【AI制药-虚拟细胞】AI虚拟细胞(AIVC):AI制药的操作系统,从分子设计迈向生命状态重塑

AI虚拟细胞（AIVC）：AI制药的操作系统，从分子设计迈向生命状态重塑

一、行业痛点：9.6% 临床转化率背后，分子中心 AI 的结构性天花板

全球药物临床转化整体成功率仅9.6%，II 期临床成功率仅 31%，被称为 “药物研发坟场”。追溯 7455 个临床项目统计：40‑50% 失败源于疗效不足，约 30% 源于毒性，10‑15% 来自药代动力学缺陷。绝大多数失败并非分子设计缺陷，而是细胞、组织层面生命系统的实际响应偏离前期假设。

传统 AIDD 技术栈（AlphaFold 蛋白结构、GNN 分子预测、扩散分子生成）擅长 “给定靶点，寻找最优配体”，但存在明确能力边界：

基因组尺度 Perturb‑seq 实验给出残酷现实：仅 41% 基因扰动会产生可测量转录组信号，59% 扰动属于 “沉默扰动”，没有明显 mRNA 层面变化。这既是 AIVC 需要攻克的核心难题，也是全行业模型共同的盲区。

AI 制药三阶段演进

AIVC 不是 AIDD 的分支，而是范式跃迁：建模对象从静态化学分子，切换为动态、可演化的生命系统。AIDD 回答 “设计什么分子”，AIVC 回答 “分子进入细胞之后，生命系统会走向什么状态”，二者构成上下游操作系统关系。

二、AIVC 技术内核：不是 3D 可视化细胞，而是细胞状态空间模拟器

大众很容易误解 AIVC 是渲染细胞膜、细胞器的 3D 数字细胞；产业主流 AIVC 并不渲染细胞形态，而是将细胞抽象为连续可干预的隐状态空间，输入多组学（上下文、环境） + 扰动信息，输出细胞状态轨迹、扰动响应、表型预测。

四层模拟层级（L1‑L4）

数据基座：公共基座定下限，私有高质量数据定护城河

AIVC 的数据密度远高于蛋白结构预测，AlphaFold 仅需 17 万 PDB 蛋白结构；虚拟细胞需要 “化合物 × 细胞类型 × 剂量 × 时间” 四维扰动数据集。2024‑2026 两年数据规模实现两个数量级跃升：

1.Arc Virtual Cell Atlas：聚合超 6 亿细胞，CC0 完全开源，行业公共基座；scBaseCount 清洗 5 亿细胞原始测序数据，覆盖 21 个物种 72 种组织。

2.Tahoe‑100M：全球最大药物扰动单细胞数据集，1 亿细胞、1100 种小分子、6 万药物扰动实验，开源之后深刻改变行业基准。Tahoe 仅 4200 万美元总融资，依靠开源数据拿到行业公共品地位，再通过 Mosaic 高通量扰动平台做商业化合作，走出小资本独特生存路径。

3.GeneCompass（中科院动物所）：1.2 亿跨物种单细胞转录组预训练基座，国内开源代表；

4.私有数据：Cellarity 自有 4500 万单细胞；Altos Labs 700 万高质量精选私有细胞，依靠高质量小数据集在 VCC 拿到通用奖，证明数据清洗质量 >> 单纯细胞数量。

残酷的模型性能真相：纯端到端深度学习尚未跑赢统计基线

2025 首届Virtual Cell Challenge（VCC，细胞生物学图灵测试），114 个国家，5121 人注册，4325 支队伍参赛，338 支进入决赛，任务为跨细胞类型少样本基因扰动预测，暴露行业现实：

•总分第一：百图生科 xTrimoSCPerturb（混合模型：深度学习 + 统计特征 + 生物学先验）

•总分第二：天府锦城实验室彭玺 XLearning Lab（中国学术团队）

•总分第三：芝加哥大学 Outlier 团队，以经典统计方法拿到季军

•通用奖：Altos Labs，流匹配生成模型 + 700 万精选私有细胞，证明高质量小数据价值。

Arc Institute 研究员 Hani Goodarzi 公开总结：纯端到端神经网络尚未跑赢混合模型，堆参数量不能解决全部问题，生物学先验必不可少。外部《Nature Methods》独立基准同样证实：scGPT、scFoundation、GEARS 等主流单细胞大模型，扰动预测任务中，无法稳定击败简单线性基线。

产业侧标杆 Xaira X‑Cell（49 亿参数）在 Tahoe‑100M 数据集 Pearson 相关系数 0.31，对比旧 STATE 基线 0.22 提升约 40%；但 0.31 距离 “可以作为决策依据” 的 0.7‑0.8 仍有巨大鸿沟，当前最优模型仅能解释约三分之一扰动相关性。

现实定位：AIVC 现在适合做靶点优先级排序、候选分子筛选（排序能力）；不足以独立完成毒性终判、替代临床试验（定量能力不足）。

三、AIVC 的独特价值：解决 AIDD 看不见的生物学盲区

1、从 “靶点基因” 到 “疾病状态主调控因子”

