平台构建和商业化上取得进展。监管方面，FDA和CDE逐步开放非动物实验数据提交，为AIVC进入药物评价体系铺路。然而，数据获取成本高昂、多模态数据标准化不足仍是主要瓶颈，行业竞争正从模型参数转向数据-预测-验证闭环能力。

至今仍鲜有人察觉到，生命科学正经历一场根本性变革。

过去十年间，人工智能先是掌握了预测蛋白质结构的能力，随后又学会了设计小分子，核心问题始终是“哪个分子更可能与靶点结合”。然而，当分子进入细胞后，真正的挑战才刚开始：信号通路会产生补偿机制，细胞会分化，微环境也会改变最终结果。

1665年，罗伯特·胡克首次通过显微镜观察到细胞。他看到的是一间静止的小隔间。中文中“细胞”一词的“胞”，其词源正是指代房间。

此后的三百余年里，生命科学依靠实验逐步逼近真相：研究者基于有限观察提出假设，通过控制变量逐一验证，再从零散结果中归纳规律。

直到单细胞测序技术让全基因组尺度的观测覆盖数百万个细胞，多组学、扰动实验和高通量自动化将细胞转化为数据，一条新路径才逐渐显现：不再通过显微镜观察细胞，而是在计算机中计算细胞。

这，就是AI虚拟细胞（AIVC）。

01 AI制药的下一代基础设施

AIVC正是AI4S（人工智能驱动科学）这一路径的技术体现：它跨越尺度、融合多模态、基于大规模神经网络，表征并模拟细胞在不同状态下的行为与状态转换，既模拟分化、发育、衰老等自然过程，也模拟基因编辑、药物干预引发的状态变化。

理解AIVC的关键，在于它与AI药物发现（AIDD）的区别。

AIDD在分子尺度上进行预测与设计，研究对象是靶点蛋白、抗体、小分子，解决的是“分子结构是否合理”的问题。但一个在分子层面命中靶点的候选药物，进入真实细胞系统后是否有效，AIDD无法给出答案。

AIVC则将建模尺度从分子提升到细胞，将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，回答的是“当药物进入、基因被编辑、环境变化时，细胞究竟如何响应”。

这个尺度跃迁，用AlphaFold对照最为直观。AlphaFold解决的是蛋白质静态结构预测，建模对象是生物零件；AIVC则要模拟完整活细胞的动态因果行为，建模对象是活细胞整机。有人称其为下一个AlphaFold时刻，但其难度维度实际上更大。

简而言之，AIVC的未来，将是AI制药的下一代基础设施。

02 论文之后，产业冲了进来

2024年12月是一个分水岭。斯坦福大学、基因泰克公司与陈-扎克伯格基金会联合团队在《细胞》期刊发表纲领性论文，42位学者联署，AIVC从零散的学术探索，升格为全球协同建设的下一代生命科学基础设施。

此后不到两年，产业界的推进速度远超学术预期。

Xaira Therapeutics是这场产业化的定义者。2024年，由ARCH Venture Partners与Foresite Labs牵头成立，集结了斯坦福前校长Marc Tessier-Lavigne、诺贝尔奖得主David Baker和Carolyn Bertozzi，成立之初即获得10亿美元融资，创下生物技术领域早期融资纪录。

2026年春节刚过，它发布了拥有49亿参数的虚拟细胞模型X-Cell，训练于自建的X-Atlas/Pisces数据集：这是迄今最大的全基因组CRISPRi Perturb-seq数据集，包含2560万个受扰动的单细胞转录组，覆盖16种生物学背景。

在行业标准的Pearson Delta指标上，X-Cell达到0.31，而此前的标杆模型STATE仅为0.22，核心性能最高提升5倍。更关键的是：X-Cell是首个被证明遵循幂律缩放动态的单细胞模型。这意味着，增加数据和算力，其性能可以预期提升，而非收益递减。规模定律在这一领域成立。

Recursion Pharmaceuticals则走另一条路。作为AIVC概念最早的实践者，它自2013年成立起就将“湿实验室与干实验室闭环”写入核心哲学，以表型组学为中心，依靠高通量细胞成像获取表型数据，强调虚拟细胞必须建立在生物机制模型之上，而非纯数据驱动的黑箱。其Valence Labs开发的TxPert模型，已在预测未知单基因扰动和新细胞类型中的已知扰动方面展现出能力。

