撰稿｜李秋萩

著名社科学者尤瓦尔 · 赫拉利在《今日简史》中说，人工智能特别重要的两种非人类能力，分别是 " 连接性 " 和 " 可更新性 "，即高效、灵活的网络化协同。

然而，这种高度互联的系统并非 AI 专利，大自然早在数十亿年前就演化出了类似的杰作——

" 生命是一套多尺度、动态的复杂网络。"

生寰未来创始人陈帅华博士提到，虚拟细胞、世界模型试图在数字空间中重构生命的连接逻辑——从模拟生命，走向设计生命，直至实现可编程的细胞数字孪生。

2025 年 6 月 6 日，两位 95 后发小——复旦医学博士陈藤与百度凤巢模型核心算法工程师陈帅华博士，创立生寰未来（上海）人工智能科技有限公司（后简称 " 生寰未来 "），近期正在开展首轮融资。

基于超图神经网络 + 智能体驱动的技术路径，生寰未来自主研发了 AI 蛋白质设计智能体、由虚拟代谢切入的 AI 虚拟细胞模型（AIVC），落地合成生物学菌株改造、智能发酵控制、活性化合物生物合成、智能化成药性分析等关键场景，提供覆盖早期分子发现到工艺开发的全流程研发解决方案。

Data is power, Agent is future.

从 AI 算法落地搜索、广告、钢铁供应链聊起，到 AI+ 生命科学如何参考自动驾驶的迭代路径，动脉网与陈帅华博士展开对谈。访谈内容经编辑，以飨读者。

生寰未来创始人、人工智能科学家陈帅华博士，华东师范大学电子信息博士，上海科委先锋者计划项目高级研究员；曾在百度商务搜索部－凤巢模型组从事 AI 算法研究和应用，曾获 2016 年季度最佳新人、2019 年百度最高奖 Top10 项目（终轮答辩）。

01

AIVC 的本质，

是探索复杂的生命网络

动脉网：为什么在当前节点，决定创立生寰未来，探索 AI+ 生命科学？

陈帅华：生寰未来的诞生，其实是 AI 和生命科学相互交融、双向奔赴的大时代下的一个缩影。

我硕士毕业于北航软件工程，之后进入百度上海研发中心，一直从事搜索广告推荐——这是 AI 在工业界第一个真正大规模应用的场景，也创造了巨大的商业价值。在搜索广告推荐各个方向深耕之后，我把相关技术迁移到了另一个产值规模很大的行业：钢铁制造业，落地到生产全流程周期预测、物流调度、销量预测等端到端的供应链优化上。可以说，我一直在做 AI 在工业界的实际应用。

（另一位创始人）我的发小陈腾 Allen，深耕生物医药方向，博士在复旦大学基础医学院，博士后在华山医院神经外科，研究方向聚焦神经生物学，有一些很好的成果。之后他在阿斯利康、艾昆纬、美团医药等产业界也有从业经验。

我本身对生命科学非常感兴趣，闲暇时间也自学了很多相关知识。我和 Alan 在日常沟通中一直有这方面的碰撞。成立的关键契机出现在 2024 年，AlphaFold 的工作让我们共同意识到——生命科学和 AI 深度融合的新时代到来了。

动脉网：过往 AI 工业界背景，如何影响您对虚拟细胞、世界模型上的探索？跨界存在困难吗？

陈帅华：对于 AI 的研究人员和工程师来说，AI 天然就是没有行业边界的，只有数据（Data）。

做搜索广告推荐时，人与信息 / 广告的交互本质上就是一种 Network，我们利用图神经网络架构来建模流量网络。到了制造业场景，钢铁生产从铁矿石到热轧、冷轧，再到下游物流调度、运力需求匹配、销量预测，每一个环节同样是 Network 化的。

另一个例子是，国内最早的自动驾驶工业界大规模推进就来自百度。当年凤巢作为核心广告变现产品，把搜索流量转化为商业收入，让百度收入在 5 年内提升 10 倍。回过头来看，凤巢的核心能力——大规模分布式系统、高并发处理、机器学习排序、广告预算控制——与自动驾驶的工程底层高度相通，两者都要求在高可靠、低延迟的约束下处理海量数据并做出实时决策。再后来，众多像我这样的工程师内部转岗去了自动驾驶事业部（ADU），或是离职创业，比如后来的小马智行。

无论互联网还是工业制造，我看到的都是数据，都是不同类型的 Network。这直接影响了我们对虚拟细胞和世界模型的探索——生命的复杂网络本质上也是 Network 问题，核心能力依旧可迁移，只是复杂程度远超过往场景。

