AIVC：一文读懂AI虚拟细胞|cell|t细胞|微环境|抗原|生物学|虚拟细胞

2025年12月，Arc Institute举办了一场虚拟细胞挑战赛（VCC)：对细胞施加一次干扰（敲掉一个基因/加入一种药物），然后预测这个细胞接下来会变成什么样。

114个国家、1200多支队伍、超过5000名参赛者，累计提交13781次，冠军最终花落中国团队百图生科。而此次事件的背后，正是快速升温的AI虚拟细胞（AI Virtual Cell，AIVC）。

AlphaFold将需要耗费数年的蛋白质结构预测变成了大规模可计算的工作，已实现突破。但生物学的目光望向更远的地方：对完整细胞生命活动进行模拟。

这，正是AVIC所要攻克的难题。

行业的信号已经陆续出现。2024年12月，《Cell》刊发纲领性论文《How to Build the Virtual Cell with Artificial Intelligence》，Stephen Quake、Theofanis Karaletsos等40余位作者共同搭出整体框架；

半年后，Arc Institute发起VCC；2025年11月，陈-扎克伯格倡议（CZI）宣布全面转向AI驱动的生物学研究，并收购EvolutionaryScale。

这究竟是一场新的基础模型军备赛，还是一次药物研发范式的迁移，值得我们从头梳理。

什么是AIVC？

AIVC指的是，输入一种细胞状态，通过施加基因敲除、药物处理、环境变化等扰动，通过模型来预测细胞会发生怎样的变化。与分子结构解析不同，它所聚焦的核心问题，是细胞在受到外界干预时会产生怎样的应答。

AI虚拟细胞工作循环（实验→AI→分析→假说）

纲领论文把该目标划分成三个尺度：「分子层面」理解基因、蛋白质及其调控关系；「细胞层面」预测细胞状态的转换；「多细胞与组织层面」刻画细胞之间的相互作用。

Cell论文图：肿瘤微环境→空间转录组→AI虚拟细胞

以上整套框架由两大核心模块构成，完成对细胞动态的推演。

其一，"通用表示"（UR）：不同实验室、仪器、物种测出的细胞数据，就像用不同方言写下的笔记，因此UR承担统一度量衡的角色，把来源各异的数据转换到一套能够横向对比的表征空间；

其二，"虚拟仪器"：把显微镜、测序仪和扰动实验的功能搬进电脑，让模型能在计算机里观察并操作细胞。

这也是AIVC与AlphaFold的本质差别。AlphaFold擅长捕捉蛋白质的静态三维结构，相当于定格拍下分子的一张照片；AIVC则更近一步，推演外界干预扰动后细胞状态如何随时间发生变化，完成的是对细胞「动态电影」的剧情预判。

前者输出一个确定的结构，后者输出一个随条件变化的过程，因而两者的难度并不在同一量级。

为什么是现在？

因为此时，恰逢三项关键技术同时走向成熟。单细胞测序和空间组学积累起海量细胞观测样本；Transformer基础模型带来从大规模数据提炼通用规律的范式；GPU 算力集群，让十亿级细胞量级的训练不再是空想。

缺少其中任意一环，虚拟细胞都只能止步于理论构想。

这场军备赛的弹药，是细胞。

模型脉络已经逐步清晰。2023年，Gladstone Institutes与UCSF的Christina Theodoris团队发表Geneformer，用3000万细胞训练。2024年，多伦多大学Bo Wang团队推出scGPT；

百图生科与清华大学张学工、马剑竹团队推出scFoundation，使用5000万细胞；中国科学院「指南针联盟」的GeneCompass进一步把1.26亿个人和小鼠细胞纳入训练，成果于2024年10月发表于《Cell Research》。

scGPT 架构图（Nature Methods）

2025年，规模继续膨胀。CZI发布TranscriptFormer，训练数据覆盖12个物种、1.12亿细胞；Arc Institute推出State，使用1.67亿观测细胞和超过1亿扰动细胞，覆盖70种细胞背景；2025年10月，Google与耶鲁大学基于Gemma推出Cell2Sentence-Scale27B，参数规模达到270亿。

数据侧的竞赛同样激烈。2025年2月，Tahoe-100M开源了1亿细胞、1100多种小分子的扰动数据；同月，Arc Virtual Cell Atlas上线，汇集超3亿细胞，含Tahoe-100M和约2亿细胞、覆盖21个物种的scBaseCamp；CZI牵头的十亿细胞计划也在同月启动，联合10x Genomics和Ultima Genomics，剑指生产10亿细胞扰动数据。

Tahoe-100M：历年研究细胞数对比散点图

基于以上，模型与数据相互咬合，行业的「飞轮」就此转动：更多数据训练出更强的模型，更强的模型设计下一轮实验，实验再产生新数据。

而竞争焦点已从观测数据转向扰动数据，观测数据告诉你细胞「长什么样」，扰动数据才更接近回答「为什么会变成这样」，即对因果关系的刻画。

两种砸钱的姿势

想要更好的理解这场竞争的组织方式，CZI是最具代表性的样本，同时也是投入最激进的机构。

2025年11月，CZI将CZI Science与Biohub合并，旗舰项目定为「虚拟免疫系统」，算力计划到2028年扩展至1万张GPU；次日又宣布收购EvolutionaryScale，其创始人Alex Rives出任Biohub科学负责人。

