一款候选药从进入临床开发到最终获批,行业统计的通过率只有约6%到7%。失败的主因很少是分子结构算错,而是细胞和机体对药物的真实响应难以预测:疗效不达预期,或者出现预见不到的毒副作用。换句话说,过去几年AI制药把主要算力押在“预测分子”上,但真正决定药物生死的分水岭,发生在细胞层面。这个错位,正在把一批新的创业者引向同一个问题:能不能先给细胞造一个数字替身,让药物在计算空间里试错,再进入真实的湿实验。
2026年11月19日,AI虚拟细胞企业元示(上海)科技有限公司宣布完成Pre-A轮融资,金额近3亿元人民币。据搜狐财经报道,本轮由君联资本领投,华夏瓴投、招商局中国基金、京东关联基金、鼎晖VGC、CMC资本跟投,老股东Monolith、创新工场、道彤投资、燕缘创投全部继续加注。公司称,这一金额刷新了国内该赛道单笔融资纪录,但该纪录口径尚无独立第三方验证。
更值得注意的不是单轮数字,而是节奏。据搜狐财经报道,这是元示科技四个月内的第三轮融资,上一次发生在10月,金额从近亿元跳到近3亿元人民币,中间只隔了一个月。而这家公司2026年4月才注册成立,初始注册资本138.83万元人民币。一个成立仅七个月、尚无公开客户名单和可核验产业案例的公司,凭什么让一批头部财务机构、产业资本和政府引导基金背景的机构在如此短的时间内连续加注?答案并不在“AI制药”这个已经被反复讲述的故事里,而在一个更窄、也更难验证的假设中:虚拟细胞能否成为生命科学的基础设施。
| 字段 | 内容 |
|---|---|
| 公司 | 元示(上海)科技有限公司 |
| 轮次 | Pre-A轮 |
| 金额 | 3亿元人民币 |
| 投资方 | 君联资本领投;华夏瓴投、招商局中国基金、京东关联基金、鼎晖VGC、CMC资本跟投;Monolith、创新工场、道彤投资、燕缘创投继续加注 |
| 总部 | 上海 |
| 创始人 | 吴佳奇、董明泽 |
| 官网 | 未披露 |
从“预测分子”到“预测细胞响应”,上一代AI制药的边界在哪里
元示科技把自己的产品逻辑描述得相当直白:输入“加入某种药物”或“敲除某个基因”,模型预测细胞会做出什么反应——哪些基因表达会变、细胞状态往哪个方向走、换一种细胞类型结果有何不同。让药物先在数字替身上试错,再进入真实实验。
这个定位直接针对的是上一代AI制药的瓶颈。过去几年,AI制药的主战场是小分子结构生成、蛋白质设计、药物与靶点亲和力预测。这些工作大多围绕分子本身展开,试图回答“这个分子能不能结合靶点”。但据搜狐财经援引的行业统计,候选药进入临床开发后的最终获批比例只有约6%到7%,失败主因很少是分子算错,而是细胞和机体对药物的真实响应难以预测。分子结合得再好,细胞层面的响应才是成败的分水岭。
从产业链约束的角度看,这个判断并不新鲜。药企的研发成本集中在临床阶段,而临床失败的根源往往可以回溯到临床前模型对真实人体响应的预测能力不足。传统的细胞实验和动物模型受限于通量、成本和物种差异,无法穷举药物在不同细胞类型、不同疾病状态、不同遗传背景下的响应。如果虚拟细胞真的能在计算空间里以足够低的成本模拟这些响应,它的价值不在于替代某一类实验,而在于改变试错的排序:把大量注定失败的候选在进入昂贵湿实验之前就筛掉。
但这里存在一个关键的验证边界。元示科技目前披露的信息,更多是技术路线和合作框架,而非已经跑通的产业案例。公司称其技术路线为“生物学原始数据引擎+通用细胞模型”,目标是让AI学习生命系统的动态因果逻辑。这个目标是否能在药企的实际研发流程中兑现,尚未有公开的客户数据或药物项目结果可以佐证。
