AI制药转向虚拟细胞：扎克伯格18亿美元布局，国内融资活跃但技术仍处静态拟合阶段

事件概述

AI制药领域正在经历战略重心的转移，从过去聚焦于分子结构筛选的AIDD（人工智能药物发现）模式，转向构建“数字孪生”和“虚拟细胞”。这一转变的核心驱动力在于传统AI制药虽提升了分子设计效率，但未能有效降低临床失败率，且对疾病机制的理解依然有限。行业共识逐渐形成：真正的突破需要从计算机模拟分子折叠转向重构细胞、器官乃至人体的病理机制。

核心信息与市场动态

1. 全球资本加速布局虚拟生物学

• 美国动向：2026年10月初，马克·扎克伯格旗下的Biohub宣布将“虚拟生物学计划”预算扩容至18亿美元，联合美国能源部、NIH及谷歌DeepMind等机构，旨在搭建虚拟细胞模型的公共数据基础设施。此举被视为全球医药数字孪生赛道进入新阶段的标志。
• 明星案例：Xaira公司此前以约10亿美元启动融资亮相，并于2026年3月发布首个虚拟细胞模型X-Cell，其扰动真实性指标较行业原有水平有显著提升，引发了行业热度。

2. 中国初创公司融资活跃

• 融资规模：自2026年4月以来，中国国内已发生近10起与虚拟细胞/数字孪生相关的融资事件。
• 参与机构：红杉中国、君联资本、百度风投等知名投资机构入场。
• 代表企业：耀速科技、百曜科技、深度细胞等初创公司相继完成数亿元级别融资。
• 产品分层现状：当前医药数字孪生呈现三层分化：
  • 底层（分子级）：对应靶点筛选与分子设计，商业化最成熟，是现有AI制药的主流路线。
  • 中层（细胞级）：即虚拟细胞，用于模拟细胞内通路及药物扰动反应，多处于实验室验证阶段。
  • 高层（组织/器官/人体级）：用于虚拟临床试验及疾病进展模拟，目前仅有极少数团队有落地案例。

技术瓶颈与挑战

1. 动态数据稀缺导致模型失效

• 数据局限：现有的单细胞测序技术只能提供基因表达的静态“快照”，无法对同一细胞进行反复多次测量以获取连续动态数据。
• 模型缺陷：由于缺乏定量多组学时序数据和空间微环境定量测量数据，大多数模型仅能基于公开静态数据进行插值拟合。这导致模型在训练集上表现优异，但在真实生物环境中缺乏外推能力和药物扰动预测能力，难以经受湿实验的严格验证。
• 行业现状：业内专家指出，目前绝大多数国内创业项目基本只能做到静态单细胞图谱的插值，尚未实现真正的动态孪生。

2. 商业化与监管路径不明

• 付费意愿低：与化学模型有清晰的CRO付费模式不同，生物学孪生的价值主要体现在前端的靶点发现和疾病分型，这些环节的商业价值难以量化，药企付费意愿较低。
• 监管缺失：虚拟临床试验和数字孪生辅助诊断缺乏成熟的审评标准和监管路径。目前国内的相关尝试多局限于与医院的科研项目合作，距离正式临床应用仍有较长距离。

值得关注的发展路径

1. 构建“仿真-湿实验”正向闭环

• 行业公认的突破方向是建立“仿真预测-湿实验验证-模型迭代”的循环。企业需通过自身实验生产高质量时序扰动数据，反过来标定模型，而非单纯依赖公开静态数据。
• Biohub的18亿美元投入正是为了标准化数据集和测量方法，为全行业提供此类数据基建。

2. 商业化切入点建议

• 投资人建议初创企业不必追求大而全的模型，可先从药企具体痛点切入，如临床前药效评价或患者分层，通过明确的价值证明获得付费，再逐步延伸至前端机制研究。

3. 政策与先行案例

• 政策支持：中国“十五五”规划已将计算医学纳入其中，工信部等八部门发布的《“人工智能+”行动方案》明确提出建设AI驱动的新药发现平台。
• 落地案例：
  • 哲源科技：与北京大学肿瘤医院及上海长征医院合作开展虚拟临床试验，在小样本下实现80%疾病控制率；其自研胰腺癌新药PR00012依托数字孪生体系推进至Ⅰ期临床。
  • 璨辰科技：携手华大基因共建多组学生命仿真平台，并将虚拟器官孪生应用于新生儿先天发育风险预判。