从LLM到JEPA，中国团队正在把“世界模型”搬进细胞内部

四年前LeCun提出JEPA的时候，估计他自己也没想到，这套架构有一天会被用来理解一颗细胞。

最近AI虚拟细胞（AIVC）这个赛道，终于有了一个让我觉得真正“破局”的进展。百曜科技——全球最早布局这个领域的企业之一——发布了全球首个基于LLM-JEPA架构的AI虚拟细胞世界模型，叫AURA CellOS。这玩意儿是目前公开报道里参数规模最大的单细胞基础模型，基于3.905亿个人类单细胞转录组数据训练，覆盖了40多种人体组织、260多种细胞类型，基本上把你我身上能想到的细胞种类都囊括了。

最让我兴奋的点是，它第一次把JEPA（联合嵌入预测架构）和“世界模型”的理念系统性地引进了单细胞研究。你可能知道，世界模型现在在自动驾驶、机器人、生成式AI这些领域已经是热得发烫的技术方向。但把它搬到生命科学里，而且是高度复杂的细胞层面，这事儿到底能不能落地？CellOS给了我们一个初步答案。

从目前公开的评测结果来看，它在预测精度、扰动建模这几个核心指标上，跟目前的主流模型拉开了倍数级的差距，直接干到了SOTA（当前国际领先水平）。但要说清楚它为什么牛，咱们得从一颗细胞说起。

AIVC走到了十字路口

理解细胞怎么变化，这基本上是生命科学最核心的问题了。疾病怎么发生的？药物怎么起作用的？细胞治疗到底在干嘛？本质上都是细胞状态在变化。过去，科学家只能靠养细胞、做动物实验、甚至人体验证，一点一点去试。这个成本有多高呢？新药研发有个著名的“双十定律”：十年研发周期、十亿美元投入，临床成功率还不到10%。这个“双十”魔咒，整个行业都想打破。

“虚拟细胞”这个概念，就是在这个背景下被寄予厚望的。其实早在90年代，就有学者开始尝试在计算机里“复刻”细胞，搞出了最早的细胞建模软件VCell。后来斯坦福还发布了全球首个全细胞计算模型。但以前的虚拟细胞，说白了就是个静态的模拟器，它不是学习型的，没法模拟细胞在不同条件和变化环境下的运作。你不能让它预测“如果我敲掉这个基因，细胞会怎样”，它做不到。所以它在药物开发里的价值就很有限。

直到最近几年，AI技术爆发，加上单细胞测序技术飞速进步、成本断崖式下降，才让虚拟细胞有了成为“生命科学模拟沙盘”的可能。单细胞测序的数据量，过去几年每6个月就翻一番，这为建模提供了海量的底层数据。AI这边，处理、学习和推理能力也上来了。

2024年12月，斯坦福、基因泰克（Genentech）和陈-扎克伯格基金会联合搞了个大新闻，在顶级期刊《Cell》上发了一篇重磅论文，直接宣告AI虚拟细胞（AIVC）时代正式到来。在那之前，其实已经有一些模型出来了，比如Geneformer、scGPT、scFoundation、GeneCompass这些，但业内还没统一叫AIVC。

但这些第一代AIVC模型，有个共同的硬伤：它们能解决细胞类型识别这种基础需求，可一旦涉及到预测细胞的动态变化，比如敲除某个基因、给药、或者诱导分化之后，细胞会怎么演化？它们就抓瞎了。

问题出在哪儿呢？核心在于它们的训练目标。它们主要是学习基因表达的模式本身，而不是细胞状态变化的内在机制。换句话说，它们很难区分哪些表达变化是真正的关键信号，哪些只是背景噪声。因为模型只从单一的表达视角看问题，学的都是静态的基因表达模式，基因调控关系、细胞状态演化的动态规律，它根本刻画不出来。很多只有在特定扰动条件下才会出现的生物学信号，很容易就被大量稳定表达的背景信号给淹没了。