干湿闭环不是新概念,但元示把实验设计权交给了模型
元示科技技术路线中最核心的设计,是把模型和实验绑在一起转。据搜狐财经报道,公司内部将这套机制称为“模型预测—实验验证—数据反馈—模型更新”的干湿闭环。模型先做预测,并指出自己在哪些细胞状态和干预条件上“没把握”;实验团队据此设计更有信息量的实验,再用真实结果检验预测、补充数据、更新模型,进入下一轮。公司称,这一迭代过程是递归自我改进(RSI)在生物基础模型中的应用。
干湿闭环本身在系统生物学和自动化实验领域并不陌生。真正值得关注的是元示对“数据什么才算有用”的重新定义。传统范式的局限在于,训练数据里若只有几种细胞类型,模型即便能预测它们之间的新组合,也难以预测训练中从未出现过的类型。元示的判断是,关键不在数据量,而在每轮实验是否产出可用于训练和验证的“新证据”。重复测量相似的细胞可以堆样本数,却补不上罕见状态、关键干预或特定背景中的信息缺口。
这个判断如果成立,意味着竞争的核心变量从“谁有更多数据”转向“谁能让每轮实验的信息增量最大”。但这也带来了一个尚未回答的问题:模型如何可靠地知道自己“没把握”?主动学习、不确定性量化在机器学习中已有成熟方法,但在细胞状态空间这种高维、强噪声、样本昂贵的场景里,模型的不确定性估计是否足够可信,直接决定了干湿闭环的效率。元示科技尚未披露其模型在这一环节的具体技术指标或验证结果。
从已披露的信息看,元示科技把这一环节的落地押在了自动化实验基础设施上。2026年11月6日第九届进博会上,公司与华大智造子公司涌生智能达成战略合作,共建细胞模型实验基础设施,打造“自动化多模态样本处理功能岛”。据搜狐财经报道,该平台集成细胞样本处理、AGV转运机器人与AI智能调度系统,把原本碎片化、高度依赖人工经验的实验流程,升级为可调度、可复现、可追溯的自动化产线,服务于高通量数据生产。双方还计划逐步扩展功能模块与Agent调度,让真实实验数据反哺模型进化。
这一合作的意义在于,它把元示科技的干湿闭环从概念推向了物理落地。但战略合作本身并不等于产能或数据产出。双方未披露该基础设施的建设周期、投入规模、预计数据产出量或首批可服务客户。从产业链角度看,自动化实验平台的建设通常需要较长的调试和标准化周期,且细胞实验的自动化难度高于分子层面的样本处理。元示科技能否在短期内把这一合作转化为可用的数据生产能力,是后续验证的关键节点。
两位北大博士的路径交汇,与一个尚未被验证的技术判断
元示科技的创始团队构成,是理解这家公司技术路线的起点。据搜狐财经报道,董事长兼CEO吴佳奇博士毕业于北京大学系统生物学方向。在传统系统生物学中,通常用数学方程描述基因调控网络、预测细胞变化,但随着研究深入,她逐渐意识到真实生物系统的复杂程度远超传统模型的描述能力。博士毕业那年,恰逢ChatGPT出圈,她判断生物学未来必然会出现类似的基座模型,突破口在高质量数据与底层算法。
吴佳奇的态度出现过两次变动。据搜狐财经报道,2024年前后她出现了动摇,在海外看到的早期虚拟细胞模型多是用较简单方法处理细胞数据,效果未必优于传统统计方法,接近“旧瓶装新酒”;到2025年初,当新一代模型开始超过既有机器学习方法,还展现出跨细胞类型迁移的可能,她由此认定虚拟细胞有机会成为药企会用的产业工具,而不只是研究概念。2026年3月,吴佳奇决定提前结束博士后研究回国创业。4月,元示科技注册成立。
