在生物学领域，长期以来存在一种略带调侃的观点：生物学似乎没有独立的 " 第一性原理 "，其规律往往可以追溯到物理与化学。人体大约由数万亿个细胞构成，而细胞本身则是一个极其复杂的信息处理与传输系统，这种复杂性远超传统解析工具的处理能力。

而人工智能的出现，正在改变这一局面。过去难以被建模的生物复杂性，开始可以通过数据与算法被逐步逼近与刻画，" 虚拟细胞 "（Virtual Cell）也因此成为近几年生命科学与 AI 交叉领域最受关注的方向之一。

在全球范围内，这一方向已经吸引了顶级科学家与科技公司的集中投入。2024 年诺贝尔化学奖得主、Google DeepMind 首席执行官兼联合创始人 Demis Hassabis 多次在公开采访中提到，" 虚拟细胞 " 将是 DeepMind 的重要研究方向之一，其目标是构建能够在计算机中模拟完整细胞行为的 AI 系统，从而理解生命运作的底层机制。

与此同时，马克・扎克伯格与普莉希拉・陈夫妇创办的慈善机构 Chan Zuckerberg Initiative 也在今年明确宣布，将在未来十年投入数亿美元，推进虚拟细胞相关研究，包括开放生物数据集与计算工具的建设。而就在近期，NVIDIA 亦与 CZI 达成合作，通过提供 AI 算力与基础设施，加速虚拟细胞模型的开发与应用落地。

在国内，这一方向也开始出现早期探索者。其中，华源智因近期完成数千万元种子轮融资，由水木创投领投，向阳资本于本轮后担任长期独家财务顾问。公司创始人杜润诗就读于加州大学洛杉矶分校（University of California, Los Angeles），主修计算机科学与经济学，大四决定辍学创业；CTO 王艺璇为香港中文大学计算机系博士生，师从李煜教授，已发表 10 余篇论文（包括 Nature Communications、Nature Computational Science、Nature Methods 等），并曾在百图生科主导基因扰动预测模型 xTrimoSCPerturb（ 2025 年度 Virtual Cell Challenge 冠军模型），同时参与 GenBio.AI 下游任务设计，并担任 MBZUAI 访问学者。

目前，虚拟细胞正在从 " 概念验证 " 逐步走向 " 机制验证 " 与 " 应用验证 " 的阶段。有从业者判断，未来 10 年内，基于虚拟细胞的计算模型有望逐步重塑药物研发范式，部分动物实验不再是唯一依赖路径，将会被更高通量、更可计算的模型体系所补充甚至部分替代，并逐步渗透到临床前乃至临床研究的流程之中。据悉，华源智因已经开始与顶级三甲医院开展临床层面的联合验证，并观察到模型预测结果与真实生物实验之间具有较高一致性，目前已实现初步商业化订单落地。

虚拟细胞的前世今生

虚拟细胞，并非一个突然出现的新概念。其英文通常被称为 AI Virtual Cell（AIVC），即利用人工智能构建能够模拟细胞状态、预测细胞行为的数字化模型。

人类对于 " 数字细胞 " 的探索已经持续了半个多世纪。20 世纪 60 年代，随着分子生物学的快速发展，科学家开始尝试用数学和计算模型描述细胞内部的信息传递过程。当时的研究主要建立在生物化学和分子生物学已经发现的确定性规律之上。例如，生物化学关注化学反应动力学，而分子生物学则将基因调控网络理解为类似 " 开关 " 的逻辑系统——转录因子结合 DNA，启动或关闭基因表达，进一步影响蛋白质合成以及后续的一系列生物过程。