所以，光靠堆数据、堆参数，并不能显著提升模型预测细胞状态演化轨迹的能力。2026年6月，《Nature Methods》上发的一项研究，结果挺扎心的：研究人员基于2220万个细胞的scTab语料库，预训练了400个模型，做了6400次评估。结果发现，在很多任务上，模型性能在用大约1%的预训练数据之后，就进入平台期了。也就是说，你喂大概22万个细胞，性能就基本拉满了，再喂更多同质化的细胞样本，效果几乎不涨。

这直接让行业开始反思：Scaling Law在AIVC领域是不是失效了？还是说，问题压根就不在数据规模上，而是第一代AIVC的建模范式本身就已经碰到天花板了？

CellOS给出的答案是后者。它认为，真正限制模型持续提升的，不是Scaling Law本身，而是传统语言模型架构跟细胞数据特性之间存在系统性的错配。只有让模型真正去学习细胞状态演化的规律，而不是死记硬背静态的表达模式，数据的扩展才能持续转化成模型能力的提升。

从“看懂”到“理解”细胞：CellOS的“三板斧”

李飞飞最近有篇长文，标题就很直接：“世界不是由文字构成的”。我觉得把这句话套在细胞领域也一样：细胞世界，更不是由文字定义的。

说到底，AIVC需要的是AI对细胞状态有真正的理解，而不是单纯的表达模式复现。只有这样的模型，才能支撑起动态预测（比如扰动响应）和可迁移的虚拟细胞能力。

从技术路线上看，CellOS这次的打法挺狠的。它没有走大多数团队还在走的“安全路线”——继续在大语言模型上卷参数、卷数据，而是直接押注了JEPA这条更难、但潜在天花板更高的路。因为AI领域有个共识：世界模型最擅长感知规律、推演环境动态变化。自动驾驶和机器人领域已经证明了这一点。现在，CellOS是第一个把世界模型理念引入AI虚拟细胞领域的“吃螃蟹者”。

而且它不只是概念，它是目前公开信息里规模最大的单细胞Foundation Model，12B参数，基于3.905亿个人类单细胞转录组数据训练。这个数据量基本覆盖了所有已知的人类细胞类型。

CellOS的核心创新可以总结为三点：多视角表征学习、JEPA联合嵌入预测、无损扩容。咱们一个一个拆开看。

创新一：多视角表征学习

这一步是为了让模型在进入更复杂的训练阶段之前，先获得更丰富、更敏锐的细胞特征辨别能力。

传统单细胞基础模型，通常只依赖单一的“表达视角”。什么意思呢？就是只看基因在单个细胞里的表达丰度，也就是这个基因活跃不活跃。但这种方式有个大问题：很多在生物学上具有重要标志意义的基因，比如调控基因、应激响应基因，它们的表达量可能并不高，很容易就被背景噪声给淹没了。

CellOS的解法是引入“双视角互补机制”。在传统的表达视角之外，增加一个“群体感知视角”。相当于给模型装了两双眼睛：一双看表达丰度，另一双看这个基因在整个细胞群体里有多特别、包含了多少信息量。

把这两个维度拆开，同时并行分析，模型就像突然开了“透视挂”，能更容易抓住那些隐藏的重要生物学信号。结果是，模型对细胞状态变化的敏感度大幅提升，这为第二层创新打下了坚实的基础。

创新二：引入JEPA架构

这一步是核心中的核心。在创新一（双视角）给模型提供了高质量的互补表征之后，CellOS引入了JEPA（联合嵌入预测架构）。它在隐空间里，利用这些互补表征进行跨视角预测和对齐。

传统模型的训练方式，本质上是在做“自回归”或“掩码重建”：给你一个细胞的基因表达数据，让你尽量把它“原样复述”出来。这就好比让学生死记硬背一篇课文，他可能背得一字不差，但根本不理解课文在讲什么。

CellOS引入JEPA，是彻底换了一种玩法。它不再让模型简单复述输入，而是让模型用“一种视角”去预测“另一种视角”看到的结果。简单说，就是逼着模型在脑子里建立一个“细胞状态的内在模型”，去抓住那些真正稳定的生物学规律。

