百曜科技完成数千万元战略融资：用AI“复刻”细胞破解药物研发不可能三角

在生命科学领域，一个长期存在的“不可能三角”正被一家成立仅两年的中国创业公司所挑战：药物研发的周期、成本与成功率，三者似乎永远无法兼得。 2026年7月，百曜（北京）科技有限公司（以下简称“百曜科技”）宣布完成数千万元战略融资，本轮融资在一周内闪电完成，由战略投资方领投。这笔资金将用于加速其核心产品——AI虚拟细胞（AIVC）平台的数据收集与模型迭代。在生物医药行业普遍面临“资本寒冬”与“研发内卷”双重压力的当下，百曜科技为何能获得资本的快速青睐？答案或许藏在它试图用代码“复刻”生命最小单元——细胞的野心之中。

行业痛点与底层逻辑：药物研发的“黑洞”与“干湿分离”之痛

要理解百曜科技的价值，必须先理解生物医药行业最深层的“痛点”——药物研发的“反摩尔定律”。自20世纪50年代以来，新药研发的成本每9年翻一番，而每年获批的新药数量却基本持平。这种“投入产出比”的持续恶化，根源在于传统研发模式对“试错”的极度依赖。

传统药物研发流程，本质上是一场“大海捞针”式的筛选。从靶点发现、先导化合物优化到临床前研究，每一步都依赖大量的湿实验（即实验室中的物理、化学、生物实验）。一个典型的例子是：一款新药从靶点确认到最终上市，平均需要耗费10-15年，投入超过10亿美元。而在这漫长的过程中，超过90%的候选药物会在临床试验阶段失败。失败的原因多种多样：毒性不可控、疗效不达标、药代动力学特性差……但归根结底，是因为我们对药物在人体内——尤其是细胞层面——的“真实行为”缺乏足够精准的预测能力。

这种“预测缺失”导致了行业长期存在的“干湿分离”困境。所谓“干实验”，指的是基于计算机的模拟与计算；而“湿实验”则是实体实验。在过去几十年里，两者几乎是割裂的。干实验（如分子对接、分子动力学模拟）虽然能提供一些理论指导，但其模型过于简化，往往忽略了细胞内复杂的微环境、信号通路网络以及细胞间的相互作用。一个分子在计算机里“完美”地结合了靶点，但在真实的细胞里，它可能被酶降解、被转运蛋白泵出、或者引发了意想不到的毒性通路。

“湿实验”的瓶颈则更为直观：它太慢、太贵、太不可控。 一个细胞系的培养可能需要数周，一次高通量筛选可能需要数百万美元。更关键的是，湿实验的结果高度依赖实验条件、操作人员的技术水平和批次一致性。这种“黑箱”式的操作，使得科研人员很难从失败中提取出可复用的规律。

百曜科技所瞄准的，正是这个“干湿分离”的巨大鸿沟。它的创始人李鑫研究员，在中国科学院动物研究所和麻省理工学院博士后期间，长期从事细胞生物学与计算生物学的交叉研究。他深知，细胞不是简单的“化学容器”，而是一个高度动态、充满噪音、由无数分子机器精密协作的“生命系统”。要真正模拟它，不能只靠传统的物理化学方程，而需要一种全新的范式——用AI去“学习”生命的语言。

技术创新与核心架构：从“分子对接”到“细胞数字孪生”

百曜科技的核心技术壁垒，在于其“融入先验知识的预训练细胞大模型”。这个听起来颇为拗口的技术名词，背后是一套极其复杂的系统工程。它不再试图从零开始“计算”每一个分子的行为，而是让AI通过海量数据，自主学习细胞内部的“运行规律”。

第一步：构建“细胞知识图谱”作为先验知识。 与许多纯数据驱动的AI模型不同，百曜科技在模型训练之初，就注入了大量经过验证的生物学知识。这包括：基因组学、转录组学、蛋白质组学、代谢组学等多组学数据；已知的信号通路网络（如MAPK、PI3K-AKT、Wnt等）；药物-靶点相互作用数据库；以及大量的文献挖掘结果。这些先验知识就像给AI提供了一本“细胞生物学教科书”，让它从一开始就理解细胞的基本“语法”和“词汇”，而不是像婴儿一样从零开始摸索。这种“知识引导”的策略，极大地提升了模型训练的效率和准确性，避免了纯数据驱动模型可能出现的“过拟合”或“学到噪声”的问题。