CTO董明泽走的是模型这条路。据搜狐财经报道,他本科就读于北大元培学院,兼修生物学与应用数学,获耶鲁大学计算生物学博士学位,又在斯坦福大学做过博士后,先后加入Arc Institute和Anthropic。在Arc期间,董明泽参与了全球首个全面超越基线的虚拟细胞模型STATE的研发,并以唯一第一作者身份主导发布全球首个零样本泛化SOTA模型STACK,之后在Anthropic从事前沿人工智能安全研究。上述“全球首个”“SOTA”等表述来自搜狐财经对公司履历的转述,尚无独立第三方验证。
两人的路径差异恰好对应了虚拟细胞的两大技术支柱:吴佳奇从生物学出发转向数据工程,董明泽从数学出发转向细胞建模。但真正让投资机构下注的,可能不只是履历,而是他们对“模型与实验彼此驱动”这一方法论的共同判断。这个判断的验证路径很清晰:如果模型预测能够持续指导实验设计,并且实验数据能够持续提升模型泛化能力,那么虚拟细胞就有机会从研究工具变成产业基础设施;如果干湿闭环在真实场景中跑不通,或者数据生产成本无法压到药企愿意接受的水平,那么这个故事就会回到上一代AI制药的老路上。
豪华投资阵容背后,各家机构的逻辑并不完全相同
从天使轮到Pre-A轮,元示科技背后的投资方阵容覆盖了多个类型。据搜狐财经报道,既有君联、鼎晖VGC、CMC资本、Monolith等头部财务机构,京东关联基金、招商局中国基金等产业资本,还有上海未来产业基金、华夏瓴投、上海国投等带政府引导基金属性,以及创新工场、燕缘创投、道彤投资等早期及校友基金。需要说明的是,上海未来产业基金、上海国投出现在报道对整体投资阵容的描述中,但本轮Pre-A轮明确列出的跟投方为华夏瓴投、招商局中国基金、京东关联基金、鼎晖VGC、CMC资本,老股东为Monolith、创新工场、道彤投资、燕缘创投。上海未来产业基金和上海国投是否参与本轮,来源未明确区分,不能直接归入本轮投资方。
各家机构入局的理由并不完全相同。据搜狐财经报道,君联资本认为虚拟细胞是分子模型之后AI制药的又一次升级,元示科技团队深度参与过STATE和STACK研发;创新工场任博冰强调,虚拟细胞的因果数据能让生物基座模型从“相关拟合”走向“机制泛化”;燕缘创投则看重两位创始人的北大校友背景与跨学科交叉。这些表述分别来自投资方的判断,不代表独立验证。
从资本结构看,这一轮融资的构成值得拆解。领投方君联资本是典型的头部财务机构,其参与意味着对赛道和团队的机构化认可;京东关联基金和招商局中国基金带有产业资本属性,可能更看重虚拟细胞在药物研发产业链中的基础设施定位;政府引导基金背景的机构则与生命科学作为国家重点布局方向的政策逻辑一致。但各方的具体出资金额和估值均未披露,无法判断本轮融资的股权结构和公司估值水平。
一个更值得追问的问题是:这些机构集体押注的,究竟是元示科技本身,还是虚拟细胞作为生物医药研发基础设施这一方向?从报道看,两者的边界并不清晰。元示科技四个月内完成三轮融资,金额从近亿元到近3亿元人民币,这种速度在生物技术领域并不常见。它可能反映的是资本对赛道窗口期的判断——谁先跑通干湿闭环,谁就有机会定义标准——也可能反映的是早期项目在概念验证阶段的估值溢价。无论哪种情况,真正的验证都不在融资轮次里,而在药企研发流程里。
资金投向数据与自动化,但商业化的瓶颈不在模型而在数据成本
据搜狐财经报道,本轮资金投向数据积累、自动化平台、模型迭代与团队搭建。这个资金用途与元示科技的技术路线高度一致:干湿闭环的前提是能够低成本、高通量地生产“新证据”数据,而自动化平台是压低数据生产成本的关键。
但这里存在一个容易被忽略的商业化瓶颈。虚拟细胞的竞争核心变量已经从算法转向数据。谁能把扰动数据的生产成本压到最低、把干湿循环转得最快,谁就有机会定义这个赛道的标准。这意味着,元示科技的真正对手可能不是其他AI虚拟细胞公司,而是传统实验外包服务商、自动化实验平台公司,以及药企内部已有的数据生产体系。