举个例子，传统模型看的是“这个细胞现在长什么样”；JEPA则在学“如果从不同角度看这个细胞，它的状态本质是什么？如果发生变化，它会往哪个方向走？”这一招直接让模型的能力从“看懂表面”升级到“理解本质”。特别是在预测“敲除某个基因细胞会怎样”“加药物后细胞如何反应”这类动态问题上，效果提升非常明显。

创新三：无损扩容训练方案

模型越大越聪明，这是共识。但参数变多之后，有个很头疼的问题：它经常把以前学到的东西忘掉，业内管这叫“灾难性遗忘”。

CellOS在这一点上做了特别的设计——无损扩容机制。具体做法是：先好好训练一个“中小型”的稠密模型（Dense），把基础打牢；然后用一种平滑的方式，把它升级成超级大的MoE模型（混合专家模型）。在升级过程中，保留原来学到的核心知识，同时新增很多“专家”去学习更复杂的内容。这样一来，模型既能变得更大、更强，又不会把之前辛苦学会的细胞表达规律忘掉。

到这里你会发现，这三大创新不是各自为政，而是环环相扣的。双视角是基础，负责提供“好原料”；JEPA架构是核心，负责“深度思考”；无损扩容是保障，让模型变大后，性能“不掉链子”。

那模型搭好了，具体怎么训练呢？CellOS提出了一套非常务实的Dense-to-MoE三阶段训练策略。它没有把这些创新一股脑塞进一次训练，而是拆成三个循序渐进的阶段：

• 第一阶段（Dense）：先用传统的“表达视角”，训练一个扎实的中小型稠密模型。这相当于先让模型学会基本功。
• 第二阶段（MoE）：模型基础打好后，开始扩容，通过无损扩容机制，把模型平稳扩容到12B参数规模。这时候模型变大了，但核心知识没丢。
• 第三阶段（多视角联合训练）：等模型长大后，再加入第二套“群体感知视角”，同时开启JEPA对齐训练。这时候模型才开始真正学习“理解”细胞。

这种分阶段训练的设计非常务实，既降低了训练风险，又让每一层创新都能在最合适的时机发挥最大作用。

在三层创新+三阶段训练的加持下，多基准测试的结果非常亮眼。在衡量细胞状态预测能力的核心指标Pearson_edist上，CellOS取得了0.619的成绩，不仅位列所有模型第一，也是唯一突破0.6的模型。相比目前表现最好的开源模型TranscriptFormer（0.373），拉开了66%的性能差距。另外，在细胞状态注释任务中，它在聚合注释基准上取得了0.792的生物学保守分数，全面超越了UCE、scGPT、TranscriptFormer这些主流单细胞基础模型。

CellOS不只是一个新的大模型，它代表的是一种研究范式的升级。它让AI从“看懂细胞表达”走向了“理解细胞状态”。而这种转变，也为虚拟细胞的实际应用奠定了基础。

全球竞速，AIVC迎来爆发前夜

过去两年，AIVC已经从概念验证进入了技术竞速阶段。一个标志性事件是2025年6月，知名研究机构Arc Institute发起了“虚拟细胞挑战赛”（Virtual Cell Challenge，简称VCC）。这个比赛有英伟达、10x Genomics这些大佬赞助，Cell期刊也鼎力支持。它被看作是细胞版的“图灵测试”，吸引了全球五百多支团队参赛，华人科学家团队强势霸榜。而预赛全球第一、决赛全能榜全球第二、国内第一的x.Compass团队，其核心成员正是本次发布CellOS的研发团队。

技术竞速之外，资本和产业界的较量更激烈。成立仅1年就单轮融资10亿美元的Xaira Therapeutics，创下了当年全球医疗健康领域最大的单笔融资纪录。Somite.ai、Noetik、Turbine这些生物科技公司也陆续拿到了知名机构的投资。大型制药巨头（Big Pharma）也纷纷向AIVC公司抛出业务合作的橄榄枝。