动脉网：生命科学，或者说细胞与生命，可以理解为怎样的交互？

陈帅华：简单来说，从基因组、转录组、蛋白质组、代谢组等单个组学之间的规律，到多组学、多尺度、时间 + 空间维度的关联交互。

生寰未来以 AIVC、World Model 原生的路径，从数据到模型再到应用评测，横向和纵向双向拓展：

横向——覆盖蛋白质整个生产的多尺度链路；

纵向——打通蛋白质、靶点、组织、细胞等多尺度的交互。

动脉网：选择 AI 蛋白质设计作为第一切入点，背后支撑逻辑和行业痛点在哪里？

陈帅华：AI 蛋白质设计是生寰未来重要的业务方向，其痛点可以从两个层面来看。

第一个层面是人和工具的问题。传统生命科学研究员和工程师，计算机和 AI 的基础相对较弱，如何真正乘上这波 AI 浪潮、加速研发效率和科学发现效率，是非常有挑战的现实问题。我们的解决方案是用 Agent 来赋能。

第二个层面是技术本身的尺度问题。目前 AI 在分子生物学尺度（如蛋白质结构预测、小分子结合亲和力评估）已经取得了显著进展，但要从苗头化合物（Hit）、先导化合物（Lead）跨越到 PCC 及后续阶段，必须面对系统生物学尺度的挑战，例如：单个靶点的活性表现，放到复杂的生物网络中后，其药效、毒性、脱靶效应等都会受到多组学、多尺度时空交互关系的深刻影响。

这也是为什么在分子层面做得再好，仍难以避免临床阶段的高失败率。因此，蛋白质设计的竞争焦点正在从模型精度转向工程化交付能力。

解决这一痛点的核心思路，正是通过虚拟细胞这类多尺度、多模态、多组学融合的技术路线，将 AI 蛋白质设计能力拓展到涵盖细胞、组织、器官乃至整体生物系统的系统生物学尺度，从而在更高维度上加速药物研发的迭代与决策。

动脉网：生寰未来的系统生物学解决方案是怎样的？

陈帅华：在我们看来，如何建模生命，本质上映射着团队对生命的哲学观和世界观。前面提到，我们认为生命是一个多尺度、动态的复杂网络，是一个 System。

我们很自然、很天然地会用到复杂网络（Complex Network）的前沿技术，特别是引入超图神经网络，来对多尺度、时空动态的生命复杂网络系统进行建模。

动脉网：如何理解从 AI 蛋白质设计到 AIVC 之间的关系链条？这两个平台是相互独立的，还是集成到一个平台当中？

陈帅华：在系统生物学视角下，AI 蛋白质设计和虚拟细胞其实是一个问题，只是不同尺度的问题。

从研究视角来看，在超图神经网络架构里面，蛋白质设计和虚拟细胞是统一进行建模的，是端到端的统一。

从应用视角来看，可以分两个维度：

•横向维度（生产链路）：从蛋白质设计，到菌株设计，再到小试工艺、中试和放大，是从分子尺度逐渐扩大到细胞尺度的过程，同样是同一套超图系统里不同尺度的问题。

•纵向维度（生物学层级）：从蛋白质与靶点的交互关系，延伸到细胞，再延伸到组织，是自然统一的连续过程。如果只考虑单个分子和靶点的相互作用，设计出来的分子可能存在会对其他细胞产生毒性，或者在代谢动力学上有不良属性，或者对整体组织的生理功能产生影响。而当我们把分子、靶点、细胞、组织之间的多模态、多组学的交互关系放在多尺度视角里统一考虑，天然就能解决 AI 制药目前最大的成本和周期瓶颈——从 PCC 再到湿实验、临床试验的高失败率问题。

AIVC 真正的作用点，就是接力前面 AI 蛋白质设计的那一棒——降低成本、提高成功率。

02

Agent 驱动的原生数据工厂 + 软硬件一体机

动脉网：数据原生和模型原生，您如何看待和选择这两类 AIVC 路径？

陈帅华：升维来看，AIVC 属于 World Model（世界模型）在生命科学里的一个分支。

参考目前比较成熟的自动驾驶场景：数据和模型不是割裂的。自动驾驶非常重要的工作就是构建面向 Auto Driving 的数据工厂：不管是特斯拉、华为还是小鹏，都有大量路测车辆实时采集数据。这是真正构建一个可用 World Model 的前提。数据和模型缺一不可，一定是融合的路径。

动脉网：初代模型的底层训练数据从哪里来？

陈帅华：早期，我们以学术界公开数据为基础，进行数据清洗；也有一些高校合作课题组的数据；以及部分自有实验数据。这些数据整合在一起，构建了现在第一版 AIVC 模型。

后续完成第一轮融资后，我们将重点构建原生的数据工厂——完全由 Agent 驱动，用创新实验方式去观测细胞状态变化过程中的多模态、多组学、多表型数据，来构建大量 AIVC 原生数据；同时也会和实验、设备等上下游合作伙伴一起共创。

动脉网：生寰未来为什么用 AI Agent 作为底层的技术架构？它在构建复杂网络当中的优势在哪里？

陈帅华：作为一家原生的 Agent 公司，我们的底层哲学是：Agent 不只是一个产品，更是技术底座的核心发展引擎—— Everything 都必须由 Agent 来驱动。所以，我们一开始就非常注重软硬件一体的智能体构建——即技术底座和算法迭代引擎。

