獨家專訪百曜科技：AI虛擬細胞，進入“世界模型”時代！

過去三年，AI虛擬細胞（AIVC）賽道擠滿玩家，海量測序數(shù)據(jù)、數(shù)十億參數(shù)模型輪番登場，卻始終卡在同一個死胡同里。

一家名為百曜科技的中國團隊，踩中了行業(yè)最核心的底層矛盾：大語言模型算法架構(gòu)和真實細胞數(shù)據(jù)之間的錯配。

就在近期，這支團隊交出了一條全新解法 —— 全球首個 LLM-JEPA 單細胞世界模型 CellOS 正式對外發(fā)布。

依托 3.905 億條人類單細胞轉(zhuǎn)錄組訓(xùn)練而成的 12B 大模型，它首次用雙視角 JEPA 架構(gòu)讀懂細胞動態(tài)狀態(tài)，多項核心評測全面刷新行業(yè) SOTA（State-of-the-Art），或?qū)氐赘膶懼扑幮袠I(yè)生命科學(xué)底層研發(fā)范式。

01

生命科學(xué)必須另辟蹊徑

單細胞測序技術(shù)爆發(fā)的十年后，隨著測序設(shè)備源源不斷產(chǎn)出細胞數(shù)據(jù)，加上Transformer架構(gòu)給了第一代AIVC誕生的可能性。

但大模型領(lǐng)域通行的縮放定律 Scaling Law放在 AI 虛擬細胞賽道，這套經(jīng)驗似乎失靈了。

模型能力沒跟上。市面上絕大多數(shù)細胞 AI，照搬 Transformer 完形填空訓(xùn)練邏輯：遮擋一段基因，讓模型猜答案。

這套機制學(xué)的是數(shù)據(jù)表層規(guī)律，本質(zhì)是 “背誦測序表格”，而非理解細胞。

可真正決定疾病發(fā)展、藥物反應(yīng)、細胞分化的，往往是數(shù)十個基因疊加的微弱信號。它們表達量不突出，僅憑表層擬合的模型，永遠抓不住這些關(guān)鍵變化。

2026 年 6 月《Nature Methods》的一篇量化研究，給行業(yè)痛點釘下實錘：用 2220 萬細胞訓(xùn)練的模型，僅投入 1%–10% 訓(xùn)練數(shù)據(jù)，性能就徹底停滯，再增加數(shù)據(jù)也無法提升效果。

整個行業(yè)陷入瓶頸：單純堆砌數(shù)據(jù)與參數(shù)，彌補不了模型對生物學(xué)底層邏輯的缺失。

百曜科技COO楊帆給出結(jié)論：傳統(tǒng)路線已經(jīng)走到盡頭，生命科學(xué) AI必須換一套底層架構(gòu)，行業(yè)需要另辟蹊徑。

02

為細胞創(chuàng)造一個“理解者”

百曜科技此前與行業(yè)主流技術(shù)路線一致，同樣基于 Transformer 架構(gòu)開展探索，但團隊始終希望找到一種能夠從底層降低模型對細胞數(shù)據(jù)偏置與噪聲敏感性的方案。

2025 年，公司首次嘗試在 Transformer 架構(gòu)中引入 GNN（圖神經(jīng)網(wǎng)絡(luò)），希望改善模型對細胞關(guān)系的建模能力，但這一方案仍屬于局部優(yōu)化，并未觸及問題本質(zhì)。直到今年年初，百曜科技決定轉(zhuǎn)向一條研發(fā)難度更高的技術(shù)路線——JEPA（聯(lián)合嵌入預(yù)測架構(gòu)）。

這條路研發(fā)阻力層層疊加，是業(yè)內(nèi)公認的 “險途”。

一方面 JEPA 需要在隱空間對齊兩套完全不同的細胞觀測維度，另一方面因果損失（causal loss）還要疊加時序約束，雙重限制極易造成訓(xùn)練震蕩；更棘手的是，細胞基因沒有固定文本序列，語言模型成熟的訓(xùn)練約束規(guī)則完全無法復(fù)用，整套訓(xùn)練邏輯需要從零設(shè)計。

“傳統(tǒng)模型是讓模型復(fù)刻輸入，我們要做的，是讓模型學(xué)會預(yù)測細胞另一維度的隱藏狀態(tài)。” 團隊解釋底層思路。

在Transformer時代，大家常習(xí)慣用完形填空的方式訓(xùn)練模型，讓它猜出蓋住的基因。

這樣的方式只會記憶數(shù)據(jù)，而細胞狀態(tài)變化是無數(shù)微弱基因信號共同作用的結(jié)果，單純記憶無法捕捉動態(tài)規(guī)律。JEPA的核心價值，是在隱空間跨視角預(yù)測細胞表征，剝離測序數(shù)據(jù)噪聲，鎖定穩(wěn)定、真實的生物學(xué)特征。

為了落地這套架構(gòu)，團隊設(shè)計了獨一份的雙視角觀測體系，也是 CellOS 區(qū)別于所有競品的核心創(chuàng)新：

1、 表達視角（Expression View）：清點全部基因表達豐度，還原細胞靜態(tài)基因構(gòu)成；

2、 感知視角（Perception View）：計算驚奇分數(shù) Surprisal Score，篩選相較于細胞群體，具備高生物學(xué)價值的關(guān)鍵信號。

兩套視角協(xié)同工作：模型先按基因表達量排序全部信息，再由感知視角過濾無效噪聲，精準捕捉細胞分化、遷移、病變的關(guān)鍵轉(zhuǎn)折節(jié)點。

