AI行业：AI虚拟细胞(AIVC)技术趋势、产业生态与应用前景研究报告——AI时代生命科学的新型基础设施

AI 虚拟细胞（AIVC）技术趋势、产业生态与应用前景研究报告——AI 时代生命科学的新型基础设施2026AI × LIFE SCIENCEAI VIRTUAL CELLOBSERVESIMULATEEXPLORE指导单位：中关村科学城管理委员会认识生命，是人类科学探索中最深刻的命题之一。过去，基因组学和生物信息学的发展使我们能够以数据读取生命；今天，人工智能与生命科学的交汇，使我们开始尝试描述和推演生命过程。我较早开始关注人工智能在生物学研究中的应用。从 1985 到1995 年间我曾发表多篇用神经网络预测生物大分子结构和功能的研究。三十多年来，算法、数据与算力发生了巨大变化，但一个基本问题始终存在：人工智能可以发现复杂信息之间的联系，却不能等同于对生命机制的理解。细胞是生命活动的基本单元。能否建立具有某些生命特征、可以接受扰动并呈现动态响应的虚拟细胞，检验着我们对生命规律的理解，也可能成为生命科学研究范式演进的重要标志。真正有价值的虚拟细胞，首先应当“活”起来。生命不是某一时刻的静态状态，而是在时间中展开、在空间中组织的连续过程。只有引入时间尺度、空间结构和分子相互作用，虚拟细胞才可能从状态描述走向过程描述。建设虚拟细胞也不能简单等同于汇集数据。数据只有经过降噪、去重、标准化和模态对齐，才能成为高质量语料。模态对齐不是把组学、影像和生理信号机械地放在一起，而是寻找它们在同一生命过程中的联系。这既是生物医学问题，也是多学科共同面对的基础问题。这不仅是一项技术工程，也是一项需要长期积累、开放协作和审慎求证的科学事业。虚拟细胞的发展不会一蹴而就，也不宜一开始就追求包罗万象。现实的路径，是以基本生命能力为底座，从疾病机制、药物作用等具体问题切入，发展可验证的垂类模型，并同步建立评价标准，明确精度、适用范围和能力边界。短期不应高估其成熟度，长期也不应低估其科学价值。本白皮书对人工智能虚拟细胞的技术进展、关键问题与产业生态进行了梳理。希望它能够帮助科研与产业界既看到方向的广阔，也尊重生命系统的复杂；既积极创新，也坚持科学验证。唯有如此，我们才能让人工智能真正成为认识生命、服务健康的有力工具，并在不断逼近生命规律的过程中，拓展人类理解自身的边界。序陈润生中国科学院院士中国科学院生物物理研究所研究员04前言05第 1 章 AIVC 兴起：生命科学进入模型驱动的新范式11第 2 章 技术体系：如何构建理解、预测和设计生命的 AIVC25第 3 章 产业发展：从模型开发步入应用验证42结语&致谢44版权声明AI 虚拟细胞（AIVC）技术趋势、产业生态与应用前景研究报告——AI 时代生命科学的新型基础设施研究范式重构：从实验试错走向模型驱动发展窗口期：政策、技术、监管与资本条件共同成熟AIVC 将成为科学发现与产业应用的新基础设施数据：AIVC 构建的数据基础模型：从细胞表征走向扰动响应和多元范式探索自主智能：将科研问题拆解为可执行的虚拟实验和验证规划干湿闭环：构成 AIVC 持续迭代的长期价值与壁垒产业格局：新锐公司与成熟企业加速入局，产业生态初步形成应用实践：从技术探索走向高价值应用场景能力验证：走向真实场景中的效果评价价值评估：从 Biotech 与 AI 双重赛道审视企业投资价值35第 4 章 AIVC 的关键挑战与演进趋势关键挑战：AIVC 仍需提升模型能力与应用边界未来趋势：从模型竞争走向产业生态协同过去十余年，人工智能的快速发展正在改变科学研究的方式。