第六章 细胞语言：单细胞、空间组学与 AI 虚拟细胞
6.1 从分子到细胞：语言单位的升维
单细胞 RNA 测序（scRNA-seq）把"基因表达向量"变成了可大规模采集的数据单元，一个自然的类比随之形成：基因是词，细胞是句子，组织是篇章。单细胞基础模型沿用 NLP 配方：在数千万至上亿细胞的表达谱上预训练，学出细胞类型、状态与调控网络的通用表征，再微调至细胞注释、批次整合、基因网络推断、扰动响应等下游任务【A】。代表模型包括：Geneformer（《自然》2023，约 3,000 万细胞预训练，后续扩展至 9,500 万；作者称其"以完全自监督方式获得了对网络动力学的基础理解"）【A】；scGPT（《自然·方法》2024，3,300 万细胞，统一支撑细胞分类、多组学整合、网络推断与扰动建模）【A】；TranscriptFormer（CZI，跨物种 15 亿年进化的生成式细胞图谱）【B】。
6.2 AI 虚拟细胞（AIVC）：一个"可提问的细胞"
2024 年 12 月，斯坦福、Genentech、CZI 等机构在《细胞》（Cell）发表倡议文章，首次为 AI 虚拟细胞下定义：一个多尺度、多模态、基于大型神经网络的模型，能够表征和模拟分子、细胞与组织在不同状态下的行为；其"虚拟实验"能力可在低成本甚至实验室无法实现的条件下预测细胞对扰动的响应【A】。2025 年，Arc Institute 将这一愿景工程化：
| 要素 | 内容 | 证据 |
|---|---|---|
| 数据基座 | Arc 虚拟细胞图谱（Atlas）总规模超 3 亿细胞：Tahoe-100M（50 种癌细胞系 × 1,100 余种小分子、约 1 亿细胞）＋ scBaseCount（AI Agent 自动从 SRA 爬取标准化，21 物种 72 组织、逾 2 亿细胞）；H5AD 格式、CC0 开放 | 【B】 |
| 评测范式 | 首届虚拟细胞挑战赛（2025-06）：在 H1 人胚胎干细胞（训练中未见的细胞类型）上以 CRISPRi 扰动约 30 万单细胞为基准，考察泛化能力；指标为差异表达匹配度（DES）、扰动区分度（PDS）、全局误差（MAE），强制模型"学分布而非学均值" | 【A/B】 |
| 社区响应 | 114 个国家逾 5,000 人、1,200 余支队伍参赛；Arc 联合创始人 Patrick Hsu 将其类比为"虚拟细胞领域的 CASP 起点" | 【B】 |
| 基座模型 | State：在 1.67 亿观测细胞＋逾 1 亿扰动细胞、70 种人类细胞背景上训练，捕捉基因/化学/细胞因子扰动的细胞类型特异性效应 | 【B】 |
| 长期愿景 | "虚拟细胞图灵测试"（Cell, 2025）：终极目标是 AI 对细胞扰动反应的预测与真实实验难以区分 | 【A】 |
6.3 必要的冷水：基准批判与诚实清算
虚拟细胞的热度必须由证据来节制。EMBL/海德堡团队的 Ahlmann-Eltze、Huber 与 Anders 在《自然·方法》发表基准研究，标题罕见地直白------"基于深度学习的基因扰动效应预测尚不能超越简单线性基线"：五个基础模型与两个深度方法对阵刻意简单的对照模型，无一取胜 ；对已知单基因效应的双基因组合，深度模型甚至不优于简单加性模型【A】。更早的零样本评估同样显示，部分自回归细胞模型在鉴别测试样本时不优于"训练集均值"基线【B】。这些结果的合理解读不是"方向错误"，而是：观测性转录组数据蕴含的因果信息存在上限，细胞建模的"AlphaFold 时刻"有赖于大规模扰动数据与分布层面评测体系的成熟------这正是 Arc 挑战赛设计的出发点【C·框架归纳】。对产业界的含义是：当前阶段采购"虚拟细胞"能力时，应要求供应商在第三方基准（而非自建测试集）上证明超越线性基线的增量价值【C·建议】。
6.4 空间组学与视觉-组学融合
细胞语言的另一前沿是把"空间语法"纳入模型。2025 年下半年的三项工作标志该方向进入基础模型阶段：Nicheformer （慕尼黑工大/亥姆霍兹，《自然·方法》2025-12）在迄今最大的 SpatialCorpus-110M（5,700 万解离细胞＋5,400 万空间细胞、73 种组织）上预训练，可将空间上下文迁移至普通 scRNA-seq 数据，仅凭转录组推断组织邻域密度、区分肿瘤与健康区域；研究同时证明仅用于解离数据训练的模型无法复原空间微环境复杂性【A】。OmiCLIP/LOKI （《自然·方法》2025）以 220 万对空间转录组-H&E 病理图像配对做对比学习，实现"从一张普通病理切片读出空间基因表达"，具备对齐、注释、细胞组成分解、检索与表达预测五大功能【A】。SWITCH （同济大学高绍荣院士团队与陈广教授团队，《自然·计算科学》2025-10）借鉴机器翻译的"伪平行语料"思想实现非配对空间多组学整合，综合评分较次优方法提升 59%，并支撑空间特异性基因调控网络构建【A】。这些工作的共同指向是：病理影像、转录组、表观组正在被对齐到同一潜在空间，"分子语言"与"形态语言"的翻译通道已经打通【C·框架归纳】。
6.5 数据生态纵深：从细胞图谱到扰动工厂