Expression View和Perception View的協(xié)同作用機制

為承載雙視角聯(lián)合建模的巨大算力需求，CellOS采用了Dense-to-MoE 三階段訓(xùn)練策略，從輕量化密集模型逐步擴容至 12B 混合專家大模型，全程保留模型已學(xué)習(xí)的生物學(xué)知識，避免擴容后性能滑坡。

整套訓(xùn)練數(shù)據(jù)集規(guī)模創(chuàng)下全球公開模型新高：覆蓋 47845 組測序樣本、3.9 億單細胞轉(zhuǎn)錄組，其中 3.46 億細胞附帶完整精細注釋。

楊帆表示，這是目前全球已公開模型中的最大規(guī)模單細胞基礎(chǔ)模型，3.905 億個人類單細胞轉(zhuǎn)錄組幾乎覆蓋所有重要的人類細胞類型。

全球主流單細胞模型參數(shù)量對比

03

數(shù)據(jù)全方位碾壓主流競品

路線是否成立，最終要靠對照實驗給出答案。

百曜科技用多組橫向評測，向我們驗證了雙視角JEPA架構(gòu)的絕對優(yōu)勢。

■ 細胞注釋與批次整合：兼顧噪聲消除與生物信息留存

在統(tǒng)一細胞注釋基準測試中，CellOS 生物學(xué)保守分數(shù)達到 0.792，大幅領(lǐng)先 UCE、scGPT、TranscriptFormer 等主流模型。

面對 T 細胞細分亞群、免疫衰老、iPSC誘導(dǎo)多能干細胞分化這類極難區(qū)分細微差異的樣本，模型依舊能精準識別細胞狀態(tài)分層。

批次整合場景下，它平衡了測序技術(shù)偏差與原生生物學(xué)信號：雖然批次混合指標略低于 STACK，但在減少批次效應(yīng)的同時，更好保留細胞狀態(tài)相關(guān)的生物學(xué)信息，更貼合科研與藥企的真實分析需求。

CellOS在細胞注釋和整合任務(wù)中的評估

■ 藥物/基因擾動預(yù)測：拉開66%性能差距，行業(yè)斷層領(lǐng)先

擾動響應(yīng)預(yù)測是AI制藥最核心的落地指標，直接決定模型能否提前預(yù)判藥物對人體細胞的作用效果。

核心指標 Pearson_edist 上，CellOS得分 0.619，是所有參評模型里唯一突破 0.6 閾值的方案；對比此前最優(yōu)開源模型 TranscriptFormer（0.373），性能提升幅度高達 66%。

散點對照圖清晰可見：CellOS 同時擁有極高生物學(xué)一致性與擾動保真度，落在行業(yè)最優(yōu)的理想?yún)^(qū)間內(nèi)。

CellOS在藥物/基因擾動響應(yīng)預(yù)測與主流模型的橫向?qū)Ρ葘嶒?/p>

■ 消融實驗驗證架構(gòu)正確性：參數(shù)越大，性能穩(wěn)定正向增長

團隊做了 0.2B、2B、12B 三組參數(shù)規(guī)模消融對照，ARI、NMI、ASW 三項聚類指標全部隨模型擴容持續(xù)上漲，沒有出現(xiàn)性能瓶頸。

穩(wěn)步向上的增長曲線，直接印證JEPA+MoE雙視角路線具備可持續(xù)縮放能力，不存在傳統(tǒng)模型 “數(shù)據(jù)越多越失效” 的短板。

CellOS參數(shù)消融實驗曲線

“這條清晰向上的性能曲線，是我們研發(fā)路上最實在的正向反饋。” 楊帆談及長達數(shù)年的技術(shù)攻堅，語氣平靜卻篤定。

全球各AI虛擬細胞基礎(chǔ)模型對比（部分）

04

預(yù)測細胞，才是AI制藥下一輪真正的革命

數(shù)年以來，AI對生命科學(xué)的改造，始終停留在分子層面：AlphaFold 預(yù)測蛋白質(zhì)結(jié)構(gòu)、生成式AI設(shè)計新藥分子、自動化工具完成藥物初篩。

這些工具大幅壓縮新藥研發(fā)周期。

疾病進展、藥物藥效釋放、人體免疫激活，所有生理變化，本質(zhì)都是細胞狀態(tài)持續(xù)演化的結(jié)果。

研究者已逐漸形成共識：能推動AI制藥行業(yè)跨越式升級的，從來不是預(yù)測單個分子，而是完整模擬細胞動態(tài)，推演整套生命系統(tǒng)。

AI虛擬細胞，也因此成為全球生命科學(xué)、生物醫(yī)藥、資本圈共同押注的核心賽道。

全球科研院所、創(chuàng)新藥企、AI 技術(shù)公司，都在圍繞 “可模擬、可預(yù)測、可定向設(shè)計的虛擬細胞” 持續(xù)布局。

在此之前，行業(yè)始終困在語言模型的固有框架里，無法真正讀懂細胞；而 CellOS 的出現(xiàn)，這條全新的 LLM-JEPA 技術(shù)路線，似乎給出了一套經(jīng)過海量數(shù)據(jù)驗證的可行方案。

人類完整預(yù)測生命系統(tǒng)的目標，或許不再是遙遠的學(xué)術(shù)設(shè)想，而是逐漸清晰的落地路徑。

*封面圖片來源：AI生成

文｜趙泓維

微信｜qq850860074

添加時請注明:姓名-公司-職位

聲明：動脈網(wǎng)所刊載內(nèi)容之知識產(chǎn)權(quán)為動脈網(wǎng)及相關(guān)權(quán)利人專屬所有或持有。未經(jīng)許可，禁止進行轉(zhuǎn)載、摘編、復(fù)制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認。