随着深度神经网络、基础模型和大规模计算能力不断进步，人工智能已不再局限于信息识别、检索和分类，而是开始从海量实验与观测数据中学习复杂系统的表征、结构关系与变化规律，并参与科学假设生成、结果预测和方案设计。这一趋势已在蛋白质结构预测、材料发现、化学反应建模和生命科学等领域逐步显现，推动人工智能从通用信息技术走向以数据、模型和实验协同为特征的 AI for Science，成为辅助科学理解、预测与发现的重要基础设施。与此同时，单细胞测序、空间组学、多组学测量、扰动实验和自动化平台快速发展，生命科学正将细胞状态、分子变化及表型结果转化为可计算的数据。传统依赖经验和反复试错的研究方式，面对细胞这一多层级、动态变化的复杂系统，越来越需要模型提供统一表征、机制线索和可检验的预测。在这一背景下，AI 虚拟细胞（AIVC）受到关注。它试图在计算空间中描述细胞状态，模拟基因、药物及环境变化带来的状态迁移，并将预测结果交由实验验证，推动生命科学由观察和解释走向预测、设计与工程化。从产业发展看，AIVC 正在由概念探索进入产业验证和早期商业化阶段。近年来，相关领域融资活动明显增多，资本市场开始关注数据、模型、实验平台与研发服务之间的协同价值。同时，药企、科技企业、科研机构和专业服务平台正在通过技术授权、数据合作、联合研发、产业孵化等方式推进布局。基于此，本研究报告希望回答以下几个问题：• AIVC 试图解决生命科学研究中的哪些核心问题• 如何构建 AIVC——数据、模型、自主智能与干湿闭环• AIVC 相关的产业生态正在如何形成• 有何关键挑战与产业趋势本研究报告在指导单位「中关村科学城管理委员会」的支持下，由「百曜科技」发起并提供项目支持，《麻省理工科技评论》中国团队负责策划、调研、撰写与制作。通过对这些问题的讨论，本报告希望厘清 AIVC 的技术内涵、现实价值与发展边界，构建其从技术创新走向科学基础设施和产业赋能的可能路径。4前言研究范式重构：从实验试错走向模型驱动发展窗口期：政策、技术、监管与资本条件共同成熟AIVC 将成为科学发现与产业应用的新基础设施第 1 章AIVC 兴起：生命科学进入模型驱动的新范式从实验试错到模型驱动：生命科学正在重构研究范式从 17 世纪罗伯特 · 胡克第一次在显微镜下看见细胞，到 21 世纪初人类基因组计划的完成。几个世纪以来，生命科学主要依靠实验不断逼近生命真相——研究者基于有限观测提出假设，通过控制变量和实验逐一验证，再从离散结果中归纳规律。如今，当单细胞测序技术使我们在全基因组尺度上观测数以百万计的细胞成为可能，多组学、扰动实验和高通量自动化正在把细胞转化为数据。深度神经网络与单细胞组学数据的结合，为研究生命提供了一种新的可能，从细胞整体状态出发，学习基因之间如何相互作用，以及这些作用如何共同决定细胞的状态与表型。这是比 AlphaFold 难度维度更大的挑战，也是下一个“AlphaFold 时刻”。AI 虚拟细胞（AI virtual cell, AIVC）是一种跨尺度、多模态、基于大规模神经网络的模型，能够表征并模拟细胞在多种状态下的行为和状态转换。AIVC 能够建模细胞在不同状态之间转换的动态过程，包括由分化、发育、衰老等自然过程、遗传变异或人为设计的扰动所引起的状态变化，以及在亚细胞和多细胞尺度的生命过程预测。图 1 丨传统生命科学研究向基于 AIVC 的研究范式转变（来源：《麻省理工科技评论》中国、公开信息）基于经验提出假设控制变量法实验试错基于观测结果统计推测形成假设基于 AI 辅助深度调研AIVC 模型学习细胞状态与调控规律大规模模拟预测响应、筛选假设小规模实验验证多模态数据多组学、图像、知识图谱验证结果回流、