传统 AIDD 链路：疾病→靶点基因→分子；AIVC 链路：疾病→基因网络（干预节点）→细胞状态→状态转移临界点。

很多基因在疾病中高表达，但并非驱动疾病的因果开关；部分低表达基因，却是细胞状态切换的主调控枢纽。Cellarity 发现 CLY‑124 靶点 DCN1 就是典型：DCN1 此前几乎没有被药物领域关注，平台不从 “找高表达基因” 出发，而是反向寻找 “把镰刀型贫血红细胞推回健康胎儿血红蛋白状态” 的网络干预节点，最终得到 first‑in‑class 口服抑制剂 CLY‑124，进入 I 期临床，2026Q4 读出 28 天人体数据，是整个赛道的临床试金石。

2、AI‑First Biology：压缩湿实验，提升表型筛选命中率

Cellarity 2025《Science》披露，基于虚拟细胞的主动学习筛选框架，将血液疾病化合物表型命中率提升13‑17 倍；叠加实验室闭环修正，再提升 2 倍。工作流：AI 模拟百万级扰动，筛掉 99% 候选，仅 1% 进入真实湿实验验证，大幅压缩实验成本与周期。

3、数字孪生细胞，激活存量病理资产（微软 GigaTIME 案例）

微软 GigaTIME 使用 4000 万配对细胞训练跨模态模型，把医院常规 H&E 病理切片虚拟生成多重免疫荧光 mIF 图像；覆盖 14256 名真实癌症患者、24 种癌型，挖掘 1234 个全新蛋白‑临床标志物；在 TCGA 一万余人独立队列复现，癌亚型层面 Spearman=0.88。

4、从静态快照到动态轨迹：推演细胞命运

传统转录组是某一瞬间细胞快照；AIVC 输出状态转移概率场：给定细胞状态 + 药物扰动，推演未来演化轨迹。直接赋能：CAR‑T 耗竭预测、iPSC 分化路径设计、耐药演化预判。药物设计从 “做一把结合蛋白口袋的钥匙”，升级为设计一条细胞状态转移路径，也就是生物状态优化（Biological State Optimization）。

四、商业化落地：四大商业模式与成熟度分层

六大应用方向成熟度矩阵

四大商业模式对比

标杆案例拆解

1.Cellarity（管线型）：Flagship 孵化，累计融资 2.74 亿美元，CLY‑124（DCN1 抑制剂，镰刀型贫血）I 期临床，2026Q4 读出关键 28 天人体数据，是 AIVC 范式第一个临床验证标的。同时布局骨髓纤维化、MASH，ToxPredictor 针对药物性肝损伤 DILI 做毒性预测，直击行业 30% 毒性失败痛点。

2.Xaira Therapeutics（资本范式标杆）：2024 年成立，首轮10 亿美元融资，斯坦福、罗氏辉瑞高管团队，49 亿参数 X‑Cell 模型，Tahoe‑100M 上 Pearson=0.31。证明顶级美元资本已经押注 “AIVC 是 AI 制药第二阶段”，赛道资本门槛抬升至十亿美金级别。

3.Tahoe Therapeutics（数据型）：总融资仅 4200 万美元，开源 Tahoe‑100M 数据集换取行业生态地位，依靠 Mosaic 高通量扰动平台做数据生成业务；小资本赛道生存范本，不靠自研药物，靠稀缺扰动数据变现。

五、全球竞争格局：美国定义标准，中国深耕应用落地

美国阵营：掌握数据、基准、资本三重话语权

•标准层：Arc Institute（非营利），同时掌握公共图谱数据集、VCC 国际挑战赛、STATE 基线模型，相当于行业标准化组织。

•资本管线层：Xaira（10 亿美金融资）、Cellarity（2.74 亿美元）。

•数据层：Tahoe、Altos Labs。

•科技巨头：微软 GigaTIME‑Virtual Tissues‑TRIALSCOPE 三层栈（GigaTIME 负责超大病理图像算力 → Virtual Tissues 构建带生物语义的数字组织孪生 → TRIALSCOPE 把虚拟组织用于合规的病理临床试验管理），完成病理基础模型→虚拟空间蛋白组→临床试验模拟；NVIDIA 算力层深度卡位。

中国阵营：标准竞赛取得突破，应用场景差异化突围

2025 首届 VCC 赛事，百图生科夺得全球冠军，天府锦城实验室拿到亚军，广西医科大学联队进入全球前 5%，证明国内团队具备顶级算法能力。2026 年 4 月以来国内近 10 起融资，红杉、君联、BV 百度风投、国新创投入场。