因此，早期的数字细胞模型，本质上都是基于已知生物学机制构建的 " 规则模型 "。研究者通过建立蛋白质相互作用网络、基因调控网络等方式，对细胞运行进行计算模拟。

不过，这类模型也存在天然局限。由于模型依赖大量人工定义的生物学规则，当系统复杂度不断提高时，参数数量会呈指数级增长，模型很难覆盖真实生命系统。

因此，早期研究对象大多局限于结构相对简单的生命体。例如 21 世纪初，国际上曾完成对支原体的数字化模拟。这种生物仅拥有数百个基因，是目前已知基因组最小的自由生存生物之一，因此成为验证数字细胞模型的重要对象。研究人员能够模拟其部分代谢过程、蛋白表达以及细胞生命周期，但距离模拟更加复杂的人类细胞仍有巨大差距。所以，在相当长一段时间里，数字细胞更多被视为一种值得探索的科学愿景，而非短期内可以真正实现的技术路径。

直到近几年人工智能大模型的发展之后。随着单细胞测序、多组学等实验技术不断成熟，生命科学开始积累前所未有的大规模数据；与此同时，大模型所展现出的强大拟合能力，也让科学界开始尝试摆脱过去依赖人工构建规则的思路，转而利用数据驱动的方法学习细胞内部复杂的运行规律。

这一变化，与 AI 领域广为人知的 Scaling Law 具有一定相似性：当模型规模不断扩大、数据持续积累时，模型能够逐渐学习到许多无法依靠简单公式或人工规则描述的复杂模式。

对于生命科学而言，这意味着研究对象也从简单生物逐渐扩展到更加复杂的人体系统。人体约由数十万亿个细胞组成，每个细胞不仅包含约两万个基因，其内部还存在转录、蛋白表达、染色质开放状态、表观遗传修饰、代谢等多个信息层级。这些不同维度共同决定了细胞最终的功能，依赖任何一个单一模态数据，远不足以完整描述一个细胞的真实状态。

因此，虚拟细胞并非只是对转录组进行建模，而是希望整合多组学、生物通路、细胞间相互作用等多维信息，构建能够逼近真实细胞状态的大模型。

这一模型的首要目标，是帮助研究人员理解生命系统本身。例如，同样携带部分基因突变，癌细胞与正常细胞之间真正的差异，并不仅仅来自某一个突变位点，而是整个调控网络、信号通路以及细胞状态发生了系统性改变。虚拟细胞希望能够理解这种全局变化，并进一步解释这些变化如何最终导致疾病发生。

在理解机制之后，更重要的价值则体现在预测能力上。如果模型能够准确模拟细胞状态，那么研究人员便可以提前预测某一种药物、基因编辑或其他干预措施会对细胞产生怎样的影响，从而减少大量依赖 " 试错 " 的实验过程，提高药物研发和疾病研究的效率。这也正是近年来虚拟细胞逐渐成为 AI 与生命科学交叉领域重要方向的原因之一。

" 为生命平权 "

杜润诗并不是一个典型意义上的 AI 制药创业者。他坦言，真正促使自己创业的，并不是某一项技术突破，而是家人长达十年的抗癌经历。治疗过程中，他见过许多优秀的肿瘤医生，但不同医生给出的治疗方案却并不相同。" 我家人问我，到底该怎么选？"

当时的他给不出答案，他说，" 我最害怕的是，如果最终是我替她做了决定，而结果不好，我没有办法面对自己。"

这段经历让杜润诗开始思考，如果医学能够像自动驾驶、天气预报一样，借助数据和 AI 去预测不同治疗方案可能产生的结果，患者是否就不必再依赖经验 " 赌一把 "。

也正因为如此，华源智因从创立之初，便没有把自己定位为一家传统 AI 制药公司。

相比帮助科研人员做一个更好的算法，公司更希望建立一个能够模拟人体生命反应的虚拟细胞系统，希望未来能够帮助医生、药企甚至患者预测不同药物在不同个体中的真实反应，让精准医疗真正建立在数据而非经验之上。在杜润诗看来，技术只是工具，真正需要解决的是临床场景中的现实问题。