宏观层面，监管也在发生变化。美国FDA在持续推动New Approach Methodologies（NAMs），鼓励用计算模型、类器官、器官芯片等新方法补充甚至替代部分动物实验。欧洲、中国的监管机构也开始加强AI辅助药物研发相关的研究。国内已经把“细胞编程与调控”“先进组学研究”“生命工程设计软件工具”列为前沿攻关方向。

随着赛道升温，全球入局者快速增加，逐渐分化出三类核心玩家：

1. 科研机构：以Arc Institute、同济大学为代表，主要推动算法创新和公开Benchmark建设，比如STATE、AlphaCell这些模型，为行业建立统一的评价体系和开放生态。
2. 平台型创业公司：以Xaira、Noetik、Cellular Intelligence、Tahoe Therapeutics、百曜科技为代表。这类企业通常拥有专有数据、湿实验平台以及药企合作能力，目标是构建覆盖数据、模型和实验验证的完整研发平台。
3. AI制药公司：以Recursion、Owkin、Isomorphic Labs为代表。它们更关注AI如何直接进入药物研发流程，通过长期合作、自研管线和平台授权来实现商业化。

要在这种喧闹中保持领先，就必须关注长期价值的复利，而不是短期热点的狂欢。观察那些获得较大融资和商业合作的平台公司，你会发现它们几乎都有一个共同特点：不仅拥有AI模型，更拥有能持续积累数据和验证模型的实验体系。行业对AIVC的期待已经不只是一个算法，而是希望它成为连接AI、生物数据、实验平台和药物研发的新型基础设施。大家开始关注：谁拥有持续产生高质量数据的能力？谁能形成“模型—实验—数据”持续迭代的闭环？谁真正进入了药物研发决策流程？这些能力，往往比单一模型性能更难建立，也更难复制。

值得关注的是，在这一轮AI虚拟细胞竞赛中，中国团队开始逐渐从“跟随者”转向“规则参与者”。过去几年，全球AI制药领域的重要创新主要集中于欧美。但随着国内单细胞组学、生物计算以及大模型技术的不断发展，一批中国原生AI生物科技公司开始强势进入这一赛道。比如CellOS背后的百曜科技，先发优势明显，已经搭建了覆盖单细胞数据处理、高通量扰动实验和AI模型训练的技术体系，构建了“数据—模型—实验”持续迭代的研发闭环。这一路线与海外头部平台公司不谋而合。据公开报道，百曜科技目前布局了管线资产和模型服务两大应用落地方向，前者延伸到细胞治疗、工程细胞，后者则涵盖靶点发现、虚拟药筛及虚拟临床全周期。

当然，尽管行业发展迅速，但AIVC还处于产业早期，仍然面临四大挑战：

1. 高质量扰动数据仍然稀缺。跟互联网行业海量的文本数据不同，生命科学的数据获取成本极高，尤其是高质量的扰动数据（比如基因敲除、药物处理后的细胞响应数据）。
2. 多模态融合仍有待突破。目前多数模型主要依赖单细胞转录组数据，但真实的生命活动同时涉及蛋白组、空间组学、代谢组、细胞形态等多个层面。把这些信息融合起来，是下一步的关键。
3. 模型可解释性仍需提升。对于科研人员来说，一个预测结果是否正确固然重要，但更重要的是模型能否解释其背后的生物学机制，能否提出可验证的新假设。黑盒模型在生命科学领域很难被信任。
4. 商业价值仍需持续验证。目前，大多数AI虚拟细胞企业仍以平台合作、联合研发或技术服务作为主要商业模式。未来，只有真正帮助药企大幅缩短研发周期、降低研发成本、提高临床成功率，AIVC才能成为新药研发不可或缺的基础设施。

对于整个生命科学产业而言，这场围绕AIVC商业化落地而展开的新竞赛，才刚刚开始。当所有人都在谈论世界模型的时候，或许，最值得建模的那个“世界”，就藏在人体内那36万亿个细胞里。