Flagship Pioneering Inc

上一期我们盘点了头部投资机构，本期将镜头拉近到个体。 他们或从实验室出走，或在投行历练半生，却有一个共同点：敢把真金白银押在“尚未被验证的科学”上，再陪它走过十年。 📢 生物医药投资机构行业交流群已开启 扫描上方群二维码加入药企投资交流社群，欢迎加入社群交流一线产业观点。 读懂这些人，就读懂了生物医药这门生意最底层的逻辑，以及下一轮机会藏在哪里。 中国篇：把赌注押进无人区 施毅 替礼来“开荒”中国的人 礼来亚洲基金创始人。 中科大生物学学士，杜克大学生化博士、MBA。 读博期间离开实验室补读商科的经历，让他成为“科学+商业”双栖选手。 2008年，他带着礼来的产业资源回到中国，创办了当时绝无仅有的“纯医药”专业基金。 信达、微芯、贝达、博瑞......这份名单几乎是半部中国创新药早期史。 二十年后，礼来亚洲仍以半年6笔出手位列活跃榜第一。 梁颕宇 敢在所有人说“不”时下注 启明创投主管合伙人。 康奈尔管理学学士、斯坦福MBA，业内称她“中国最懂医疗健康的女性投资人”。 成名战是甘李药业：彼时胰岛素市场被三家跨国巨头垄断，甘李业绩连续数年停滞，几乎所有投资人都摇头，她却拍板投下7000万元。 因为这是国内唯一死磕三代胰岛素的企业。 十年后，甘李做到国产第一，启明赚回17倍。 易诺青 百济神州背后的“时间的朋友” 高瓴联合创始人、联席首席投资官。 中金分析师出身，是本期主角里“最不像科学家”的一位，却用重注改写了中国创新药资本史。 自2014年百济神州A轮起，高瓴几乎每轮重仓跟进，陪跑至港美双重上市。 2026年6月他卸任董事，被视为“资本红利时代”退潮的标志。 退场不等于离场，高瓴同期密集落子华深智药、鑫康合、泽安生物。 傅唯 31岁创业的“蓝领”操盘手 康桥资本创始人。 新加坡南洋理工电气工程学士、芝加哥大学EMBA，历经麦格理、淡马锡、高盛。 2014年，31岁的他创立康桥，如今已是亚洲规模最大的医疗健康专业投资平台之一，管理规模约106亿美元。 他不满足于“下注”，而是亲自下场组局：孵化云顶新耀、天境生物并推动上市；主导收购韩国Hugel、武田中国资产。 他说自己是“投资行业的蓝领工人”，干的是价值重构的体力活。 2026年5月，康桥与美国GHO对等合并，一个超210亿美元的全球医疗平台呼之欲出。 胡旭波 从临床医生到医疗投资人 启明创投主管合伙人。 上海医科大学临床医学出身，2006年放下听诊器跨界创投。 他最知名的作品是泰格医药：2008年，当多数人还在追仿制药，他已把目光投向临床研究服务，花一年时间说服泰格接受启明投资。 2012年泰格登陆创业板，如今市值超300亿元。 2024年，他全程参与迈瑞收购惠泰，成就科创板首单“A控A”。 他说：“10年前我不敢说中国公司能走向全球，但现在可以了。” 陈飞 左手科学，右手投资 礼来亚洲基金管理合伙人。 复旦医学分子遗传学博士，兼具科学家的严谨与投资人的敏锐。 2009年加入礼来亚洲以来，他先后投资了贝达药业、微芯生物、荣昌生物等标杆项目。 贝达的埃克替尼是中国首个自主小分子靶向药，微芯的西达本胺是首个表观遗传调控类抗肿瘤药。 他坚持三个标准：科学上有临床价值、药物有市场前瞻性、团队有成功经验。 期限越长的基金，对产业平稳发展的作用越大。 陈连勇 连接药明康德与全球创新 通和毓承创始合伙人。 北大化学系毕业，比利时新鲁汶大学博士、MIT博士后。 1993年作为科学家加入先灵葆雅，成为降胆固醇药Zytia发明团队核心成员。 但研发挫折让他意识到：创新药的成功远不止科学问题。 2012年创建通和资本，2017年主导与毓承资本合并，后者脱胎于药明康德的风险投资部门。 这场合并意味着药明康德生态与全球创新网络的深度连接。 杜莹 科学家—创业者—投资人的完整闭环 泉创资本创始董事总经理，业内称她“制药女神”。 1994年加入辉瑞，两款药物获FDA批准。 2002年归国联合创立和记黄埔医药。 2014年创立再鼎医药，仅用三年便登陆纳斯达克。 如今她转身创办泉创资本，走完了“科学家—创业者—投资人”的完整路径。 她说：真正懂科学的创业者，最知道该把钱投向哪里。 王国玮 连接中国创新与全球资本 奥博资本全球合伙人、亚太区资深董事总经理。 北大医学博士、加州理工发育生物学博士，横跨学术、产业与投资。 加入奥博后主导了华氏医药、纽脉医疗、基准医疗等多个中国项目的投资。 奥博2021年完成8亿美元亚洲基金募集，重点布局中国和印度。 王国玮正是这张蓝图在大中华区的执行者。 周勤伟 从药企高管到基金合伙人 礼来亚洲基金创业合伙人。 复旦化学学士和硕士、纽约市立大学博士，曾任礼来制药副总裁。 2016年出任信达生物首席运营官。 2015年信达将PD-1中国区外权益授权给礼来，周勤伟既是礼来体系内的高管，又是信达的运营负责人。 2021年转身加入礼来亚洲基金。 从实验室到药企高管再到投资，他是“产业背景VC”的最佳注脚。 这群人几乎人人手握博士学位，履历横跨跨国药企研发高管、临床医生、顶尖科学家。 他们用二十年证明了一个朴素道理：在这个一亿个分子里才跑出一个药的行业，看得懂科学的人，才握得住定价权。 全球篇：发明与定义规则的人 Noubar Afeyan 不投公司，他“发明”公司 Flagship Pioneering创始人、CEO，Moderna共同创始人、董事长。 1962年生于黎巴嫩，少年因内战随家逃往加拿大，MIT生物化学工程博士。 1987年创业至今，他创立或参与创立了超120家生命科学公司。 2000年创立Flagship，开创“内部发明公司”打法：科学家先提出“如果……会怎样”的大胆假设，验证通过再成立公司。 Moderna是其中最著名的作品，让mRNA一战封神。 他说自己赌的是十年后的生物学。 Robert Nelsen 种子期猎人 ARCH Venture Partners联合创始人。芝加哥大学MBA。 1986年ARCH创立以来，他参与超150家公司的早期创建与融资，Illumina、Alnylam、Juno、GRAIL……超50家后来估值突破10亿美元。 投资几乎全部发生在论文发表前：先到大学实验室找到疯狂的想法，再帮科学家搭公司。 2011年ARCH在中国投资了首家Biotech华医药，当多数美元基金2010年代才看懂中国创新药时，他早已把筹码放到上海张江。 Peter Kolchinsky 一边投钱，一边改写规则 RA Capital创始人。 哈佛病毒学博士，将科学家的严谨带进投资，管理规模超百亿美元。 比钱更出圈的是他的笔，《The Great American Drug Deal》系统提出药品定价改革方案；创办非营利组织No Patient Left Behind。 2026年5月他撰文：“把中国生物科技隔离在墙外，削弱的是美国自己。”他是最敢言的生物医药投资人之一。 Carl Gordon 奥博资本 奥博资本管理合伙人，MIT科班出身，2018年福布斯Midas全球榜第4位。 他身后的奥博由Sven Borho等人1989年创立，管理规模约200亿美元，是全球最大的医疗健康专业投资机构之一。 奥博是最早重仓中国的外资之一。 2010年代起在亚洲设立独立基金持续下注，近年在中国创新药明星轮次中频繁现身。 对本土创业者而言，它代表的是一种“愿意陪你穿越临床周期”的长线美元。 把十位投资人放在一起看，三条清晰的分界线浮现： 科学素养是入场券。 从施毅到Afeyan，最顶尖的生物医药投资人几乎都亲手做过实验；商科出身的梁颕宇与易诺青，也用二十年行业浸泡补上了“药感”。“看不懂不投”正被“看得懂才敢投”取代。 从“给钱”到“共建”。 傅唯做运营商，Afeyan与Nelsen下场造公司，RA Capital用TechAtlas帮企业做战略。单纯的财务投资，正让位于“资本+产业资源”的复合能力。 耐心是最稀缺的资产。 甘李等了十年，百济陪了十二年。能穿越周期的，从来不是最聪明的钱，而是最有耐心的钱。 向科学家靠拢，向产业深处走，向更长的周期要回报，这或许就是穿越周期的人，教会我们的事。 识别微信二维码，添加生物制品圈小编，符合条件者即可加入 生物制品微信群！ 请注明：姓名+研究方向！ 版 权 声 明 本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。