这种思路，也直接影响了公司的商业化路径。目前，大多数 AI 制药企业仍然集中在药物发现环节，例如帮助药企筛选靶点、设计分子或优化候选药物。但杜润诗认为，这部分虽然技术门槛高，却并非整个药物研发流程中价值最高的环节。一个创新药从研发到上市往往需要投入数十亿美元，而药物发现只是其中最前端的一小部分。即便 AI 能够提升这一阶段效率，其能够创造的商业价值也相对有限。相比之下，真正决定一款创新药成败的是临床阶段。无论是进入临床前如何判断一条管线是否值得继续投入，还是临床一期、二期、三期如何筛选真正适合药物的患者，每一次决策都意味着数千万甚至数亿美元的成本。

然而，不同于多数 AI 制药公司首先切入药企研发流程，华源智因把商业化的起点放在了医院。

杜润诗认为，虚拟细胞模型的能力，最终取决于是否拥有持续、高质量的真实人体数据。而这些数据并不掌握在药企手中，而是沉淀在临床诊疗过程中。因此，公司选择与国内多家头部三甲医院建立长期合作，通过患者样本检测、给药前后的配对数据采集、多模态测序等方式，持续积累真实世界数据，并不断迭代模型。

在这一模式下，医院既是数据来源，也是模型验证场景。随着合作医院增加、患者样本不断积累，模型能够学习到越来越丰富的疾病特征和药物反应；模型能力提升后，又可以反过来帮助医院开展药效评价、患者分层以及临床研究，从而吸引更多医院加入合作。这构成了公司希望建立的数据飞轮。

在此基础上，药企则成为飞轮释放价值的一端。对于创新药研发而言，最昂贵、也是失败率最高的环节往往发生在临床阶段。一款药物是否值得推进、哪些患者最有可能获益，都需要大量真实人体数据作为支撑。华源智因希望将医院端积累的数据能力转化为药企研发能力，为药企提供药效预测、患者筛选和临床试验优化等服务，提高创新药研发效率。

这套商业逻辑，已经开始在海外得到验证。2024 年，Tempus AI 登陆纳斯达克。公司最初以肿瘤检测业务切入，通过持续积累患者基因组、临床记录和影像数据，再利用 AI 模型服务药企和医院，逐渐形成 " 检测获取数据—数据训练模型—模型反哺诊疗—吸引更多数据 " 的飞轮。上市后，公司增长迅速，2025 年第二季度营收同比增长约 90%，市值一度突破百亿美元，也因此被不少投资人称为 " 医疗界的 Palantir"。

去年，美国虚拟细胞公司 Tahoe Therapeutics 完成 3000 万美元融资，总融资额超过 4200 万美元。与此同时，公司开源了 Tahoe-100M 数据集，收录了超过 1 亿条细胞扰动数据，覆盖 1000 多种分子作用于不同癌细胞后的反应。对于虚拟细胞模型而言，这类 " 扰动数据 " 被认为是训练 AI 理解细胞行为的重要基础，也成为国际竞争的核心资源之一。

在杜润诗看来，真正决定模型能力上限的，不仅是算法，更是数据本身。"Scaling Law 在生命科学同样成立，但前提是拥有真正正确的数据。" 他认为，数据闭环一旦真正建立起来，虚拟细胞或许不仅会改变药物研发的方式，也有机会像今天的大模型一样，成为生命科学领域的新一代基础设施。

杜润诗表示，公司最核心的愿景并不是做一个 AI 工具，而是希望推动 " 生命平权 "。尽管医学和人工智能已经取得了巨大进步，但面对癌症等重大疾病，许多家庭依然不得不在多个治疗方案之间 " 赌一把 "。不同医生可能给出不同建议，而患者和家属往往缺乏足够的信息判断哪一种方案更适合自己。

" 我们希望把这种 ' 赌 ' 变成 ' 算 '。" 杜润诗说，未来借助虚拟细胞技术，医生能够基于每位患者的真实生物学特征，对不同治疗方案进行预测，让精准治疗真正实现个体化。