互联网之于信息产业，正如基因组计划之于现代生物学。每一代基础设施的建成，都将极大拓展整个领域的可能性。如今，生命科学正迎来新一代基础设施：AI 虚拟细胞（AI Virtual Cell，AIVC）。
从微观视角看，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”的难题，而构建“新机器”则是 AI 在生物领域创造核心价值的关键。AIVC 旨在计算机中构建细胞的“数字镜像”，模拟其在药物、基因编辑或环境变化干预下的动态演变。
2024 年 12 月，斯坦福大学、哈佛大学、微软研究院等机构的 42 位学者在《细胞》（Cell）期刊联合发表文章，系统提出了 AI 构建虚拟细胞的研究框架。这标志着 AIVC 从分散的技术探索迈入系统化发展的快车道，被视为继 AlphaFold 之后的又一里程碑时刻。
AIVC 不仅是技术方向的突破，更具备巨大的产业价值。传统 AI 制药（AIDD）虽提升了候选分子发现效率，但新药研发仍受制于“双十定律”，九成以上失败发生在临床转化阶段。AIVC 将预测对象从分子推进至细胞尺度，致力于在计算空间模拟细胞状态变化，有望大幅压缩实验成本，革新药物发现流程，并为细胞治疗、基因疗法提供关键计算支撑。
基于此，《麻省理工科技评论》中国在中关村科学城管理委员会指导下，联合百曜科技发布《AI 虚拟细胞（AIVC）技术趋势、产业生态与应用前景研究报告》。报告梳理了 AIVC 的全球技术路线与产业格局，为中国科研工作者、产业界及投资人提供参考。
范式重构：从“分子命中”到“细胞响应”
AIVC 是一种跨尺度、多模态的大规模神经网络模型，能够表征并模拟细胞在分化、发育、衰老及人为扰动下的状态转换。理解其战略价值，需将其置于 AI for Science 的演进脉络中审视。
传统 AIDD 主要解决分子结构与互作问题，难以判断靶点在特定疾病细胞中的真实响应。AIVC 则将研究对象从“分子层面”推进至“细胞层面”，把细胞视为由基因调控网络、信号通路及代谢过程构成的动态系统，实现从“靶点命中”到“细胞响应”预测的跨越。
这一进展得益于单细胞测序、空间组学、扰动实验及自动化平台的成熟，使得细胞状态与表型结果转化为可计算数据。政策、技术、监管与资本的四重共振，共同为 AIVC 打开了发展窗口。
图 | AIVC 是 AI 时代生命科学的新基础设施（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核心层级。
图丨AIVC 构建的数据、模型、应用分层（来源：《麻省理工科技评论》中国、百曜科技访谈）
数据层：多源协同与高质量加工
AIVC 依赖四类数据的协同：细胞静态数据（单细胞转录组）、扰动 - 响应数据、临床数据及生物学先验知识。数据进入模型前需经过严格加工：
- 去噪：剔除技术偏差，保护稀有细胞状态的弱信号；
- 去重：控制冗余比例，避免过度学习；
- 标准化：统一不同来源与批次的表达规则；
- 跨模态对齐：建立不同来源信息的内在关联，这是难度最高的核心环节。
模型层：从静态表征到动态演化
AIVC 模型正经历快速迭代：
- 静态表征：早期以 Transformer 为主的自监督预训练模型（如 Geneformer），主要回答“细胞是什么”；
- 扰动预测：引入干预前后对照数据（如 GEARS、STATE），回答“细胞如何变化”；
- 动态演化：利用世界模型在潜在空间预测未来状态（如 CellOS、AlphaCell、AIDO Cell），回答“细胞如何演化”。
当前模型参数已从百万级跃升至十亿级，但单纯扩大规模并不必然提升零样本泛化能力，训练目标、扰动覆盖及细胞上下文同样关键。
图丨AIVC 模型预训练（来源：《麻省理工科技评论》中国、Yang X, et al. Cell Research, 2024 等）
自主智能：任务调度与推理
通用大模型负责理解自然语言提问与规划，AIVC 模型负责状态预测，智能体（Agent）将二者串联，完成从问题理解、虚拟扰动到结构化输出的闭环，并对接湿实验验证。
图丨自主智能工作流（来源：《麻省理工科技评论》中国）
干湿闭环：核心竞争力所在
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”的闭环。自动化实验平台连接两端，每一轮实验产生的新数据与误差反馈，经回流校准后持续提升模型在特定场景的预测可靠性。其中，失败实验、负样本等多时间点采样数据构成了难以复制的护城河。