生物医药圈"资本寒冬"的叙事，正在被一组数据改写。 2025年，中国创新药一级市场全年完成254笔融资，交易总量反超2023年。 2026年上半年，头部机构出手肉眼可见地加快：礼来亚洲基金落子6笔，启明创投完成5笔，沉寂已久的高瓴一口气投出4笔重磅。 本期，带大家一起盘点生物医药牌桌上的核心头部玩家。 📢 生物医药投资机构行业交流群已开启 仅限投资人扫描上方群二维码加入药企投资交流社群，欢迎加入社群交流一线产业观点。 它们从何而来、信奉怎样的投资方法论、当下押注哪些赛道，又怎样深刻影响中国 Biotech 的成长路径。 中国第一梯队 跨越周期的"全周期玩家" 高瓴投资 最有名的"时间的朋友"，正在换仓 2005年由张磊创立，一级市场（高瓴创投）与二级市场联动，医疗健康与人工智能是其创投的两条"绝对主线"（2025年合计约占其出手的三分之二）。 高瓴与中国创新药最著名的注脚是百济神州。 从2014年起一路陪跑至港股、美股双重上市，是长期主义叙事的经典样本。 2026年6月，高瓴联合创始人、联席首席投资官易诺青卸任百济神州董事并减持，被市场解读为护航期转向自主期。 同一时间，高瓴在一级市场重新提速：联合DST Global等参投华深智药7.87亿美元B轮，领投鑫康合生物C轮、泽安生物医药3800万美元B轮，并追加星锐医药4000万美元B+轮。 其打法愈发清晰：逆周期重仓早期，也在业绩兑现期果断换仓、把子弹打向AI制药等新方向。 红杉中国（HongShan红杉） 从“投赛道”到“组生态” 2005年由沈南鹏创立，2024年与红杉全球体系分拆后以HongShan品牌独立运营。 医疗是红杉中国的四大主赛道之一，覆盖创新药、医疗器械、诊断与医疗服务全链条，累计投出数百家医疗企业。 近两年其策略偏谨慎：2025年全球口径出手14次。 2026年上半年仅参与1笔联合领投，与Pfizer Ventures、杏泽资本、北极光创投等共同投资信华生物，并在帕母医疗1亿美元D轮中跟投。 市场更关注的是它正在扮演的角色变化：从单纯出资人，变为连接全球药企资源与中国创新资产的"生态组织者"。 专业医疗基金 把"懂药"写进基因 礼来亚洲基金（Lilly Asia Ventures） 最“纯血”的中国医药基金 脱胎于礼来制药、2008年成立于上海，是中国最早的纯生物医药专业基金之一，如今团队独立运作、中美双线布局。 它几乎贯穿中国创新药从0到1的全过程，信达生物等第一代Biotech的成长路上都有其身影。 2026年上半年，礼来亚洲以6笔投资位列中国生物医药活跃榜第一，包括联合赛诺菲领投曲欣生物8500万美元B轮；在星锐医药、迦进生物等小核酸与肝外递送新锐身上连续加注。 只投医药、纵深研究、敢于在很早期下注，是这家机构的鲜明标签。 启明创投 逆周期里最稳的“六边形战士” 2006年创立于上海，科技与医疗双支柱，医疗健康团队由梁颕宇、胡旭波等主导。 在2022—2023年行业最冷的时候，启明也没有停手。 第三方统计显示，其2025年生物医药领域出手41次，位居全球机构之首。 代表案例从泰格医药这样的“卖水人”，到帕母医疗（C轮共同领投、D轮老股东加注）、佳量脑科学（2026年C轮领投）、蔚程医药等前沿新贵，横跨器械、脑机接口与小核酸递送，覆盖面在专业基金中相当少见。 康桥资本（CBC Group） 不只想当股东，还想当操盘手 2014年由傅唯创立、总部位于新加坡，是亚洲规模最大的医疗健康专业投资平台之一，2025年底资产管理规模约106亿美元。 它最特别之处在于"投资者—运营商"模式：从零孵化云顶新耀、天境生物（后分拆重组为新桥生物），到控股并购韩国医美龙头Hugel、武田中国心血管代谢资产（海森生物）、优时比中国神经与过敏业务。 再到信贷与生命科学基础设施等多产品线，深度介入被投企业的战略与运营。 2026年5月，康桥宣布与美国GHO对等合并，将组建资产管理规模超210亿美元的全球最大医疗健康投资平台（预计2027年初完成）。 当创新药出海成为主叙事，既当股东、又做操盘手的机构，话语权正在快速上升。 中坚机构 撑起国内生物医药早期基本盘 弘晖基金 全产业布局，穿越周期的广谱型医疗资本 2014年成立，管理美元、人民币双币基金，横跨生物医药、医疗器械、医疗服务全产业布局。 机构坚持产业深度研究驱动投资，覆盖早期到成长期项目，2025年全年出手17次，在行业调整期依旧保持稳定节奏。 既押注创新药、合成生物学等前沿赛道，也布局高值器械、CRO产业链与医疗服务。 代表项目包含劲方医药、天辰生物等一批Biotech，同时布局联影医疗、冬雷脑科等器械与医疗服务企业。 团队擅长投后产业资源对接，不单纯追逐热点，更看重技术落地与商业化潜力，是国内医疗投资圈覆盖面很广的中坚力量。 元生创投 扎根 BioBAY，从产业园生长出来的早期捕手 2013年诞生于苏州BioBAY产业园，依托园区产业土壤起家，专注医疗早期和成长期投资，是国内最活跃的医疗VC之一。 2025年出手22次，投资覆盖新药研发、医疗器械、体外诊断、医疗服务四大板块。 创始团队拥有跨国药企、咨询机构从业背景，善于挖掘科学家创业项目，不局限于苏州本地，全国范围筛选优质初创企业。 开拓药业、博瑞医药、康龙化成均为其代表案例，已有十余家被投企业登陆资本市场。 借助BioBAY的产业生态网络，元生创投能够为初创公司对接研发、临床、供应链资源，为大量早期Biotech提供雪中送炭式资本支持。 龙磐投资 高频出手，死磕创新药早期的技术派玩家 国内专注创新药早期的专业投资机构，团队核心合伙人大多具备药企一线研发履历，对药物成药性、技术门槛要求极高。 2025年出手24次，出手频次位居行业前列，以天使轮、A轮早中期项目为主，几乎只聚焦生物医药赛道。 评估项目时技术与产品权重占比极高，优先挑选具备差异化的管线，避开靶点同质化内卷。 代表案例有荣昌生物、贝达药业、亚虹医药等一批上市Biotech。 同时管理人民币与美元基金，拿到全国社保基金、国家中小企业发展基金的出资，在国内早期创新药投资版图当中，是一股不可忽视的力量。 倚锋资本 立足大湾区，深耕硬科技的本土生物医药 VC 起家深圳，是国内最早一批生物医药专业VC，团队大量成员拥有生物医药博士背景，深耕大湾区生物医药产业土壤。 机构坚持“投早、投硬科技”，覆盖创新药、高端医疗器械，从种子轮到成长期均有布局。 微芯生物、亚盛医药、前沿生物、和元生物是其标志性投资，多个项目登陆科创板、港交所，也曾被《Nature》进行专访报道。 倚锋资本擅长陪伴初创企业长期成长，不追求短期退出，在粤港澳大湾区的生物医药初创圈拥有很高辨识度，同时向外辐射全国优质项目，持续为本土源头创新输送资本弹药。 北极光创投 硬科技底色，综合基金里的医疗实力派 2005年成立的老牌综合创投机构，医疗健康是其核心支柱板块。 不同于纯垂直医疗基金，北极光在硬科技大框架下布局生物医药，打通技术源头与产业落地。 投资兼顾创新药、高端器械、体外诊断、合成生物学，兼顾早期孵化和成长期加码。 机构看重底层技术平台能力，偏好科学家、产业人出身的创业团队，不盲从市场热点。 在生物医药资本起伏周期中保持相对克制、稳健的出手节奏，既能够给初创企业资金，也可以联动其硬科技板块资源。 赋能器械、AI制药等交叉赛道项目，是综合基金中医疗投资做得相当出彩的代表。 杏泽资本 锚定长三角，挖掘未被关注的医药早期新星 聚焦医药早期的专业投资机构，扎根上海，专注源头创新Biotech，重点押注创新药、生物技术平台。 机构深度聚焦初创阶段，愿意承担早期临床风险，擅长挖掘还未被市场广泛关注的科学家创业项目，蔚程医药是其代表性早期布局项目之一。 团队成员多具备医药研发、产业BD经验，除资金之外，会帮助初创公司对接临床、CRO、海外授权资源。 在小核酸、抗体、新一代蛋白药物方向布局较多，在行业热度高涨的时候保持理性筛选，避开同质化靶点竞争，是上海及长三角生物医药初创圈非常活跃的早期资本。 泰福资本 少而精打法，深耕管线差异化的低调资本 专注生物医药早期投资，机构风格低调，深耕创新药、生物技术赛道，以A轮及更早阶段项目为主。 团队拥有深厚医药产业与投行背景，对临床前、早期临床管线具备很强研判能力，不追逐流量型项目，看重分子机制与管线的差异化价值。 经常和杏泽资本、弘晖基金等同场出手，蔚程医药等新锐项目背后均出现其身影。机构出手数量不算激进，但投资命中率可观，更愿意深耕少数优质团队长期陪伴。 