AI虚拟细胞半年吸金近1亿元：元示科技把制药瓶颈从分子设计搬到细胞响应

数据视角 × 药企研发负责人 ｜ 趋势前瞻 × 医院信息化/临床医生 ｜ 行业观察

元示（上海）科技有限公司近日连续完成近亿元人民币天使轮及天使+轮融资。这家公司 2026 年 4 月才在上海浦东成立，方向是 AI 虚拟细胞（AIVC）——不只预测分子长什么样、能否结合靶点，而是直接预测细胞在药物、基因扰动和疾病状态下如何响应。它押注的判断是：AI 制药的瓶颈已从分子设计单任务，转移到对细胞响应的跨环境预测。资金将投向模型研发、数据与实验平台建设，以及面向药物研发场景的应用验证。

开场：一家成立半年的公司，拿到近亿元去赌细胞会不会听AI的话

一家成立仅半年的公司，凭什么让创新工场、上海未来产业基金和 Monolith 砺思资本连续掏钱？公开信息里，答案不是某条已验证的药物管线，而是一条数据产线加一个判断。

判断是：过去五年，AI 制药主线集中在分子生成、结构和性质预测等单点任务，模型能力持续进化，但问题逐渐暴露——药物失败往往不是因为分子结合不够好，而是细胞、组织与机体的响应难以准确预测。瓶颈已从分子设计单任务，转向对疾病响应的零样本泛化预测：在新患者群体、新组织环境、新扰动组合下，模型还能不能预测对。

这个判断并非元示独有。Arc 研究所 2025 年 6 月发布的虚拟细胞模型 State，用近 1.7 亿个细胞的观测数据和超 1 亿个细胞的扰动数据训练，预测各类细胞对药物、细胞因子或基因扰动的响应，论文 2026 年 8 月发表于 Cell（据 Arc 研究所官网与澎湃新闻报道）。陈—扎克伯格倡议（CZI）运营着虚拟细胞平台，2025 年 10 月与英伟达扩大合作，平台上有跨物种模型 TranscriptFormer，以及用虚拟细胞模拟结果训练的推理模型 rBio（据 CZI 官网新闻稿）。元示科技想做的，是在中国把这条路线跑成一家公司。

两轮融资的出资方：创新工场与上海未来产业基金领投，Monolith接着领投

两轮钱值得拆开看：天使轮由创新工场、上海未来产业基金与燕缘创投联合领投；天使+轮由 Monolith 砺思资本领投，道彤投资跟投。资金主要用于模型研发、数据与实验平台建设，以及面向药物研发场景的应用验证。

创始团队画像清晰：创始人吴佳奇系北京大学前沿交叉学科研究院博士，在海外顶尖院校完成博士后研究，深耕计算生物学与人工智能交叉领域；核心团队同样具北大前沿交叉学科背景，覆盖生物信息、AI 算法及药物研发。燕缘创投计划推动公司研发与北大科技成果转化结合，道彤投资将依托创新药、CRO 及生物制造生态共同探索商业化落地。

据财联社创投通—执中数据，以 2026 年 10 月为预测基准时间，元示科技后续 2 年的融资预测概率为 67.86%。

赛道热度可以对照：2026 年 7 月，百曜科技完成数千万元战略融资，华源智因完成数千万元种子轮（水木创投投资）；8 月，深度细胞完成近亿元种子轮，由中科创星、顺禧基金、千骥资本联合领投，鼎峰科创、水木创投、清科控股跟投。政策端，工信部等十部门印发的《医药工业发展「十五五」规划》提出加快人工智能、计算医学等新技术赋能药物研发。半年内至少四家公司拿到钱，资本已把 AIVC 当作 AI 制药的下一层基础设施在定价。

它改的是AI制药的哪一步：从分子设计单任务转向细胞响应预测

要理解元示的落点，先得明白它认为上一代 AI 制药错在哪。分子生成、结构预测、性质预测回答的都是「这个分子好不好」；但临床失败的主角往往不是分子，而是响应——同一个分子，换一群细胞、换一种微环境，效果可能完全不同。Arc 研究所给过一个背景数字：约 90% 进入临床试验的候选药物最终失败，原因是疗效不佳或意外副作用（据 Arc 研究所官网）。

通用细胞模型要补的就是这一环：给定起始细胞状态和一个扰动，预测转录组如何变化，最好在从未见过的细胞环境里也能预测。元示以「生物学原始数据引擎+通用细胞模型」为整体，构建垂直生命科学基础底座，让 AI 预测细胞在不同疾病状态、实验条件和干预方式下的响应，构建在实验反馈中自我进化的通用细胞大模型。这与 Arc、CZI 的路线几乎同构——方向已是国际共识，竞争点在执行。

数据引擎才是壁垒：超高通量细胞扰动数据产线跑通意味着什么

这个赛道有句话越来越常听到：模型会被抄走，数据产线不会。CZI 与英伟达的合作把「大规模生物数据的生成与对齐」称为 AI 科学应用的瓶颈（据 CZI 官网 2025 年 10 月新闻稿）；中邮证券测算更直白：当前可用的高质量带标签扰动数据集比理论需要差约 1000 倍，自建实验平台产生扰动数据是下一代模型竞争的必要条件（据澎湃新闻转引）。

为什么是扰动数据？纯观测性单细胞测序只能看到相关性，学不到因果；扰动数据——用 CRISPR 等工具故意改变特定基因、再看细胞变化——直接反映因果关系。Arc 的说法是：推断两个基因的直接关系可能要数万条观测，一次扰动实验就能捕捉同样的相互作用（据 Arc 研究所官网）。

元示科技称已初步跑通超高通量细胞扰动数据产线，具备低成本高通量产生扰动转录组学数据的技术优势，算法模型具备跨环境零样本泛化能力，正构建「数据生产—模型预测—湿实验验证」自进化系统：

• 数据生产：扰动数据产线低成本、高通量地产出扰动转录组学数据
• 模型预测：模型学习已有数据中的细胞响应规律，对新问题提出预测
• 湿实验验证：实验验证预测、补充数据未覆盖的信息，结果回流更新模型

这个闭环如果成立，飞轮在于：每轮验证都为产线追加独占数据，而数据量与多样性决定模型的泛化上限。对药企研发负责人来说，真正的看点是谁先把「扰动数据—预测—验证」的单位成本降到可工业化运转的水平。

冷静观察：通用细胞模型离可复现的药物决策还有多远

边界至少有三条。

第一，融资口径。「近亿元」是天使轮与天使+轮合计，未披露各轮金额与估值，单轮定价信号无从判断。

第二，技术验证缺口。公司宣称的跨环境零样本泛化能力，目前无公开第三方基准测试，也没有药物发现实证案例。坐标是：即便训练数据规模最大的 Arc State 模型，团队也承认在完全未见过的数据集上零样本预测仍受限，只能预测一组高变基因而非全基因组变化；训练数据来自细胞系，向组织和体内患者的迁移尚未被证明；Arc 自己的挑战赛总结也指出，扰动预测模型尚不能在所有指标上稳定跑赢朴素基线（据 Arc 研究所官网及 Cell 论文报道）。这是领域共同的天花板，但「跑通产线」与「模型可信」之间还隔着公开评测这一关。

第三，公司层面。成立仅半年，无公开的客户、合作药企或管线进展，「数据生产—模型预测—湿实验验证」自进化系统仍是自述状态。接下来一两年能否拿出经得起外部复现的基准成绩和首个药企合作案例，才是它从资本叙事变成研发工具的分界线。

原文链接：https://www.163.com/dy/article/L9R96IBF05118HJE.html
千方医数集编辑部 出品