图 | 数据 - 模型 - 实验的循环飞轮（来源：《麻省理工科技评论》中国、百曜科技访谈）
产业生态：从模型授权到联合研发
AIVC 已形成清晰的产业价值链：上游涵盖测序平台、数据资源及算力设施；中游提供细胞表征与扰动预测能力；下游在药物研发、细胞治疗等场景兑现价值。
图 | AIVC 价值链：上游基础提升上限，下游场景兑现价值（来源：《麻省理工科技评论》中国）
产业格局呈现新锐公司与成熟企业双线并进。海外如 Xaira Therapeutics、Recursion，国内如百曜科技、英矽智能等，正将 AIVC 作为核心引擎。科技巨头（腾讯、Google DeepMind、NVIDIA 等）也在加速布局。
2024 至 2026 年间，资本市场关注度显著抬升。Xaira Therapeutics 成立即获 10 亿美元承诺资本；国内百曜科技、元示科技等也相继完成数亿元融资。产业合作已从概念验证进入实际交付：GSK 授权 Noetik 模型、Recursion 与罗氏合作管线进入早期发现阶段、Cellular Intelligence 收购诺和诺德帕金森疗法项目等，均标志着 TechBio 领域规模化落地的开始。
图 | AIVC 产业呈现新锐公司与成熟企业双线并进格局（来源：《麻省理工科技评论》中国）
图 | 产业合作推动 AIVC 走向产业研发实践（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”
2025 年，首届虚拟细胞挑战赛（VCC）由 Arc Institute 发起，成为检验 AIVC 真实预测价值的全球风向标。中国团队表现亮眼：百图生科旗下 BioMap Research 团队摘得最终大奖，百曜科技创始团队参与构建的模型在决赛全能榜单全球排名第二。中国 AIVC 研究正从“跟随者”转向“引领者”。
2026 VCC 赛季进一步引入零样本预测任务，重点考察模型在未见过细胞背景下的迁移能力，这对降低产业研发成本具有极高指导意义。
关键挑战与六大趋势
当前 AIVC 仍面临数据基础不成熟、多模态对齐困难、干湿闭环缺乏长期运转场景等挑战。未来演进呈现六大趋势：
趋势一：参数量不再是唯一标准
模型规模虽已跃升至十亿级，但效果更取决于训练目标、扰动覆盖度及数据多样性，单纯堆砌参数无法带来更好的零样本泛化能力。
趋势二：私有"AI-ready"数据成关键要素
公开数据库不等于可用数据。围绕模型训练目标专门设计实验获得的“新生产数据”，以及通过干湿闭环持续更新的自有数据，将成为企业的核心护城河。
趋势三：干湿闭环成为产业化门槛
有效的闭环需同时满足：持续产生新数据、模型影响研发决策、客户愿意付费。缺少任一环节都无法转化为持续的资产与能力。
趋势四：通用模型与垂直落地缺一不可
企业需兼顾跨场景预测能力的构建与具体疾病/管线的垂直落地。两条路径无固定先后顺序，但长期来看必须兼备。
趋势五：产业协同与政策推动成放大器
大型药企将从客户转变为生态共建者，共同定义技术标准；政府则通过大科学装置与共享平台建设，提升整体支撑能力。
趋势六：投资逻辑转向“平台 + 兑现”双重定价
长期价值取决于模型平台的预测能力与复用性，短期价值则需通过具体研发场景的收入与验证来兑现。
重新定义生命科学的边界
人体由 37 万亿个细胞构成，每个细胞都是精密运转的机器。从读取基因序列到预测蛋白质结构，再到模拟整个细胞行为，AI 正沿着生命组织层级逐级攀升。
AIVC 开启了最关键的一次跨越：让计算机不仅识别生命的组成部分，更理解生命系统的运转规律。它将在验证前预见结果，在临床前缩小方向，推动生命科学从依赖试错的经验学科，演变为可预测、可模拟的精确科学。
技术尚在早期，但方向已不可逆。唯有尊重生命系统的复杂性，坚持科学验证与创新并重，方能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、百曜科技等机构，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。
免责声明：本报告所载数据和观点仅反映《麻省理工科技评论》中国截至发布之日的判断。报告对信息的准确性、完整性不作任何保证，不构成任何投资建议。不同时期可能会发布其他结论不一致的报告，读者应自行关注最新信息。