在国内早期创新药投资圈层，属于“少而精”风格的专业玩家，为不少从零起步的Biotech提供第一笔机构资金。 汉康资本 产业派垂直机构，看重项目全球开发潜力 国内生物医药垂直专业投资机构，聚焦生命科学创新企业，投资覆盖创新药、CGT、医疗器械等赛道。 机构重点关注具备全球开发潜力的本土项目，重视管线海外价值，积极推动被投企业开展BD授权交易。 投资阶段覆盖早期到成长期，团队成员大多来自制药工业界，对药物研发、CMC工艺、临床开发有着实操经验，投后不止提供资金，还会在管线设计、团队搭建层面给到创业公司建议。 相比头部大机构，汉康资本规模体量偏小，但研判足够垂直专业，是国内Biotech成长路上重要的中坚资本力量。 夏尔巴投资 新锐力量，押注生物医药交叉前沿赛道 医疗健康领域新锐投资机构，团队大多出身头部药企与一线医疗投资机构，快速成长为国内医疗投资圈不可忽视的新力量。 投资兼顾创新药、医疗器械、体外诊断，覆盖从早期初创到成长期多阶段。 机构擅长挖掘交叉技术赛道，关注细胞基因治疗、AI赋能药物研发等前沿方向，重视创业团队的产业实操经验。 相比老牌机构，夏尔巴打法更加灵活，敢于布局还没有太多临床数据的前沿平台型公司。 近年频繁出现在众多新锐Biotech的股东名单，为国内生物医药早期投资市场注入新的资本活力。 高特佳投资 行业老兵，见证中国医疗投资完整周期 2001年于深圳设立，是国内最早聚焦医疗赛道的专业投资机构之一，率先提出主题行业投资模式。 业务覆盖VC、PE、Pre-IPO及并购，横跨创新药、医疗器械、诊断、医疗服务全链条。 早年押注迈瑞医疗一战成名，后续投出康方生物等上市企业，累计推动数十家医疗企业完成IPO退出。 经历行业周期迭代之后，机构持续调整策略，设立种子基金加码早期创新药，联动产业资源赋能被投企业。 作为国内医疗投资的“老兵”，完整见证了中国生物医药产业从萌芽到创新爆发的全过程。 华盖资本 产业资本桥梁，兼顾产业赋能与长周期回报 2012年成立，综合型投资机构，医疗健康是其支柱板块，创始团队在国内医疗投资领域资历深厚。 管理规模庞大，搭建起早期基金、成长基金、母基金完整体系，医疗板块吸引泰格医药、复星医药等众多上市公司作为LP。 投资覆盖创新药、器械、IVD、医疗服务，兼顾早期孵化和成长期大额投资。 机构不盲目追风口，认可医疗是慢赛道，愿意承受长周期回报，已投项目中有三十余家企业实现上市。 在国内医疗资本格局当中，华盖资本同时兼顾财务回报和产业赋能，是连接产业上市公司与初创Biotech的重要资本桥梁。 全球头部机构 规则的定义者 Flagship Pioneering   ARCH Venture Partners "发明公司的人" 这两家代表了一种极端的打法：不投公司，而是从科学假设出发"发明公司"。 Flagship Pioneering（2000年，波士顿剑桥，管理规模超百亿美元）内部自建企业。 最知名的作品是mRNA巨头Moderna，其后还有Sana Biotechnology、Generate Biomedicines、Foghorn Therapeutics等一批平台型公司。 它还与辉瑞等大药企签下数十亿美元级合作，输出管线。 ARCH Venture Partners：1986年，芝加哥，管理规模超65亿美元。 则是"产学研共创"的鼻祖之一，Illumina、Alnylam、Juno、Beam、GRAIL、Vir等改变行业的公司均诞生于其体系。 同类玩家还有波士顿的Third Rock Ventures和旧金山的Versant Ventures（管理规模约42亿美元）。 它们的共同点是：与科学家一起从源头造公司，赌的是十年以上的大命题。 OrbiMed、RA Capital 一二级通吃的"医疗巨擘" OrbiMed奥博资本（1989年，纽约，官网披露管理规模约200亿美元）是全世界最大的医疗健康专业投资机构之一，覆盖私募股权、二级市场与信贷全谱系，150余人的科学与投资团队遍布全球。 它在中国和亚洲深耕多年，帕母医疗等多轮融资背后都有其身影；代表作还包括以41亿美元出售给百时美施贵宝的Turning Point Therapeutics等。 RA Capital（2002年，波士顿，管理规模约100亿美元）以"数据驱动+一二级联动"著称。 曾重仓Moderna，其投资组合中的Orchard（被协和麒麟收购）、Forma（被诺和诺德以11亿美元收购）等均实现高额退出。 此外，丹麦Novo Holdings作为诺和诺德基金会的投资平台，是全球生命科学领域最深的"长钱"之一。 跨界而来的新势力 一批综合科技VC正把医疗变成重仓方向。 General Catalyst2025年出手34次，跻身全球前三；a16z设有专门的Bio+Health基金。 谷歌旗下GV、F-Prime等亦保持高频。欧洲阵营中，Sofinnova Partners（1972年，欧洲最老牌的生命科学VC之一）、EQT旗下生命科学团队（2025年领投帕母医疗的加轮融资）值得关注。 而RTW Investments（约90亿美元）、Cormorant（38亿美元以上）等"专业长钱"，则常以基石投资者身份出现在港股18A公司名单上，今年礼邦医药的"史上最强基石天团"，就是它们与新加坡主权基金GIC、沃尔玛家族办公室的一次集体亮相。 如今行业正在经历三重结构性变化：资本的回流并非均匀扩散，而是精准涌向真正懂产业的玩家。 专业医疗基金与药企CVC的市场份额持续抬升，纯财务、追风口的机会型资金加速退场。 同时，资金偏好明显后移，Pre-IPO与成熟期并购交易与早期布局并行，机构不再满足于“广撒网”，而是追求“早期卡位+后期确定性”的双重保险。 更深层的是，全球化能力已成为衡量机构竞争力的分水岭，从礼来亚洲到RTW，头部玩家无一例外具备跨境配置的底牌。 这也意味着，中国创新药企下一轮融资的叙事，必须放到全球坐标系里重新讲述。 下期预告 机构是骨架，人是灵魂 第二期，我们将把镜头对准那些 "点石成金"的投资人 拆解他们的成名作与投资哲学 识别微信二维码，添加生物制品圈小编，符合条件者即可加入 生物制品微信群！ 请注明：姓名+研究方向！ 版 权 声 明 本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。

导语AI虚拟细胞是AI制药的操作系统 AI虚拟细胞（AI Virtual Cells, AIVC）不是AI药物发现（AIDD）的替代品，而是其上层操作系统。AIDD回答"该设计什么分子"，AIVC回答"这个分子进入真实细胞后，会把生命系统推向什么状态"。 本文基于2024–2026年公开数据，得出五个关键结论： ▪　需求侧：药物临床转化整体成功率仅9.6%，II期仅31%；失败原因中40–50%是疗效问题、约30%是毒性——这两类失败的根源都位于细胞层动态（通路补偿、肿瘤异质性、微环境），而非分子层设计缺陷。分子中心AI存在结构性天花板，这是AIVC范式的需求原点。 ▪　供给侧：数据基座在24个月内扩张了两个数量级——Arc虚拟细胞图谱聚合超6亿细胞，Tahoe-100M提供1亿个药物扰动单细胞数据；但模型性能仍然早期：2025年首届Virtual Cell Challenge中，4,325支队伍无一让纯端到端深度学习稳定击败统计基线，Arc Institute研究员Hani Goodarzi承认"纯神经网络尚未跑赢混合模型"。 ▪　商业化验证：赛道已从论文走向临床与真实世界——Xaira Therapeutics以10亿美元融资开局并于2026年发布X-Cell模型（Tahoe-100M上Pearson 0.31，较STATE基线0.22提升约40%）；Cellarity的CLY-124（DCN1抑制剂，镰刀型贫血）已进入I期临床，2026年Q4读出28天数据；微软GigaTIME在14,256名真实患者上验证并通过独立TCGA队列外部复现（Spearman 0.88）。 ▪　竞争格局：美国定义范式（Xaira、Cellarity、Tahoe、Arc Institute、微软），中国深度参与且在标准竞争中已拔头筹——百图生科xTrimoSCPerturb夺得首届全球虚拟细胞挑战赛冠军（114国4,325支队伍），2026年4月以来国内近10起融资落地，红杉、君联、BV百度风投入场。 ▪　风险提示：基因组尺度Perturb-seq中仅41%的基因扰动产生可测量的全转录组信号，意味着59%的"沉默扰动"是当前所有模型的共同盲区；细胞模型与患者结局之间的鸿沟是品类问题而非规模问题。AIVC的资本热度领先其技术成熟度约一个 hype cycle。 1研究背景与方法 虚拟细胞（Virtual Cell）指在计算机上模拟细胞部分或全部生物学行为的计算模型。与2024年由斯坦福大学、陈-扎克伯格倡议（CZI）与基因泰克（Genentech）团队在《Cell》上正式概念化之前散落的尝试不同，当前AIVC产业的共同定义收敛为两项核心任务：描述细胞状态（Cell State Representation），以及预测外界扰动对细胞状态的影响（Perturbation Response Prediction）。 本文的研究范围覆盖2024年1月至2026年9月的全球公开信息，数据来源包括：Arc Institute Virtual Cell Challenge官方数据与《Cell》评述文章、Tahoe-100M数据集文档（Hugging Face/bioRxiv）、微软GigaTIME研究（《Cell》2026年1月刊）、Cellarity公司公告与ASH 2025会议数据、BIO/BioMedTracker/Amplion对2006–2015年7,455个药物开发项目的追溯分析，以及动脉网、医药魔方等对中国的产业跟踪报道。所有关键数字均在正文标注来源，未获得数据支持的推断均明确标注为判断而非事实。 分析框架上，报告采用"需求侧失败根源 → 供给侧技术架构 → 商业化验证 → 竞争格局 → 协同效应"的五层递进结构，并在第八章对技术成熟度做逆向压力测试。这与市场主流叙事的最大差异在于：本报告不回避2025年挑战赛暴露的性能问题——这些负面证据恰恰是判断投资时点与商业模式可行性的关键变量。 2范式判断：临床失败的结构性根源决定了AIVC的必然性 2.1 9.6%的临床成功率：失败发生在分子之外 ▲ 临床转化漏斗与失败原因结构 BIO联合BioMedTracker与Amplion对2006–2015年间7,455个进入临床的药物开发项目的追溯分析，给出了行业最常引用的转化漏斗：I期成功率63%，II期31%，III期58%，上市审评85%，从临床到获批的整体成功率仅9.6%。失败原因的结构比成功率本身更值得注意：约40–50%的失败源于疗效缺乏或不足，约30%源于不可管理的毒性，10–15%源于药代动力学缺陷。 这组数字揭示了一个被分子中心AI叙事长期遮蔽的事实：药物失败的 majority 场景，不是"分子设计得不好"，而是"分子作用的生命系统与预期不符"。 一个化合物可以完美结合靶点、拥有良好的PK性质，仍然在II期死掉——因为动物模型中验证的生物学假设在人体疾病环境中不成立。2022年Replogle等人在《Cell》发表的基因组尺度Perturb-seq研究给出了更深一层的量化：只有41%的基因扰动能产生可测量的全转录组信号。换言之，连"扰动→转录组响应"这条虚拟细胞最基础的映射，都有59%的输入端是近乎沉默的——这既是模型的机会，也是模型的天花板。 II期临床因此被称为"药物研发的坟场"：它首次在真实患者身上检验疗效，淘汰率40–60%。行业对这一困境的标准回应是阿斯利康的"5R框架"（Right Target、Right Patient等）——本质是在承认：问题出在靶点假设与患者选择，即细胞与组织层面的生物学判断，而现有工具链在这一层几乎不具备预测能力。 2.2 Molecule-centric AI的天花板 过去八年AIDD的技术栈——AlphaFold的蛋白结构预测、GNN分子性质预测、Diffusion分子生成、Transformer学习SMILES表示——全部服务于同一条流水线：给定靶点，找到配体。这套工具链在分子层确实创造了增量价值（Insilico Medicine的INS018_055推进至II期、Exscientia与Recursion的管线验证了从头设计的工程可行性），但它对2.1节所列的三类主要失败原因的贡献接近于零： 失败原因　｜　占比　｜　Molecule-centric AI能否解决　｜　需要的信息层级 疗效缺乏/不足　40–50%　｜　不能　｜　通路补偿、细胞可塑性、疾病状态网络 毒性/安全性　~30%　｜　部分可预测（hERG、肝毒性等分子性质）　｜　组织与细胞层面的脱靶效应、微环境响应 药代动力学　10–15%　｜　部分可预测（ADMET模型）　｜　分子性质为主 商业/策略原因　~10%　｜　不能　｜　市场与竞争判断 表中"疗效缺乏"一行是关键：占据失败近半壁江山的病因，恰恰位于AIDD工具链的能力边界之外。通路补偿（Pathway Compensation）意味着敲掉一个基因，网络会绕行；肿瘤异质性意味着同一药物在不同亚克隆中效果相反；免疫串扰（Immune Crosstalk）意味着体外实验设计得再精细也还原不了微环境。这些都是细胞层与系统层的动态行为，需要的是对整个细胞状态空间的建模，而非对单个蛋白口袋的建模。 2.3 三阶段演进：分子→细胞→人体 ▲ AI生物医药三阶段范式演进 将上述需求侧证据与供给侧能力叠加，本报告采用如下的三阶段框架（该框架与用户提供的原始框架一致，但以2024–2026年实际发生的产业事件做了时间校准）： 第一阶段（2018–2024）：AI Drug Discovery。 建模对象是分子。标志性事件是2024年10月诺贝尔化学奖授予蛋白质结构预测。该阶段的局限在于：AI渗透进研发流程的中段（靶点到先导化合物），对全流程成功率9.6%的结构性困境没有系统性改善。 第二阶段（2024–2030）：AI Virtual Cells。 建模对象是细胞。三个事件锚定了起点：2024年《Cell》虚拟细胞概念文发布；2024年Xaira Therapeutics携10亿美元融资成立，明确以虚拟细胞范式重塑AI制药；2025年2月Tahoe-100M开源与6月Arc Institute虚拟细胞挑战赛启动。本阶段的核心问题是"细胞将如何响应药物、基因扰动与疾病"。 第三阶段（2030+）：AI Virtual Human。 建模对象是多器官与人体系统，核心问题是预测患者长期疗效、安全性与疾病演化。值得注意的先行者是微软：其与Providence合作的TRIALSCOPE框架已于2025年11月发表于NEJM AI，用真实世界数据模拟临床试验结果——技术形态上已经踩进了第三阶段的地界。 一句话判断：AIVC之所以是"第二阶段"而非"AIDD的一个分支"，在于它改变了AI建模的对象本体——从分子这一静态化学实体，变成细胞这一动态生命系统。 3技术架构拆解：虚拟细胞到底在模拟什么 3.1 定义与四层模拟对象 对AIVC最常见的误解是把它理解为"一个数字化的细胞3D模型"。实际上，主流技术路径并不渲染细胞形态，而是把细胞建模为一个连续的、可干预的状态空间（Continuous Latent Space）。模型输入多组学数据（基因表达、蛋白、突变、表观遗传、空间信息）与扰动信息（药物、基因编辑、时间），输出状态预测、表型、轨迹与响应。 按模拟对象的抽象层级，当前工作可分为四层： 层级　｜　模拟对象　｜　输出示例　｜　代表工作 L1 细胞状态　状态空间中的位置与转移　｜　健康→激活→炎症→衰老→凋亡的连续轨迹　｜　Cellarity转录组建模、scFoundation L2 基因调控网络　扰动传播（Perturbation Prediction）　｜　敲除基因A后B/C/D的变化，CRISPR模拟　｜　GEARS、xTrimoSCPerturb、STATE L3 药物响应　化合物→细胞状态映射　｜　转录组、活力、毒性、耐药、协同　｜　Tahoe-x1、X-Cell、ChemCPA L4 细胞命运　长期轨迹建模　｜　干细胞分化方向、CAR-T耗竭、耐药演化　｜　谱系追踪+轨迹推断模型 这四层的商业价值密度不同：L2/L3是当前融资与论文的密集区（因为Perturb-seq数据可标准化、可基准测试），L1是Cellarity等公司管线价值的来源，L4是细胞治疗赛道的长期方向，但数据最稀缺。 需要同时记录这一技术架构的边界：当前绝大多数模型消费的核心模态是转录组——即基因表达的一个快照向量。而细胞真实状态由蛋白质丰度与磷酸化、代谢物、染色质可及性、空间邻域关系共同定义，转录组只是这些层级的上游代理变量。