如何让 Agent 理解生物的复杂网络，是一个非常有挑战的问题。它需要理解从基因组、转录组、蛋白质组、代谢组等单个组学之间的规律，到多组学、多尺度时空的关联交互关系。我们会在每个组学方向上部署相应的 AI for Science 工具，同时基于超图神经网络架构做统一整合，来加速 AIVC 虚拟细胞模型底座的迭代，共同构建出建模生命的多模态、多尺度、时空动态复杂网络。

动脉网：产品端的规划是怎样的？

陈帅华：基于 Agent Driven 和 Data Driven，我们不仅应用 Agent 驱动产品迭代和内部研发，还构建了ProtAlgen 蛋白质设计平台、CytoTwin 虚拟细胞模型平台，希望把软硬件能力提供给合作伙伴，帮助生物科学背景很强、但计算机和 AI 能力稍弱的研究人员和工程师，把 AI for Science 真正应用到工作中，提升研发效率。这是我们的初心。

具体到产品形态，我们选择 AMD 395 芯片作为硬件载体，内置 ProtAlgen 蛋白质设计平台，打包成一个软硬件一体的智能体一体机。

动脉网：未来的智能一体机指向哪里？考虑走软件路线还是科研仪器路线？

陈帅华：它是基于 AMD395 芯片的一体机硬件，内置 ProtAlgen 平台，整体上以软硬件一体的产品形态面向客户，核心在于降低使用门槛，基础版本 " 开箱即用 "。后续可能根据合作需求灵活部署——比如客户已经有很好的集群或硬件了，我们就把能力部署到客户私有集群上。

03

AIVC 的商业化，

可类比 " 自动驾驶 "

动脉网：生寰未来如何思考 AIVC 的商业化？

陈帅华：我们用相对成熟的自动驾驶商业模式来类比 AIVC 的发展路径，这也是一再强调 World Model 的根本。

国际自动机工程师学会（SAE）将自动驾驶分为 4 个等级——简单来说，L1 是定速巡航辅助，L2 是部分自动驾驶，比如车道保持、自动跟车，但人还得盯着；L3 是有条件自动驾驶，系统开、人兜底；L4 是完全无人驾驶，限定场景里不需要人。

到创业层面，自动驾驶公司怎么做技术演进？他们一般会在 L2 阶段先做出辅助驾驶产品，合作车企上车，产生数据流和现金流，百度管这叫 " 沿途下蛋 "；再用现金流推进到 L3 和 L4 场景，逐步切入造车业务或限定场景的自动驾驶。

生寰未来在 AIVC 发展也将遵循 L2、L3、L4 的商业化进阶路径。L2 阶段我们会先有部分辅助产品实现商业化——微生物 / 合成生物学场景即定位为 L2 和 L3，人类细胞场景定位为 L4。

在这个过程中我们会推出产品——像特斯拉有自己的车一样，把 World Model 完全基于 Data Driven 的方式跑通验证，同时产生商业化收入，自主造血驱动发展。

动脉网：背后的技术框架会有怎样的迭代？

陈帅华：L2、L3、L4 不是割裂的，而是同一套技术框架 / 底座在不同商业场景的落地。这有点像一台火箭，有一级、二级、三级助推器。一级助推二级，二级助推三级；同时一级产生的技术迭代也会融入主架构，不断推动商业燃料和技术路线的发展，让商业化飞轮能够转动起来。

04

生命科学领域的 " 特斯拉 "

动脉网：当前的时间线走到哪里了？

陈帅华：我们现在已经在 L2 阶段了，同时正在开展第一轮融资。L2 的首款合成生物学产品与部分 Agent 产品、服务型合作，都已经开始落地。后续 L3 会有多个产品、L4 才会开始做药物管线。

大概 1 年，我们会完成 L2 阶段，并启动 L3 阶段。

在 3 年周期内，会完成 L3 ——也就是在合成生物学的某个限定场景内，跑通 AIVC/World Model 的首个完整闭环。同时我们会在早期就布局国际化，计划在新加坡设立子公司。

到 5 年周期，我们会完成 L4 的拓展，进入药物领域，构建相关场景和管线。

动脉网：生寰未来怎么样去定义自己未来的产业链位置？

陈帅华：World Model 赛道里可能有好几类公司，但我们最想做的是特斯拉。

特斯拉有自己的车，一个天然的数据采集终端与商业变现场景，去支撑整个 World Model 的构建和迭代。

从 L2 到 L4，AIVC 将完成从复杂模型、原生数据工厂到自研产品的生命科学研发范式重构。

所以我们不是 CRO 或外包服务商——生寰未来要做的是拥有自研产品和管线的公司，有自己的 " 车 "，在自有场景下跑数据、跑模型、跑商业闭环。

最终，我们希望基于这些工作，让人类有限的生命更健康、更美好。

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