三大不对称竞争格局：

1.资本不对称：Xaira 一家融资规模接近国内赛道总融资，美元资本对范式底层平台下注力度远超人民币基金，人民币资本更偏好应用型、服务型项目。

2.标准不对称：VCC、数据集基准规则仍由美国 Arc Institute 制定；中国团队能拿赛事冠军，但标准制定话语权仍弱。

3.路径不对称：美国优先做底层操作系统；中国优先落地应用场景（器官芯片、临床前评价、底盘细胞、细胞治疗），优势是现金流更近；风险是若底层基础模型被海外锁定，应用层议价能力会持续衰减。

六、AIVC 与 AIDD 协同闭环：不是替代，是上下游操作系统

传统 AIDD 负责 “造分子”；AIVC 负责回答 “这个分子进入细胞发生什么”，二者形成完整研发闭环：

七、风险与尽调清单：褪去叙事泡沫，看清真实技术边界

三大结构性硬约束

1.性能与数据噪声同源问题：59% 基因扰动无转录组可观测信号；当前最优模型仅解释约三分之一相关性。单纯堆大模型参数量无法突破，混合架构、生物学先验、高质量私有扰动数据才是破局关键。

2.“细胞≠患者” 鸿沟：AIVC 模拟单种细胞单点扰动转录组；真实患者是多细胞类型、长期给药、免疫背景、遗传背景叠加的复杂系统。这不是增加算力规模就能解决的，属于品类鸿沟。兑现路径必然是：临床前工具→临床前决策→临床试验优化→患者数字孪生；任何直接宣称当下实现 “患者数字孪生”，时间表至少虚高 5 年。微软 GigaPATH‑GigaTIME‑TRIALSCOPE 三层演进，是行业正确示范。

3.数据护城河脆弱：Arc 公开 6 亿细胞图谱人人可下载，公共数据无法构筑壁垒；护城河来自持续生成高质量扰动数据的闭环能力；行业热度领先技术成熟度约一个 hype cycle，若 CLY‑124 临床数据不及预期，资本可能快速退潮。

AIVC 企业尽调正负指标清单

✅ 正向指标（P0 最高优先级）

1.具备湿实验闭环：模型预测结果可以快速高通量湿实验回测迭代（Lab‑in‑the‑loop）；

2.私有高质量扰动数据：重点看带剂量、时间序列、药物 / 基因扰动标签的数据占比，而不是总细胞数；

3.有落地付费场景：靶点排序、化合物筛选这类“AI 出候选，人做最终判断” 业务，匹配当前模型能力，商业逻辑成立。

✅ P1 正向指标

1.自研管线推进临床，提供范式验证期权；

2.参与国际公开基准（VCC 等），拿到第三方独立评测成绩。

❌ 负向指标（P0 风险信号）

1.以模型参数量作为核心卖点：VCC、Nature Methods 双重证据证明参数量与扰动预测性能弱相关；

2.跳过临床前，直接渲染“患者数字孪生” 成熟落地；

3.仅依赖公开数据集微调，没有自有湿实验闭环与私有扰动数据，属于套壳模式。

❌ P1 风险信号

1.只报单一基准分数，刻意回避多维度评测，存在刷榜风险。

八、未来展望：两大观测哨，AlphaFold 时刻尚未到来

AIVC 赛道已经完成从概念、数据集、国际赛事、资本投入到早期临床管线的全栈搭建，但“虚拟细胞的 AlphaFold 时刻” 还没有到来 。

接下来 12‑24 个月，两个关键观测哨将决定行业叙事走向：

1.CLY‑124 I 期 28 天临床数据（2026Q4）：全球第一条 AIVC 范式发现的药物，检验整套细胞状态校正范式能否在人体成立；

2.第二届 Virtual Cell Challenge（2026）：新增组合扰动、跨细胞类型零样本泛化、多组学任务。如果最优 Pearson 突破 0.5，代表技术天花板显著抬升；如果依旧停留在 0.3 附近，平台型公司估值会系统性承压。

终局愿景不是“设计更好的小分子”，而是直接操控细胞命运，把疾病细胞推回健康稳态。今天，这依旧是愿景，但它已经拥有数据集、国际赛事、十亿美金资本、I 期临床管线共同背书。

参考资料

1.Charlotte Bunne et al. How AI Virtual Cells Will Revolutionize Biology, Cell 2024

2.Arc Institute Virtual Cell Challenge 2025 官方报告

3.Tahoe‑100M 数据集文档，HuggingFace bioRxiv

4.Replogle J M et al. Mapping genotype‑phenotype landscape, Cell,2022

5.Ahlmann‑Eltze C, Nature Methods,2025，单细胞扰动模型基准论文

6.Cellarity CLY‑124 临床公告、ASH 2025 会议资料

7.动脉网、医药魔方国内 AIVC 产业跟踪报告

8.Microsoft GigaTIME Cell,2026；VirTues 虚拟组织 Nature,2026

生物智能：在生物先进产业场景中构建“状态感知-实时认知-自主决策-精准执行-学习提升”的生物科学智能（NeuroAI）；实现生物产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。