翻译效率与蛋白降解速率的非线性，意味着mRNA层面"没有变化"不等于蛋白层面"没有变化"，反之亦然。GigaTIME代表的空间蛋白组学路线、以及VCC 2026年计划引入的多组学与时空动态任务，正是对这一单模态局限的补课。因此对L1–L4任何一层输出的解读，都应默认携带"转录组代理误差"这一系统性的不确定性注脚——这是所有厂商演示视频中不会说明、但尽调时必须追问的技术细节。 3.2 数据基座：谁拥有数据，谁拥有模型 ▲ 核心数据基座规模对比 虚拟细胞是数据密集度远超蛋白结构预测的赛道——AlphaFold只需要17万条PDB结构，而一个细胞的状态由约2万个基因的表达向量定义，扰动空间是"化合物×细胞类型×剂量×时间"的四维乘积。24个月内数据供给侧发生了数量级跃迁： ▪　- Arc Virtual Cell Atlas（2025年2月首发）：聚合观测与扰动数据超6亿细胞，是该领域事实上的公共数据基座，CC0协议完全开放。 ▪　- scBaseCount（Arc）：以AI代理流水线自动清洗SRA原始数据，收录超5亿细胞、21个物种、72种组织，持续更新。 ▪　- Tahoe-100M（Tahoe Therapeutics，2025年2月开源）：全球最大药物扰动单细胞数据集，1亿个细胞、50种癌细胞系、约1,100种小分子、约6万个药物扰动实验，由Mosaic平台与Parse Biosciences/Ultima Genomics合作生成。这是"扰动数据商品化"的标志性事件——一家融资仅4,200万美元的公司，用数据开源换来了行业公共品地位。 ▪　- GeneCompass（中科院动物所李鑫团队）：基于超1.2亿个跨物种单细胞转录组预训练，2025年10月开源，是跨物种数据整合路线的代表。 ▪　- 私有数据：Cellarity积累了4,500万单细胞转录组的专有库；Altos Labs在挑战赛中动用约700万个手工策划的高质量私有细胞赢得通用奖。 数据格局呈现清晰的"公共基座+私有纵深"双层结构：公共数据决定模型的下限，私有、高信噪比、带湿实验闭环的数据决定护城河。Altos Labs在VCC中的获胜路径（7M精选私有细胞+流匹配生成模型）证明：在当前阶段，数据策划（curation）质量比模型参数量更稀缺。 3.3 模型格局与残酷的性能现状 2025年6月26日，Arc研究所在《Cell》发表评述文章，正式发起首届Virtual Cell Challenge（VCC），被视为"细胞生物学的图灵测试"。赛事数据最终定格为：5,121个注册、4,325支队伍、114个国家、13,781次提交、338支队伍进入决赛。任务设定极具穿透力：在人类胚胎干细胞系H1上用CRISPRi抑制300个基因、生成约30万细胞的金标准数据，训练/验证/测试集分别为150/50/100个扰动，核心考察跨细胞类型的少样本泛化。 结果提出了一个全行业都必须面对的判断： 排名/奖项　｜　团队　｜　技术路线　｜　核心启示 总分第一（$100,000）　BioMap百图生科（BM_xTVC）　｜　xTrimoSCPerturb基础模型+统计特征+生物学先验　｜　多模态基础模型+先验融合有效，但纯AI不够 总分第二（$50,000）　XLearning Lab（天府锦城实验室彭玺团队）　｜　—　｜　中国学术团队跻身全球前列 总分第三（$25,000）　Outlier（芝加哥大学等）　｜　Wilcoxon检验、伪批量、距离度量校准——经典统计为核心　｜　统计方法仍在头部 通用奖（$100,000）　Altos Labs（Cleopatra/go-with-the-flow）　｜　流匹配生成模型+约700万精选私有细胞　｜　数据策划质量击败参数规模 赛事中途暴露了更根本的问题：部分队伍通过优化"预测平均表达"压低MAE指标，Arc被迫临时增设通用奖（Generalist Prize）。Hani Goodarzi在NeurIPS 2025总结中的表述值得全文引用："纯端到端神经网络尚未跑赢混合模型。我们还没有到达'简单堆参数就能变好'的阶段，需要更聪明地整合生物学先验。"夺冠的百图生科官方评论口径一致："纯AI方法未能稳定优于统计基线。" 外部学术证据同样冷峻：Ahlmann-Eltze等人在《Nature Methods》发表的外部基准（DOI 10.1038/s41592-025-02772-6）显示，scGPT、scFoundation、GEARS等五个主流单细胞基础模型，在单基因与双基因扰动预测上未能稳定击败一个"不做任何改变"（no-change）的线性基线；scPerturBench（27种方法、29个数据集）的结论相同——通过细胞上下文嵌入利用先验知识的领域归纳偏置，持续战胜参数量。 产业侧的性能进展则提供了希望的一面：Xaira于2026年初发布的X-Cell（49亿参数）在Tahoe-100M药物扰动预测上取得Pearson 0.31，显著优于Arc STATE模型的0.22，核心指标最高提升5倍。但必须诚实地指出：0.31的皮尔逊相关系数，距离"可用作决策依据"的0.7–0.8区间仍有相当距离。最好的模型也只解释了约三分之一的相关性。 ▲ 代表玩家累计融资与扰动预测性能现状 本节结论：虚拟细胞的技术栈（数据、模型、基准、赛事）在24个月内完成了从零到一的搭建，速度与AlphaFold时期相当；但模型能力停留在"能排序、不能定量"的阶段——排序能力足以支撑靶点优先级与实验筛选（价值1的产品形态），定量能力不足以支撑毒性终判与临床试验替代（价值4的产品形态）。这一性能-价值错配，是判断当前任何一家AIVC公司商业模式可行性的第一性标尺。 4独特价值：AIVC解决AIDD无法解决的问题 4.1 理解疾病，而非理解蛋白 传统AIDD的知识表示是"疾病→靶点→分子"的线性链，靶点即一个基因。虚拟细胞的知识表示是"疾病→网络→细胞状态→轨迹→干预节点"，寻找的是主调控因子（Master Regulator）、网络枢纽（Network Hub）与临界转变点（Critical Transition Point）——即真正驱动疾病状态转移的关键节点，而不是表达量变化最大的基因。这两者的差异不是精度差异，而是类别差异：一个基因可以在疾病中高表达却毫无因果作用，也可以在稳态中低表达却是状态转移的总开关。Cellarity的底层方法论正是前者向后者的迁移：不问"抑制哪个靶点"，而问"把细胞从疾病状态推回健康状态需要什么"。 4.2 AI First Biology：预测实验，压缩实验 虚拟细胞最直接的价值形态是实验预测：以计算筛选替代部分湿实验。量化证据已经出现——Cellarity团队2025年11月发表于《Science》的主动学习框架（active learning framework）显示，其基于转录组与深度学习的化合物筛选算法，在两项血液学发现项目中将表型命中率（phenotypic hit rate）提升了13–17倍，结合"实验室在环"（lab-in-the-loop）签名修正再提升2倍。这不是PPT里的愿景数字，是同行评议的、已在自研管线中复用的筛选效率增益。用户框架中"100万个扰动，AI筛掉99%，实验验证1%"的描述，与该数据在同一数量级上互相印证。 4.3 数字孪生细胞：从人群药到个体药 GigaTIME提供了数字孪生路线迄今最有说服力的真实世界验证。微软研究院联合Providence Genomics与华盛顿大学开发的该框架，用4,000万个配对细胞训练H&E病理切片到21通道多重免疫荧光（mIF）的跨模态翻译，随后应用于Providence医疗系统51家医院、14,256名癌症患者的常规病理切片，生成约29.9万张虚拟mIF图像，覆盖24种癌型、306个亚型，在没有增加任何实验成本的前提下识别出1,234个显著的蛋白-临床标志物关联；在TCGA的10,200名独立患者上外部复现，癌亚型层面Spearman相关系数0.88。2026年1月该工作发表于《Cell》（doi: 10.1016/j.cell.2025.11.016），模型开源。 GigaTIME的深层含义在于：它证明"虚拟化"不仅能省实验的钱，还能激活存量数据资产——全球医院病理科积压数十年的H&E切片，在虚拟mIF能力出现之前是沉没数据，现在是肿瘤免疫微环境的可挖掘金矿。