而CZI的产品布局更是先行一步。2025年8月21，CZI发布rBio，该模型从TranscriptFormer蒸馏而来，称其为首个基于虚拟细胞模拟训练的推理模型，在PerturbQA基准上达到当前最优（SOTA）；

到10月，Virtual Cells Platform上架rBio、GREmLN和TranscriptFormer，并引入NVIDIA的Clara、MONAI和CodonFM。

Biohub rBio模型官方概览图

Arc Institute则采取模型、数据、评测三线并进的策略。2025年6月，其VCC框架论文发表于《Cell》，将VCC定位为虚拟细胞领域的标准化评测竞赛，有人称之为该领域的「图灵测试」（面向全行业的公共考场）。2026年1月，Tahoe、Arc与Biohub达成联合合作，计划构建并开源超1.2亿细胞、22.5万组药物患者交互的大规模扰动数据集。

技术路线、核心数据、算力资源与行业评测标准，正持续向少数头部机构集中，这场赛道竞赛的入场券，正在变贵。

有人淘金有人卖水

科技公司的下场参与度各不相同。NVIDIA甘当「卖铲人」，主要提供算力与工具，既与CZI合作，也与Arc共同开发基因组模型Evo 2；Google的C2S-Scale提出了一个新假设，使用CK2抑制剂silmitasertib联合低剂量干扰素可增强肿瘤抗原呈递，并已获得实验验证；

C2S-Scale "细胞句子"工作原理图

Microsoft Research专门设立Virtual Cells方向，用因果表征学习预测遗传扰动，实验验证了新的T细胞调控因子，但其研究团队另有论文提醒：继续扩大观测性单细胞预训练数据，收益可能有限。

据悉：“Isomorphic Labs正在内部组装虚拟细胞组件，目前仍处于路线图阶段，而非成熟产品”。

相比之下，药企已经把模型视为可定价的资产，同时也是修筑自己的护城河。

Genentech由Aviv Regev执掌gRED，先后发布可搜索2340万细胞的SCimilarity和扰动预测框架Presage；据Contrary Research在2026年的评估，这是药企中规模最大的内部虚拟细胞项目。

Xaira于2024年4月成立，承诺融资超过10亿美元，科学联合创始人包括诺贝尔奖得主David Baker；2025年6月，Xaira开源了800万细胞的X-Atlas/Orion Perturb-seq数据集。

模型成为资产，交易随之出现。2026年1月，Noetik与GSK达成五年期协议，首付款5000万美元，许可其OCTO-VC用于非小细胞肺癌和结直肠癌研究。OCTO-VC约15亿参数，用近2亿个空间分辨的肿瘤与免疫细胞训练。这，是生物基础模型许可领域的第一单。

淘金热里，上游的卖水人也在被重新估值与洗牌。

Recursion用Phenom模型和500多张H100组成BioHive-2；Parse Biosciences于2025年11月被QIAGEN以约2.25亿美元收购，收购公告明确提到它为预测性虚拟细胞模型提供大规模数据，Tahoe生产数据，10x Genomics和Ultima Genomics提供底层工具。

产业之外，学术界的参与程度同样密集：斯坦福大学的Quake与Leskovec、耶鲁大学的van Dijk、Gladstone的Theodoris、多伦多大学的Bo Wang，以及Broad研究所、EMBL、Helmholtz、Allen Institute和HCA，分别在模型、数据与评测框架上有所贡献。

国内布局

不同于美国的主要由基金会和科技巨头主导的竞争，国内的布局则各自分布在三条路径。

第一条是基础模型研发，也是竞争最密集的一条线。腾讯AI Lab早在2022年就发表了scBERT，是国内最早的单细胞模型之一；中国科学院"指南针联盟"推出了前文提到的GeneCompass；

百图生科的xTrimo在首届VCC上夺冠，并于2026年9月与华大智造合作，共建专属细胞大模型；阿里达摩院也在2026年3月发布Lingshu-Cell，定位为细胞世界模型，并在VCC扰动基准上领先

第二条是国产算力与上游数据的协同。中山大学杨跃东团队联合华为、新格元推出CellFM，模型规模8亿参数，在1亿细胞上训练，运行于"天河星逸"超算，采用MindSpore框架和国产芯片；华大的Stereo-seq则早在2022年发表于《Cell》，提供了时空组学的数据入口。

第三条是应用落地，即把虚拟细胞模型用到具体任务上。临港实验室2025年7月推出多智能体系统"元生"，又于2026年3月在《Nature Machine Intelligence》发表研究，用虚拟细胞结合强化学习设计肿瘤序贯治疗方案。这是虚拟细胞从「预测细胞」走向「指导治疗」的一次尝试。

创业公司也在进场：晶泰科技孵化的无界进化于2026年6月完成数千万元天使轮融资，其OCOO-T 模型在药物、基因、细胞因子扰动基准达到SOTA行业最优水平；华源智因则在7月获得数千万元种子轮融资，其CTO曾主导VCC冠军模型。

将这三条路径合并为一体来看，高校、大模型公司与测序、自动化上游企业的协同推进，目前虽然部分环节已经处于领先位置，但是整体能力仍需验证。