不急着造药，先造“数字细胞”：中美都在押注的细胞世界模型，到底在赌什么？

过去几十年，人类找新药的方式说白了就一个字：试。在培养皿里试，在小鼠身上试，最后在志愿者身上试。业内有个著名的“双十定律”——一款原创新药平均要熬十年、烧十亿美元，临床成功率却不足10%。

可就在这两年，硅谷、上海、深圳的实验室里，一群人越来越默契地把答案指向同一个方向：别急着造药，先到电脑里，造一个“细胞”出来。

这不是科幻。2024年12月，斯坦福大学、基因泰克与陈-扎克伯格基金会联合在《细胞》发文，正式喊话——用人工智能把细胞建成一个“数字分身”。一场围绕“细胞世界模型”的竞速，就此在太平洋两岸同时鸣枪。

一、“数字细胞”到底是个什么东西？

先别被术语唬住。所谓AI虚拟细胞（AIVC），更进一步的“虚拟细胞世界模型”，您可以理解成：给活细胞做一个高度还原的数字替身。

它要解决的问题很朴素——若给细胞加点药、敲掉某个基因，接下来它会变成什么样？哪些基因上调、哪些沉默，哪条通路被激活，细胞会不会凋亡……这些原本只能在湿实验室里一代代养细胞、测序才看得到的答案，模型想在电脑里提前算出来。

和AlphaFold比，差别在哪？前者擅长捕捉蛋白质的静态结构，像给分子拍一张定妆照；虚拟细胞要做的，是推演干预之后细胞“随时间变化的剧情”，像拍一部电影。一个输出确定的结构，一个输出随条件变化的过程——难度根本不在一个量级。

《细胞》那篇纲领性文章把它拆成三个尺度：分子、细胞、多细胞。支撑它的两大利器是“通用表示”和“虚拟仪器”——先把不同实验室测出的“方言数据”翻译成同一套语言，再把显微镜、测序仪和扰动实验的功能搬进计算机。

二、为什么偏偏是现在？

一个构想在学界躺了三十多年，为什么忽然就热了？因为三项关键技术同时走到了临界点。

数据上，单细胞测序、空间组学持续产出高分辨率样本，成本一路下探，行业数据量几乎每半年翻一倍，这是模型的“燃料”；算法上，Transformer带来大模型范式，机器第一次能从海量数据里提炼通用规律；算力上，十亿级细胞的训练靠GPU集群变得可行。三条腿缺一条，虚拟细胞都只能停在纸面。

凑齐之后，一场“数据军备赛”就开打了。模型训练规模从2023年Geneformer的3000万细胞，一路飙到Arc研究所State的1.67亿观测细胞加超1亿扰动细胞，谷歌与耶鲁的模型参数更是冲到270亿；数据侧更疯狂，Arc虚拟细胞图谱已汇集超3亿细胞，陈-扎克伯格基金会干脆牵头搞起了“十亿细胞计划”。模型与数据相互咬合，行业的“飞轮”就此转起来。

三、美国在赌什么？

太平洋东岸，动作最猛的是成立才几年的Arc研究所。这家启动资金超6.5亿美元的非营利机构，2025年6月甩出虚拟细胞模型State，2026年8月论文正式登上《细胞》。它的看家本领是“跨细胞环境泛化”：同一种药，模型没见过它作用于全新的癌细胞系，却依然能准确预判哪些基因会被改写——团队称之为“举一反三”。

它背后，陈-扎克伯格基金会已全面转向AI驱动的生物学研究，还收购了EvolutionaryScale，把赌注压在“十亿细胞数据”上。

更豪华的阵容来自GenBio AI。这家公司的联创名单堪称半支“诺奖+AI全明星队”——2024年诺贝尔化学奖得主David Baker、MBZUAI创校校长邢波、百图生科前CTO宋乐，背后还有英伟达撑腰。2026年8月，他们发布号称“首个能模拟人类细胞的世界模型”AIDO Cell；9月，又在《细胞》上提出“虚拟细胞世界模型”的完整架构。

再加上FDA正大力推动“新方法学”替代动物实验，等于给这类技术开了绿灯。美国赌的，其实是一场范式搬家：把生物学从湿实验没完没了的试错，搬进数字实验室里“有结构地探索”。