数字孪生细胞的第一个规模化商业场景，可能不是"为每个患者建模"，而是"把历史样本变成数据"。 4.4 从静态快照到动态电影 时间维度是AIVC与既往所有生物信息学工具的分水岭。传统转录组分析输出的是一群细胞在某一时刻的快照（Snapshot），虚拟细胞建模的是状态转移的概率场：给定状态与扰动，推演未来轨迹。这直接对应三个高价值场景——细胞治疗中预测CAR-T的耗竭与体内持久性、 iPSC分化路径设计、以及耐药演化的前瞻干预。时间维度的加入使"药物设计"的语义发生迁移：不再是设计一个结合口袋的钥匙，而是设计一条状态转移路径。这正是"生物状态优化（Biological State Optimization）"的确切含义。 本节小结：虚拟细胞的独特价值不是"更好的AIDD"，而是覆盖了AIDD结构性失明的四类问题——疾病网络因果、实验结果预测、个体化细胞建模、动态演化推演。每一类问题都有至少一个经过同行评议的量化证据支撑（Cellarity 13–17倍命中率、GigaTIME 1,234个关联与0.88外部复现度），这使AIVC区别于多数"AI+X"叙事的地方在于：价值主张已经有临床前证据，正在等临床证据。 5应用方向与商业化验证 5.1 六大应用方向的成熟度分层 应用方向　｜　机制　｜　成熟度　｜　证据与代表 靶点发现（Master Regulator识别）　从状态转移中找因果节点　｜　P0，已验证　｜　Cellarity经平台发现的DCN1靶点进入I期 药物响应预测　化合物→细胞状态映射　｜　P0，临床前可售　｜　X-Cell/STATE/Tahoe-x1，Pearson 0.22–0.31 表型筛选（Phenotypic Screening）　转录组+AI设计化合物筛选　｜　P0，13–17倍效率增益　｜　Cellarity《Science》2025 联合用药设计　模拟Drug A+B+C协同/拮抗　｜　P1，数据起步　｜　ComboSciPlex等组合扰动数据集（63,378细胞、25种双药条件） CRISPR方案设计　基因编辑→表型预测　｜　P1，受59%沉默扰动制约　｜　VCC 2025即为该任务的国际基准 细胞治疗与精准医疗　分化/耗竭/持久性预测；患者虚拟细胞　｜　P2，长期方向　｜　耀速科技（3D细胞+AI）、国内多家布局 成熟度分层的含义直接指向商业化：靶点发现与药物响应预测是当前唯一能收钱的两个方向，前者以管线授权（licensing）变现，后者以SaaS/数据服务变现；联合用药与CRISPR设计处于"能演示、难收费"的阶段；细胞治疗与患者级数字孪生是2030年后的期权。 5.2 三个商业化验证案例 案例一：Cellarity——"细胞状态校正"药物的临床验证。 Flagship Pioneering 2019年孵化，累计融资2.74亿美元（含2024年1.21亿美元C轮），自有4,500万单细胞转录组库。其平台从骨髓纤维化患者的单细胞测序图谱出发，发现DCN1——一个此前从未被探索的球蛋白开关相关靶点，由此设计出first-in-class口服DCN1抑制剂CLY-124，用于镰刀型贫血。临床前数据优于羟基脲、接近基因疗法水平的胎儿血红蛋白诱导，且无细胞毒性。CLY-124已进入I期概念验证研究，28天数据预计2026年Q4读出——这是全球第一个由"细胞状态"范式发现并推进至临床的分子，其数据读出将是整个AIVC赛道的成色试金石。管线纵深还包括骨髓纤维化（JAK2V617F选择性靶向，2026年Q4提名开发候选物）以及与诺和诺德合作的MASH项目。另值一提：其ToxPredictor框架针对药物性肝损伤（DILI，每年给每家大型药企造成约3.5亿美元损失）的预测能力，直接对应了2.1节中约30%的毒性失败原因。 案例二：Xaira Therapeutics——资本定义的范式公司。 2024年由ARCH Venture Partners与Foresite Labs牵头成立，集结斯坦福学者与罗氏、辉瑞前高管，首轮融资10亿美元。2026年春节后发布49亿参数虚拟细胞模型X-Cell，在Tahoe-100M上Pearson 0.31（STATE为0.22），并用不到一年时间完成了对行业标杆性能的超越。Xaira的存在证明两件事：顶级美元基金已经用真金白银为"虚拟细胞是AI制药第二阶段"投票；且这条赛道的资金门槛（10亿美元级）已经把竞争从初创游戏升维为巨头游戏。 案例三：Tahoe Therapeutics——数据即商业模式的极端实验。 前身Vevo Therapeutics，2022年12月种子轮1,200万美元、2025年8月3,000万美元，累计仅4,200万美元，估值1.2亿美元。其策略是以开源Tahoe-100M换取行业公共品地位与生态绑定，再以Mosaic平台的私有数据生成能力寻求独家战略合作（计划锁定一家大型药企或AI公司）。2026年初与Alloy Therapeutics成立ADC合资企业，2025年10月发布30亿参数模型Tahoe-x1，2026年6月发布轻量化模型Rhaister，并研发打通"数据生成→模型预测→智能体验证"闭环的自主研究智能体Tara。Tahoe证明了小资本在赛道中的生存路径：不做药、不做通用模型，做稀缺数据的生成与变现。 三个案例并置，可以读出商业化验证的共同时间结构：2025年是数据与模型年（Tahoe-100M、Tahoe-x1、X-Cell、VCC），2026年进入临床与真实世界年（CLY-124 I期数据、GigaTIME人群验证、TRIALSCOPE试验模拟），2027年起进入"数据读出定生死"的阶段。与典型AI制药叙事不同的是，AIVC赛道的第一个生死判据不是分子能否成药，而是扰动预测能力能否在更复杂的基准（组合扰动、跨细胞类型零样本）上保持量级提升——如果2026年VCC上最优Pearson仍停留在0.3量级，平台型与数据型公司的估值都将面临系统性下修；如果跃升至0.5量级以上，临床前工具类收入的放量会先于任何临床数据到来。 5.3 四种商业模式的结构比较 商业模式　｜　变现方式　｜　代表　｜　资本门槛　｜　关键风险 管线型（AI制药本体）　自研管线授权/权益分成　｜　Cellarity、Xaira　｜　$1B级　｜　临床失败一票否决 数据型　高通量扰动数据生成与独家合作　｜　Tahoe　｜　~$50M　｜　被药企自建实验室替代 平台型（OS）　模型API/订阅/共同开发　｜　百图生科、GenBio AI　｜　$500M级　｜　模型性能未达决策级 垂直服务型　临床前药效评价、CRO+AI　｜　GENESIGHT、西湖欧米　｜　低　｜　天花板受限 6全球竞争格局：美国定义范式，中国扎进应用 6.1 美国阵营：范式与标准的定义者 美国阵营的梯队结构清晰：标准层是Arc Institute（虚拟细胞挑战赛+图谱+STATE模型，一家非营利机构同时定义了数据、指标与基线，事实上成为行业标准化组织）；资本层是Xaira（$1B）与Cellarity（$274M）；数据层是Tahoe与Altos Labs；巨头层是微软（GigaPath→GigaTIME→TRIALSCOPE的三层技术栈已覆盖"病理基础模型→虚拟空间蛋白组学→试验模拟"，2026年4月更在《Cell》发表评述，主张生成式模型是肿瘤学的下一个关键能力）与NVIDIA（$50M投资Recursion、赞助VCC，卡位算力层）。 6.2 中国阵营：深度参与标准竞争，应用路径发散 中国在2025年VCC上完成了一次标志性胜利——百图生科xTrimoSCPerturb从114国4,325支队伍中夺得总分第一（其xTrimo V4全模态生命科学基础模型参数量达2,680亿），天府锦城实验室彭玺团队获亚军，广西医科大学联队进入全球前5%。