第二步：预训练一个“细胞基础模型”。 在拥有了先验知识图谱后，百曜科技利用Transformer架构（类似GPT、BERT等大语言模型的核心架构）构建了一个“细胞语言模型”。这个模型将细胞内的各种分子（基因、蛋白质、代谢物）视为“单词”，将它们的动态变化（表达水平、磷酸化状态、浓度变化）视为“句子”，将整个细胞的生命过程（增殖、分化、凋亡、应激反应）视为“篇章”。通过在海量的公开和自有数据上进行无监督预训练，模型学会了“理解”这些分子之间的“语法”关系——比如，当某个基因表达上调时，哪些蛋白质会被激活，哪些信号通路会被启动，最终会导致什么样的细胞行为。

第三步：实现“干湿融合”的迭代闭环。 这是百曜科技最具创新性的部分。它的AI虚拟细胞平台并非一个“一次性”的模拟工具，而是一个与湿实验平台紧密耦合的“数字孪生”系统。具体流程如下：
1. 虚拟实验设计： 客户（如一家CAR-T细胞治疗公司）提出需求：“我们想设计一种新的CAR结构，使其在肿瘤微环境中能更有效地杀伤癌细胞，同时减少耗竭。”
2. AI模拟与预测： 百曜科技的AI虚拟细胞平台会基于其预训练模型，对该CAR结构在虚拟的T细胞中进行数百万次的模拟。它会预测：这种新结构如何影响T细胞的活化信号？它是否会引发不必要的细胞因子风暴？在持续的抗原刺激下，T细胞是否会更快地进入耗竭状态？模型会输出一个“虚拟实验结果”，并给出一个“成功率评分”。
3. 湿实验验证： 根据AI的预测，客户会选择最有潜力的几个候选分子进行实际的湿实验验证。这些湿实验的结果（成功或失败）会被反馈回百曜科技的模型。
4. 模型微调与进化： 每一次湿实验的反馈，都成为模型“学习”的新数据。如果AI预测“成功”的分子在湿实验中失败了，模型会分析失败的原因，并自动调整其内部的权重参数。这种“干湿闭环”让模型能够持续进化，变得越来越“聪明”。

这种技术架构的颠覆性在于，它首次将药物研发从“试错”模式，转向了“预测-验证”模式。 过去，科研人员需要花费数月时间筛选数千个分子；现在，他们可以在AI虚拟细胞平台上，在几天内完成对数十万个分子的虚拟筛选，并只对AI认为最有希望的几十个分子进行湿实验验证。这不仅仅是效率的提升，更是研发范式的根本性变革。

商业模式与市场竞争：在“AI+生物”的混战中，如何建立护城河？

百曜科技的商业模式，可以概括为 “平台+服务” 。它并非直接下场做药，而是为制药企业、生物科技公司和科研机构提供“AI虚拟细胞”这一基础设施。

其核心产品是“AI赋能的定制化研发解决方案”。 具体服务包括：
* 虚拟细胞模型定制： 针对客户的特定细胞类型（如T细胞、NK细胞、肝细胞、肿瘤细胞等），构建专属的虚拟细胞模型。
* 药物虚拟筛选与优化： 对客户提供的候选药物分子，进行虚拟的细胞毒性、疗效、药代动力学特性评估。
* 细胞治疗管线设计： 针对CAR-T、TCR-T、基因编辑等细胞治疗产品，模拟其在体内的行为，优化设计以提升持久性和安全性。
* “干湿融合”联合研发： 与客户共建联合实验室，将AI预测与湿实验验证深度绑定，提供端到端的研发服务。

这种商业模式的壁垒在于 “数据飞轮” 。每一次与客户的合作，都会产生新的、高质量的湿实验数据。这些数据被用来微调百曜科技的模型，使其预测能力越来越强。而更强的模型，又能吸引更多的客户，产生更多的数据。这种正向循环一旦形成，后来者将极难追赶。

那么，百曜科技在竞争激烈的“AI+生物”赛道中，处于什么位置？

目前，这个赛道主要分为几类玩家：
1. AI制药巨头： 如美国的Recursion Pharmaceuticals、英国的Exscientia、中国的晶泰科技、英矽智能等。这些公司拥有强大的AI计算平台和丰富的药物管线，但它们的核心模型多聚焦于“分子”层面（小分子、大分子），而非“细胞”层面。它们擅长预测一个分子与一个靶点的结合能力，但对于这个分子进入细胞后引发的复杂系统级反应，预测能力有限。
2. 细胞模拟初创公司： 如美国的Cellarity、日本的Spiber等。Cellarity专注于利用AI模拟细胞行为来发现新药，但它的模型更侧重于“表型”而非“机理”。Spiber则专注于利用AI设计蛋白质，与细胞模拟关系不大。
3. 传统CRO/CDMO： 如药明康德、康龙化成等。它们拥有海量的湿实验数据和强大的实验能力，但在AI能力上相对薄弱，更多是将AI作为辅助工具，而非核心引擎。