顺带一提，若是您正好在做生命科学方向的科研，未必非要冲进这场造模型的军备赛——把手头的课题和论文做扎实，同样是在参与这波浪潮。像牛启生物这类机构，就提供医学课题设计服务、协助SCI论文服务，以及在生信分析、网络药理学这类偏数据的方向上做支持，能帮您把研究的地基打稳。

四、中国在赌什么？

太平洋西岸，中国团队没有缺席，某些赛道上甚至跑到了前面。

最出圈的是百图生科，手里攥着2680亿参数的生命科学大模型xTrimo。2025年首届“世界虚拟细胞挑战赛”上，来自114个国家、1200多支队伍累计提交13781次，最终冠军被这支中国团队拿下。2026年9月，它又联手华大智造，共建专属虚拟细胞大模型。

2026年7月，百曜科技发布AURA CellOS——全球首个基于LLM-JEPA架构的AI虚拟细胞世界模型，用3.905亿条人类单细胞转录组数据训练，参数120亿；几乎同期，阿里达摩院甩出“灵枢细胞”，主打全转录组尺度的细胞世界模型。初创圈同样火热：2026年10月，元示科技完成近亿元两轮融资，上海交大VCWorld、中关村两院HoloCell也陆续亮相。“细胞编程与调控”已被写进中国的前沿攻关方向——思路很清楚：不只是跟跑，而是要在定义细胞世界规则的竞赛里拿到发言权。

对还在读研读博、或是在高校医院里为职称发愁的人来说，这类“慢功夫”往往更需要靠谱的帮手：从留学国际英文论文服务、教师职称课题服务，到MBA毕业学位论文指导、协助专利申报授权、核心论文指导，再到协助基金项目申请中标、硕博毕业论文全程指导、护理本硕博论文辅导，乃至结题撰写、医学基金课题实验外包，都有人能替您分担。

五、说到底，他们到底在赌什么？

第一，赌“从描述到理解”的拐点。早期模型只会背诵细胞的静态样貌；世界模型则想让AI真正抓住细胞演化的底层规律。这是一道从“看懂照片”到“读懂剧情”的坎。

第二，赌数据，尤其是“扰动数据”。观察数据谁都能攒，可真正决定能力上限的，是那些“施加干预后细胞如何反应”的因果数据。谁能用高通量、低成本的方式源源不断产出它、跑通“干湿闭环”，谁就握住了飞轮的轴。

第三，赌基础设施和定义权。谁能把模型、设备、实验、数据串成一个自进化系统，谁就有可能成为生命科学的“操作系统”。这已不只是学术竞赛，而是一场产业级卡位战。

第四，赌钱和时间。约30亿美元资本已经涌入，2026年被视为“商业化元年”，靶点发现、虚拟筛选、毒性预测这些原本要做上千次实验的活，未来很可能在电脑里先跑一遍。

六、但是，别急着上头

热闹归热闹，有些冷水还是得泼。最核心的坎，是“相关性”与“因果”之间的鸿沟：现阶段大部分模型学到的只是数据表面的统计关联，很难抓出背后真实的生物学机制。一旦遇到训练集里没见过的场景，预测精度就可能明显下滑。

数据侧的难题也很硬。《自然·方法》的系统测评显示，模型用约22万细胞（整个数据集1%左右）训练时性能就已触顶，再怎么堆同质数据也难有提升——真正稀缺的，是高质量、带干预、可复用的扰动数据。

再加上评测标准未统一、闭环验证机制缺位，以及一些拿“25年前的老药”做演示的营销味道，都在提醒我们：浪潮里既有真金，也有泡沫。

结语

把时间轴拉长看，人类对生命的理解，正从“拆开看零件”走向“整体看系统”。细胞世界模型想做的，是把细胞当成一台完整的、有状态的、可被反复干预的机器来模拟——这或许是通往“数字人体”绕不开的一级台阶。

造药很贵，试错很慢。先用一个“数字细胞”替我们把路走一遍，这笔账，中美显然都算得很清楚。

那么问题留给您：您觉得AI虚拟细胞最先大规模落地的，会是抗癌新药筛选，还是衰老研究？

#AI虚拟细胞  #细胞世界模型  #虚拟细胞  #AIforScience  #生命科学  #新药研发  #人工智能  #生物医药  #中美科技竞速  #科技前沿