产业侧，2026年4月以来国内发生近10起融资，红杉、君联资本、BV百度风投、国信创投入场： 中国玩家　｜　技术底座　｜　差异化路径　｜　融资状态 百图生科（百度系）　xTrimo V4，2,680亿参数，七大模态　｜　通用平台型，"给药企造操作系统"　｜　持续投入，VCC冠军背书 百曜科技（GeneCompass）　中科院1.2亿细胞跨物种模型　｜　模型开源+产业转化　｜　2025年10月数千万天使轮，2026年6月BV入股 无界进化（晶泰系）　晶泰前AI算法负责人创立　｜　虚拟细胞模型OCOO-T，三大扰动基准SOTA　｜　2026年6月数千万天使轮 腾讯（生命科学实验室）　CD-GPT（2024）、UniPert-G2CP（2026年8月登《Cell》）　｜　统一扰动建模框架+投资晶泰　｜　巨头自研 GenBio AI（宋乐，前百图生科首席AI科学家）　AIDO.Cell-100M　｜　通用细胞基础模型　｜　海外创业 耀速科技（Xellar）　3D细胞+高内涵成像+AI　｜　器官芯片×虚拟细胞交叉　｜　已完成融资 西湖欧米（郭天南团队）　蛋白质组学驱动　｜　多组学整合建模　｜　已完成融资 GENESIGHT　—　｜　避开拥挤的靶点/分子设计，聚焦临床前药效评价　｜　2025年8月成立，种子轮数千万 华源智因/Vitaura/INFevo/DeepCell　各异　｜　iPSC细胞治疗/底盘细胞/分子交互底层　｜　早期 6.3 格局判断 竞争格局呈现三个不对称。第一是资本不对称：Xaira一家等于中国全赛道总融资的数倍，美元资本对范式类资产的下注强度远超人民币资本，后者明显偏向应用型与CRO服务型项目。第二是标准不对称：Arc Institute同时掌握数据（Atlas）、基准（VCC）与基线模型（STATE），全球团队（包括中国冠军）都在其定义的赛道上比赛——百图生科的胜利证明中国团队有标准竞争能力，但标准制定权仍在美方。第三是路径不对称：中国玩家在器官芯片（耀速）、临床前评价（GENESIGHT）、底盘细胞（INFevo）等应用层的布局密度高于美国，这与 Oliver 此前跟踪的"中国AI制药去OS化"判断一致：美国做操作系统，中国找落地场景——优势是现金流近，风险是若基础模型层被少数玩家锁定，应用层的议价能力会随时间衰减。 人才网络数据为"百度系是中国虚拟细胞黄埔军校"这一判断提供了具体注脚：百图生科前首席AI科学家宋乐创立GenBio AI并发布AIDO.Cell-100M；华源智因CTO王艺璇此前供职于百图生科；VCC夺冠模型xTrimoSCPerturb的底层能力源自刘维团队七年多模态数据整合路线；而以GeneCompass起家的百曜科技则由中科院团队主导、获BV百度风投入股——百度在"下场做模型、输送行业人才、投入真金白银"三个维度全部占位，是观察中国虚拟细胞技术扩散路径的最佳样本。晶泰体系同样在复制这一裂变逻辑（其创新中心AI算法负责人赵亚龙创立无界进化，OCOO-T模型在三大扰动基准上达到行业最优）。对二级市场跟踪者的含义：中国虚拟细胞的人才谱系高度集中于两三个源头机构，源头的任何技术路线修正（例如从纯基础模型转向混合架构），会在6–12个月内传导至整个创业群体的叙事重心。 7与AI Drug Discovery的协同闭环 7.1 七环节闭环：虚拟细胞覆盖全流程 用户框架中提出的协同闭环判断，可细化为如下研发流程映射： 研发环节　｜　AIDD贡献　｜　AIVC贡献　｜　协同形态 疾病建模　—　｜　状态空间建模、轨迹分析　｜　AIVC主导 靶点发现　蛋白结构可用性筛选　｜　Master Regulator/网络枢纽识别　｜　AIVC提出候选，AIDD验证可药性 分子设计　生成模型、分子优化　｜　—　｜　AIDD主导 先导优化　QSAR、性质预测　｜　细胞层响应反馈（转录组水平药效）　｜　双向迭代 毒性预测　ADMET、hERG　｜　细胞层脱靶、组织层毒性（ToxPredictor类）　｜　互补 耐药预测　—　｜　耐药演化轨迹模拟　｜　AIVC独有 联合用药　—　｜　协同/拮抗模拟　｜　AIVC独有 闭环的关键在于双向性：AIVC为AIDD提供"分子进入细胞后会发生什么"的反馈信号，使先导优化从"性质驱动"升级为"性质+细胞响应"双驱动；AIDD为AIVC提供扰动工具箱与可药性约束，防止虚拟细胞推荐生物学上正确但化学上不可成的干预。Cellarity的DCN1案例是闭环已跑通的最强证据：从疾病细胞状态分析出发发现靶点（AIVC环节），再由化学平台设计出first-in-class抑制剂（AIDD环节），最终进入临床。 7.2 协同的经济账 市场规模数据为协同效应提供了量化背景：全球AI药物发现市场2024年约18.6亿美元，预计以29.9%的CAGR增长至2034年约252.2亿美元（Data Insights Market口径）；较保守的The Business Research Company口径为2025年23.3亿美元、2030年74.2亿美元（CAGR 26.2%）。更宏观的药物发现整体市场2035年将达约1,587亿美元（Precedence Research）。值得注意的是，18家大型药企的专利分析显示86%的靶点化合物集中在少数被充分研究的机制上——行业的靶点枯竭是结构性的，而虚拟细胞对网络暗物质（未被研究的基因、非编码区域、状态依赖性靶点）的挖掘能力，恰好对准了这一增长瓶颈。AIVC对AIDD市场的作用不是切分存量，而是扩大可及靶点宇宙的增量。 7.3 "操作系统"判断的技术依据 用户框架将AIVC定位为AIDD的上层操作系统（OS），本报告认为该判断在技术上成立，但需加一个时间条件。成立依据：虚拟细胞消费的是AIDD产出的分子（以SMILES/结构输入），输出的是AIDD所需的一切细胞层信号（药效、毒性、耐药、联药），接口标准化程度随Tahoe-100M等基准数据集的普及而提高——这正是OS的"承上启下"结构。时间条件的含义是：在模型Pearson从0.31爬向0.6+之前，OS只能加载"排序类"应用（筛选、优先级排序），加载不了"决策类"应用（终判、替代实验）。 百图生科"给药的人造一套操作系统"的定位表述，与NVIDIA在AI制药中"算力OS"的角色类似——操作系统卡位战的胜负，将决定未来十年药企与AI公司的价值分配比例。 8冷思考：三个不能回避的问题 问题一：性能缺口与数据噪声的同源性。 当前最好的模型只解释约1/3的扰动相关性（Pearson 0.31），而数据端有59%的基因扰动本无转录组信号（Replogle 2022）。两个数字指向同一个结构性约束：单细胞RNA-seq固有的dropout、批次效应与弱扰动信号，使得"更多参数"无效——VCC冠军与《Nature Methods》基准均确认混合架构与先验整合优于端到端扩展。对投资者的含义：评估AIVC公司时，模型参数量是负向指标，私有高信噪比数据规模与湿实验闭环是正向指标。 2026年VCC将引入组合扰动、跨细胞类型零样本泛化与多组学任务，届时性能天花板有望上移，但2027年前不应期待"决策级"模型。 问题二：细胞不是患者。 虚拟细胞在最优情况下模拟的是"一种细胞对一次扰动在单一时间点的转录组响应"，而患者是"多细胞类型×多月用药×合并用药×免疫历史×遗传背景"的复合系统。Standard Model的分析一针见血：这不是规模问题，是品类问题——Perturb-seq能在一个实验中生成数千个干净标记的扰动-响应对，而患者治疗数据是每人一条长程、右删失、混杂的轨迹。由此推论：AIVC的兑现顺序必然是"临床前工具→临床前决策→试验设计优化→患者级应用"，任何跳过临床前验证直接讲患者数字孪生故事的公司，其时间表应至少外推五年。 微软GigaPATH→GigaTIME→TRIALSCOPE的三层递进，是这一兑现顺序的正确示范。 问题三：数据护城河的脆弱性与法律风险。 Tahoe前身为Vevo Therapeutics，2025年4月因法律诉讼被迫更名——细节虽未完全公开，但足以说明数据权属、平台命名与合作排他性已进入诉讼级争议。公共数据（Atlas 6亿细胞）的完全开放与私有数据的高定价并存，意味着数据护城河的可持续性取决于"生成速度的复利"，而非存量本身。中国赛道另有独有问题：几乎全部玩家处于天使轮/种子轮，若2026–2027年行业出现第一起标志性临床失败（如CLY-124数据不及预期），资本退潮的速度可能与其涌入速度同样惊人——虚拟细胞当前的融资热度领先技术成熟度约一个hype cycle，这正是互联网泡沫研究框架下"基础设施先行、应用后置"的经典结构。 8.4 投资尽调启示：正向指标与负向指标清单 综合前文全部证据，评估任何一家AIVC公司时，以下清单可作为结构化尽调框架。