百曜科技的差异化优势在于：
* “细胞级”的颗粒度： 它不满足于预测分子与靶点的结合，而是试图模拟整个细胞的生命活动。这使其在细胞治疗、基因治疗、再生医学等高度依赖细胞行为的领域，拥有无可比拟的优势。
* “先验知识”的注入： 相比纯数据驱动的模型，百曜科技的模型更“懂”生物学，因此其预测结果更具可解释性和可靠性，更容易被生物学家接受。
* “干湿融合”的闭环： 这不是一个纯软件公司，也不是一个纯生物公司，而是一个将两者深度绑定的“混合体”。这种模式虽然重，但壁垒极高。

当然，挑战同样巨大。 最大的挑战在于数据的稀缺性与质量。高质量的、标注好的细胞行为数据（如单细胞测序数据、实时成像数据、功能实验数据）极其昂贵且难以获取。百曜科技能否持续获得足够多、足够好的数据，是其模型能否持续进化的关键。此外，生物学本身的复杂性也是一个巨大的障碍。细胞内的信号通路存在大量的冗余、反馈和交叉调控，一个简单的扰动可能引发意想不到的级联反应。AI模型能否真正捕捉到这种复杂性，仍有待验证。

战略发展与关键挑战：未来12-18个月的“生死时速”

对于一家成立仅两年的创业公司，完成数千万元战略融资只是万里长征的第一步。未来12-18个月，百曜科技将面临几个关键的“里程碑”与“生死劫”。

关键里程碑：
1. “杀手级应用”的诞生： 百曜科技需要在一个具体的、高价值的应用场景中，证明其AI虚拟细胞平台的“不可替代性”。例如，帮助一家细胞治疗公司成功优化一款CAR-T产品，使其在临床试验中展现出显著优于传统设计的疗效或安全性。一个成功的案例，胜过千言万语。
2. 数据飞轮的启动： 公司需要与3-5家头部生物医药企业建立深度合作，形成稳定的数据供应与反馈闭环。这不仅能带来收入，更能加速模型的迭代。
3. 核心团队的扩张： 公司需要引进顶尖的计算生物学、机器学习、以及湿实验人才。目前团队“汇聚了人工智能与生物制药领域的多位技术专家”，但距离构建一个能同时驾驭AI和生物学的“全能型”团队，仍有距离。
4. 技术验证的公开化： 公司需要尽快在顶级学术期刊或会议上发表其核心模型的原理验证论文，或公开其与合作伙伴的联合研究成果。这不仅能提升公司的学术声誉，也能吸引更多优秀人才和潜在客户。

潜在风险：
1. 技术验证的“信任危机”： 生物医药行业是一个极度保守的行业。制药企业的研发决策，往往需要经过层层验证和审批。要让它们相信一个“虚拟细胞”的预测结果，并愿意为此投入真金白银进行后续实验，难度极大。百曜科技需要拿出“铁证”来证明其模型的预测准确率远高于传统方法。
2. 数据隐私与安全： 与药企合作，必然涉及大量的核心药物分子结构和细胞系数据。如何确保这些数据的隐私与安全，防止泄露，是公司必须解决的合规问题。
3. 资金消耗与融资节奏： “干湿融合”模式意味着公司需要同时投入AI研发和湿实验平台建设，资金消耗速度会非常快。数千万元的战略融资，对于一家需要“烧钱”验证技术、建设平台的公司来说，可能只够支撑12-18个月。公司必须在下一轮融资窗口关闭前，拿出足够亮眼的成绩单。
4. 竞争格局的演变： AI制药巨头和传统CRO公司都在密切关注细胞模拟这一赛道。一旦百曜科技证明了其商业模式的可行性，这些巨头很可能会通过收购、自研或合作的方式快速切入，形成激烈的竞争。

核心判断：百曜科技站在了“AI+生物”领域最前沿、也最艰难的交叉点上。未来12-18个月，其核心观察指标并非营收规模，而是：1）能否在顶级学术期刊或临床前研究中，发布一个足以让行业信服的“虚拟细胞预测成功案例”；2）能否与至少一家全球Top 20的制药巨头建立深度研发合作。如果这两点能够实现，百曜科技将有机会成为“细胞数字孪生”赛道的定义者；反之，则可能陷入“技术很美，但商业上无人买单”的窘境。