AI虚拟细胞如何从技术概念走向药物研发基础设施
AIVC不是又一个AI模型，而是生命科学的新工具箱
过去几年，AI在生命科学领域最出圈的成果莫过于AlphaFold——它把蛋白质结构预测从实验难题变成了计算题。但制药行业很快发现，知道一个分子长什么样，并不等于知道它在人体里会起什么作用。很多在试管里表现优异的候选药物，一进临床就失效。问题出在哪？答案很可能是：我们跳过了细胞。
细胞是生命活动的基本单元，也是药物起效的真实战场。但传统研究手段很难在动态、复杂的细胞环境中实时观测干预效果。AI虚拟细胞（AIVC）试图解决这个问题：它要在计算机里构建一个能模拟真实细胞行为的“数字镜像”，不仅能告诉你这是什么类型的细胞，还能预测“如果敲掉某个基因”或“加入某种药物”，细胞接下来会怎么变。
最近由百曜科技发起、《麻省理工科技评论》中国团队撰写的《AI虚拟细胞技术趋势、产业生态与应用前景研究报告》明确提出，AIVC的目标不是成为论文里的新指标，而是成为药物研发和生命科学研究的新型基础设施。这意味着它必须走出实验室演示，进入真实的研发流程。
模型竞赛正在转向系统能力比拼
早期AIVC玩家大多沿着“更大模型、更多数据”的路径狂奔。但报告指出，单纯堆参数或数据量，并不能自动带来更好的泛化能力。一个能在已知癌细胞系上精准预测药物反应的模型，换到新患者样本上可能完全失灵。原因在于，细胞状态受基因背景、微环境、时间动态等多重因素影响，静态快照式的数据难以捕捉这些复杂交互。
真正的突破点在于任务适配与因果建模。比如，有些团队开始尝试用“世界模型”思路，在潜在空间中学习细胞状态如何随干预条件转移。这类方法不只记住统计关联，而是试图推断“为什么”细胞会这样变化。百曜科技今年6月发布的AURA CellOS就采用了LLM-JEPA架构，通过表达视角与感知视角的协同，在隐空间中提取更稳定的细胞状态特征。据公开评测，它在扰动响应预测等关键指标上明显优于主流模型。
但光有模型还不够。报告强调，AIVC产业正从单一模型竞争，转向“数据—模型—实验”三位一体的系统竞争。
私有数据和新生产数据才是护城河
公开数据库如CellxGene或TCGA虽然规模庞大，但多为静态观测数据，缺乏干预信息。这类数据适合训练基础表征模型，却难以支撑因果推断。真正有价值的是那些带有完整实验设计的私域数据：比如同一细胞系在不同药物剂量、不同时间点、不同微环境下的多模态响应数据。
百曜科技的做法是自建TM-Perturb-seq高通量扰动平台，主动生产这类“新生产数据”。这些数据包含基线对照、剂量梯度、时间序列，并实现转录组、蛋白组等多模态对齐。同时，公司还通过临床合作积累真实世界的肿瘤微环境样本和患者治疗数据。这些高合规、高价值的私有资产，让模型能在更贴近真实场景的条件下迭代。
换句话说，未来的AIVC竞争，不再是“谁用了更多公开数据”，而是“谁能持续产出高质量、任务对齐的专属数据”。
干湿闭环：从预测到验证的飞轮
再好的模型，如果无法在湿实验中验证，终究只是纸上谈兵。报告指出，AIVC要走向产业化，必须打通“数据生产—模型预测—实验验证—数据回流”的闭环。这不是简单地把AI和自动化实验室拼在一起，而是一套贯穿技术研发、商业交付和持续优化的系统能力。
百曜科技计划在几个具体场景启动闭环验证。比如在肿瘤领域，利用AIVC对患者样本进行分层，预测哪些人更可能对特定疗法响应；在细胞治疗方向，优化CAR-T的设计，提前模拟T细胞在肿瘤微环境中的功能衰竭风险；甚至在消费医疗领域，探索皮肤衰老相关的靶点发现。这些项目都要求模型输出可执行的假设，并通过湿实验快速验证，再将结果反馈给模型。
这种飞轮一旦跑起来，就能形成正向循环：更多高质量验证数据 → 更精准的模型 → 更可靠的预测 → 更高效的实验设计。
国内起步虽晚，但落地节奏在加快
从全球格局看，海外AIVC企业如Recursion、Cellarity等已进入与药企深度合作阶段，部分管线进入临床前验证。国内整体仍处早期，但优势在于临床资源丰富、数据获取链条短。百曜科技这类本土创新者，正试图通过“模型架构+数据工厂+闭环验证”的全栈布局，缩短追赶距离。
值得注意的是，AIVC的价值不仅限于制药。随着模型泛化能力提升，它可能延伸至临床决策支持、罕见病机制解析、甚至合成生物学等领域。但这一切的前提是：技术必须扎根于真实问题，而不是停留在benchmark刷榜。
理解生命，而不只是识别部件
AIVC的终极目标，是让生命科学从一门高度依赖试错的经验学科，转变为可模拟、可预测的精确科学。这需要的不只是算法突破，更是整个研发范式的迁移——从“观察现象”到“干预—预测—验证”的闭环思维。
百曜科技在报告中坦言，当前AIVC仍面临数据标准不统一、实验验证成本高、跨机构协作机制缺失等挑战。但正是这些现实约束，反而指明了下一步的方向：与其追求通用细胞模型的宏大叙事，不如先在具体疾病、具体药物、具体场景中扎下根去，用实际价值证明技术的不可替代性。
毕竟，真正的基础设施，从来不是靠口号建成的，而是在一次次解决真实问题的过程中，被行业自然选择出来的。