正向指标（P0级）：一是有湿实验闭环——公司是否拥有自建高通量实验室，且模型预测结果能否被快速回测修正（Cellarity的lab-in-the-loop、Tahoe的Mosaic均属此类，这是对冲"模型只解释1/3相关性"这一技术现实的最有效机制）；二是私有高信噪比数据规模——不看总细胞数，看"带扰动标签、带剂量梯度、带时间序列"的数据占比；三是有明确的排序类付费场景——靶点优先级排序、化合物筛选这类"AI出候选、人做终判"的产品形态与当前模型能力匹配，收费逻辑成立。正向指标（P1级）：进入临床试验的自研管线（提供范式验证的期权价值）；标准制定参与度（在VCC等国际基准上的排名是模型能力最便宜的第三方背书）。负向指标（P0级）：一是以参数量为第一卖点——VCC与《Nature Methods》双重证据表明参数量与扰动预测性能相关性弱，把2,680亿参数当护城河讲给投资人的团队，要么不懂行业，要么在偷换概念；二是跳过临床前直接讲患者级数字孪生故事——时间表至少掺水五年；三是纯依赖公共数据的"套壳"模式——6亿细胞的公共图谱意味着公共数据人人可得，在公共数据上做微调的模型没有护城河。负向指标（P1级）：单一指标刷榜（VCC的MAE被操纵事件说明，任何只报单一基准分数的团队都值得警惕）。 该清单隐含的投资时点判断：赛道整体处于"技术可行性已验证、商业化可行性未验证"的窗口期。可比较的历史参照系是2015–2017年的AI影像——同为核心基础设施先行、同有标杆赛事与资本热潮，区分最终赢家的变量也是同一个：是否找到了临床工作流中愿意付费的具体环节。对AIVC而言，这个环节大概率是临床前筛选与靶点优先级排序，而非其叙事中最性感的患者数字孪生。 9结论 AI虚拟细胞是AI制药进入第二阶段的范式升级，其需求原点是临床转化9.6%的成功率中占大头的疗效与毒性失败——这些失败发生在细胞层动态，而分子中心AI对此结构性失明。2024–2026年间，该赛道完成了从概念（Cell评述文）到基础设施（6亿细胞图谱、1亿细胞扰动数据集）到标准（VCC赛事）到资本（10亿美元级融资）到临床验证（Cellarity CLY-124进入I期、GigaTIME万人级真实世界验证）的全栈搭建，速度罕见。 但同一时期积累的负面证据同样重要：纯端到端深度学习未能在挑战赛中击败统计基线与混合模型，最优模型的扰动预测相关性仅为0.31，59%的基因扰动缺乏可测量的转录组信号。这些证据共同指向一个清醒的判断：虚拟细胞当前是优秀的排序工具与靶点假设生成器，尚不是决策级模拟器。 对AIDD而言，AIVC不是竞争者而是操作系统：它消费分子、输出细胞响应，覆盖靶点发现、先导优化、毒性、耐药与联合用药五个AIDD无法自我闭环的环节。竞争优势的归属将不取决于谁能生成更多候选分子，而取决于谁掌握高信噪比的私有数据、湿实验闭环与标准制定权。中国玩家已在标准竞争（VCC冠军）与应用场景（器官芯片、临床前评价、底盘细胞）两端完成卡位，短板在资本强度与基础模型层的长期投入。未来12–24个月的两个观察哨：Cellarity CLY-124的I期28天数据（2026年Q4），与2026年VCC引入组合扰动后的性能上限——前者检验商业模式，后者检验技术天花板。最终目标不是找到一颗更好的药，而是精准重塑疾病细胞的命运，让生命系统回归健康稳态——这句话今天仍是愿景，但它已是一份有临床数据、有基准赛事、有十亿美金资本为之背书的愿景。 10References [1] Huang K, et al. How AI Virtual Cells Will Revolutionize Biology[J]. Cell, 2024. https://www.cell.com/ [2] Arc Institute. Virtual Cell Challenge[EB/OL]. https://virtualcellchallenge.org/, 2025. [3] Arc Institute. The Virtual Cell Challenge: A Cell "Turing Test" Comment[EB/OL]. Cell, 2025-06-26. https://www.cell.com/cell/fulltext/S0092-8674(25)00626-8 [4] Tahoe Therapeutics. Tahoe-100M: A Giga-Scale Single-Cell Perturbation Atlas[EB/OL]. https://huggingface.co/datasets/tahoebio/Tahoe-100M, 2025-02. [5] Arc Institute. Arc Virtual Cell Atlas[EB/OL]. https://arcinstitute.org/tools/virtualcellatlas, 2025. [6] Ahlmann-Eltze C, Huber W, Anders S. Deep learning-based predictions of gene perturbation effects do not yet outperform simple linear baselines[J]. Nature Methods, 2025. DOI: 10.1038/s41592-025-02772-6. [7] Replogle J M, Saunders R A, Pogson A N, et al. Mapping information-rich genotype-phenotype landscapes with genome-scale Perturb-seq[J]. Cell, 2022, 185(14): 2559-2575. [8] Valanarasu J M J, Xu H, Usuyama N, et al. Multimodal AI generates virtual population for tumor microenvironment modeling[J]. Cell, 2026, 189(2): 386-400. DOI: 10.1016/j.cell.2025.11.016. [9] Szalata A, Doshi P B, Kolchenko S, et al. Active learning framework leveraging transcriptomics identifies modulators of disease phenotypes[J]. Science, 2025-11-27. [10] BIO, BioMedTracker, Amplion. Clinical Development Success Rates 2006–2015[R/OL]. https://synapse.zhihuiya.com/, 2016. [11] Cellarity. Cellarity Provides Strategic Priorities and Outlook for 2026[EB/OL]. https://cellarity.com/, 2026-01. [12] 动脉网. 10亿美金开局，今年这个赛道几乎都融到钱了[EB/OL]. https://www.vcbeathealth.com/article/61393, 2026-08-20. [13] 医药魔方. 对话百图生科刘维：给做药的人，造一套操作系统[EB/OL]. https://bydrug.pharmcube.com/, 2026-07. [14] Providence. Novel AI framework anticipated to unlock tumor secrets[EB/OL]. https://blog.providence.org/, 2025-12-09. [15] Microsoft Research. The Next Frontier of Oncology: Generative Models Perspective[EB/OL]. Cell, 2026-04. [16] Data Insights Market. AI Drug Discovery Market Report[R/OL]. https://www.datainsightsmarket.com/reports/ai-drug-discovery-1440683, 2025.