从替代方案的角度看,药企在决定是否采用虚拟细胞工具时,会比较的不只是模型预测的准确率,而是“计算预测+验证实验”的总成本和总时间,是否优于“直接做实验”的传统路径。如果虚拟细胞模型需要大量定制化的扰动数据才能达到可用精度,而这类数据的生产成本又没有被自动化平台显著压低,那么药企的采用意愿就会受到限制。元示科技与涌生智能的合作,正是试图在这个环节建立壁垒。但合作框架的落地速度、自动化产线的实际通量、以及数据生产的单位成本,目前均未披露。
另一个未披露的关键信息是客户。元示科技瞄准的是生命科学底层基础设施,而非单一药物管线。这意味着它的商业模式更接近平台型服务,而非项目型合作。但平台型模式在早期面临一个经典困境:没有足够的客户数据,模型难以证明价值;没有可证明的价值,客户不愿意贡献数据。元示科技选择用自有自动化平台生产数据,试图打破这个循环。这个策略的代价是重资产投入,而回报周期取决于模型在多快的时间内能够展现出对药企研发决策的实际影响。
融资纪录只是入场券,待验证的假设比已证明的能力更多
元示科技本轮融资的确定性事实是清楚的:Pre-A轮、近3亿元人民币、君联资本领投、多家机构跟投、老股东全部加注。但围绕这家公司的未验证假设,远比已证明的能力更多。
第一,虚拟细胞尚未有可核验的产业案例。公司称其技术路线能够让AI预测从未做过实验的细胞会如何变化,但这一能力在药企研发流程中的实际表现,尚无公开数据支持。第二,干湿闭环的效率取决于模型不确定性估计的可靠性,而这一点在细胞状态空间中的技术难度远高于常规机器学习场景。第三,自动化实验平台的建设和调试周期通常较长,元示科技与涌生智能的合作能否在短期内转化为可用产能,仍是未知数。第四,公司2026年4月才注册成立,团队规模和业务成熟度都处于早期阶段,四个月三轮融资的速度本身也意味着后续轮次的估值压力会更大。
从编辑推断的角度看,元示科技的融资节奏和投资方结构,说明资本市场对虚拟细胞赛道的窗口期判断已经形成。但窗口期的存在,既可能意味着先发者有机会定义标准,也可能意味着泡沫正在提前定价一个尚未被验证的技术路径。两者的分界线,不在融资新闻里,而在接下来一年内元示科技能否拿出第一个可被药企复用的预测案例,以及自动化平台能否真正把扰动数据的生产成本压到与传统实验路径相比具有显著优势的水平。
元示科技的故事,本质上是一个关于“试错位置迁移”的故事。AI制药的上一个阶段试图把分子设计从实验室迁移到计算空间,但临床失败率并没有因此发生根本性改变。虚拟细胞的野心更大:它想把细胞响应的预测也迁移到计算空间。这个迁移能否成立,取决于一个尚未被回答的问题——当模型说“我预测这个细胞会这样反应”时,药企能不能信任它,信任到什么程度,以及这种信任能否用更低的实验成本来换取。元示科技拿到了近3亿元人民币来回答这个问题,但答案还没有写出来。
RecodeX 极客视:元示科技的四个月三轮融资,与其说是对一家公司的定价,不如说是对“虚拟细胞能否成为药物研发基础设施”这个命题的集体下注。真正值得追踪的不是下一轮融资金额,而是干湿闭环能否在药企的真实研发流程中跑出第一个可复用的预测案例。如果数据生产成本压不下来,或者模型的不确定性估计在细胞场景中不够可靠,那么近3亿元人民币买到的可能只是一张昂贵的入场券。虚拟细胞的考场不在融资发布会上,而在那些原本要进入湿实验的候选药里。
信息来源
本文在采集与核验阶段引用了以下公开来源,按站点去重列出;来源内容归原发布方所有,其口径不代表 RecodeX 的核实结论。