Noetik选择了最聚焦的路径：从肿瘤学切入，以空间生物学为数据基础。其OCTO-VC模型训练于数亿个空间分辨率的人类细胞，是肿瘤学领域最大的空间生物学数据集。2026年1月，Noetik与葛兰素史克（GSK）达成五年战略许可，GSK获得OCTO-VC在非小细胞肺癌和结直肠癌两个适应症的非独家许可，包含5000万美元预付款及里程碑付款。2026年8月，首个里程碑已达成，GSK团队正利用OCTO-VC进行虚拟细胞实验和患者分层。

03 为预测能力付费

AIVC的商业模式，正从概念走向验证。模型许可与订阅、研发服务费、里程碑付费、联合开发、管线授权，各条路径均有公司在探索。其中，Noetik与GSK的合作，是迄今最清晰的收入验证。

拆解这笔交易：5000万美元预付款，本质上是对模型访问权的押注。GSK持续付费订阅OCTO-VC，用相对少量的自有数据即可进行微调，生成针对性的预测。这是制药企业首次为“细胞层面的预测能力”付费，而非为某一个分子付费。 AIVC从论文中的能力指标，转变为可定价、可交付的产业服务。

Turbine则是另一种形态。其Simulated Cell模型由实验室在环驱动，为实验检测创建虚拟副本，研究人员通过无代码界面在计算机中测试数百万个假设，仅将选定的候选推进湿实验室。默沙东、阿斯利康、拜耳均使用过其虚拟检测，累计服务超过30个发现项目，2026年2月完成2500万美元B轮融资。

中国的棋盘上，各方各有布局。

百曜科技是平台型代表，2026年6月完成数千万元新一轮融资，由国新创投基金领投。其AURA CellOS基于LLM-JEPA架构，训练于3.905亿个人类单细胞转录组，覆盖40余种人体组织、260余种细胞类型，计划在肿瘤患者分层、CAR-T优化、皮肤抗衰靶点发现等场景进行验证。华源智因聚焦临床前药效评价，已与多家三甲医院和跨国药企建立合作订单，多项目服务费已完成回款，是少数已有商业化收入的AIVC早期企业。

百图生科则押注另一条路。其xTrimo大模型参数规模达2680亿，覆盖蛋白质、DNA、RNA等七大生命科学模态。2026年9月，它与华大智造签署战略合作：百图出模型，华大出跨组学仪器和规模化数据生产能力，联合构建专属细胞大模型，面向虚拟细胞和虚拟扰动开发高质量数据产出基础设施。

这笔合作的指向非常明确：AIVC的竞争正从模型参数竞赛，转向“数据生产、模型预测、实验验证、数据回流”闭环能力的竞赛。 单看参数，X-Cell不过49亿，远小于语言模型的千亿万亿级别，胜负手从来不在这一端。

04 监管在开门

AIVC对制药的改变，不止于效率工具。

传统药物研发是一条线性路径：靶点发现、化合物筛选、临床前验证、临床试验。AIDD的贡献集中在早期分子筛选，进入真实细胞系统后，临床转化的不确定性依然巨大。

AIVC将预测对象从“分子是否有效”推进到“细胞如何响应”，覆盖疾病机制解析、靶点发现、虚拟筛选、临床前药效与毒性预测、临床患者分层，实现全链条介入。

药物研发的底层逻辑，因此从实验试错走向模型驱动： 不再逐一尝试所有假设，而是用虚拟扰动在海量候选中筛选出更可能成功的实验，将湿实验资源聚焦到最有希望的路径上。

政策端也在同步打开大门。2025年4月，美国FDA宣布逐步取消单克隆抗体和其他药物的动物实验要求；2026年3月，FDA药品审评与研究中心发布指南草案，明确企业可直接提交类器官和器官芯片数据用于非临床安全性评价。国内，CDE于2026年8月发布征求意见稿，将细胞、类器官芯片、组学和计算模型列为非动物试验方法。

监管闸门松开，AIVC从科研工具进入药物评价体系，获得了制度接口。