支撑上述模型竞赛的，是一个快速分层的数据生态。观测层 ，CZI 资助的 Tabula Sapiens 计划收集了 24 位正常人体供者、28 个组织器官、逾 110 万细胞的单细胞转录组，被视为"基准级"人体多器官参考图谱；人类细胞图谱（HCA）计划则系统绘制了数百种细胞类型在健康状态下的表达"底稿"------没有这类广覆盖基线数据，就无从训练"通用细胞表征"【B】。扰动层 ，Broad 研究所的 Connectivity Map（CMap）是最早的大规模细胞扰动资源：截至 2017 年已积累逾 150 万份 L1000 基因表达谱，覆盖约 5,000 种化合物与 3,000 种基因扰动【B】；2025 年的 Tahoe-100M 则将扰动数据推向亿级规模（约 1 亿单细胞、50 种癌细胞系、逾 1,100 种小分子、6 万余条件），X-Atlas/Orion 提供了约 800 万细胞的全基因组 Perturb-seq 资源【B】。空间层 ，SToCorpus-88M 等数千万级空间细胞语料与 JUMP-CP 跨模态图像集正在补齐"位置"与"形态"维度【B】。值得注意的是数据生产方式的变革：Arc 的 scBaseCount 由 AI Agent 自动从 SRA 公共库爬取、标准化、质控与注释，Xaira 等全栈公司则将每次湿实验同时设计为"验证候选物"与"生产训练数据"------数据生产本身正在被 AI 化，"模型---数据"飞轮的转速成为机构竞争力的核心指标【B】。
第七章 场景应用Ⅰ：药物发现与精准医疗
7.1 首个临床概念验证：Rentosertib 里程碑
2025 年 6 月 3 日，《自然·医学》（Nature Medicine，IF=58.7）发表英矽智能（Insilico Medicine）Rentosertib（ISM001-055）治疗特发性肺纤维化（IPF）的 IIa 期结果，被公司称为"业界首个 AI 驱动药物发现的临床概念验证"【A】。该案例的完整链条是：AI 发现新靶点 （PandaOmics 系统提出 TNIK）→ AI 生成新分子 （Chemistry42 生成化学）→ 18 个月内推进至临床前候选、成本约为传统项目 10% 【B】→ 临床验证：GENESIS-IPF 试验在中国 22 个中心入组 71 例患者，12 周双盲安慰剂对照，60 mg 每日一次组用力肺活量（FVC）平均改善 +98.4 mL，安慰剂组平均下降 -20.3 mL；安全性终点达标，不良事件多为轻中度且停药后可缓解【A】。主要研究者、北京协和医院徐作军教授同时指出"各组样本量相对有限，需在更大队列中验证"【A】。截至 2026 年初，公司正推进关键 III 期试验的监管沟通；其 31 条管线中已有 10 个进入临床，并通过 license-out 获得多笔总额 5 亿美元级的对外授权【B】。
7.2 宏观证据：成功率与管线规模
- AI 发现分子的 I 期临床成功率 80--90%（历史均值约 52%）【B】
- II 期成功率约 40%（样本有限，传统为 28.9--40%）【B】
- 173+ 个 AI 设计候选药物进入临床开发（截至 2026；2016 年仅 3 个）【B】
- 2024 年全球 AI+药物研发融资 128 起、57.95 亿美元（2023 年为 104 起/36.01 亿美元）【B】
统计信号整体积极但需限定：I 期高成功率部分反映 AI 在成药性（ADME/毒性）预筛上的优势；II 期数据与传统方法相当，提示生物学机制不确定性------而非分子质量------仍是失败主因【C·推断】。反面案例同样必须记录：首个进入人体的 AI 设计药物 DSP-1181（Exscientia/住友）2022 年因 I 期活性不足终止；Recursion 的 REC-994 在 II 期读出后于 2025 年停止开发；BenevolentAI 特应性皮炎候选物 IIa 期失败并引发公司重组【B】。"AI 发现≠AI 验证"，行业共识正从"新范式故事"转向"你到底给哪家药企交付了什么"【B】。
7.3 巨头下注与商业模式分化
2024---2026 年，AI 制药一级市场出现标志性大额融资：Xaira Therapeutics（诺奖得主 David Baker 参与创办）2024 年 4 月以超 10 亿美元 A 轮登场；Isomorphic Labs（DeepMind 分拆，Demis Hassabis 创立）2025 年 3 月完成 6 亿美元融资（Thrive Capital 领投），2026 年再完成 21 亿美元轮次，与礼来、诺华、强生建立合作，Hassabis 称首批药物将于年内进入临床【B】；EvolutionaryScale 获 1.42 亿美元种子轮；Lila Sciences（AI 科学工厂）A 轮累计 3.5 亿美元、估值 13 亿美元【B】。商业模式分化为三类：全栈自研型 （Xaira、Isomorphic：模型＋实验数据＋药物资产一体，实验既验证候选又生产训练数据，形成"模型---实验---回流"闭环）；平台授权型 （Chai、Cradle：出售设计软件/年许可，不碰临床风险）；管线 BD 型（Insilico：自研管线推进至早期临床后授权给药企，获取首付款与里程碑）【B】。对中国从业者的特别提示：2024 年全球超 1 亿美元的 15 起融资中仅 1 起发生在中国，中国 AI 制药融资额约占全球 8%【B】。
7.4 精准医疗：从变异解读到个体化干预
分子语言模型对临床医疗的价值正沿三条路径兑现：其一，变异解读提速 ------Evo 2 的 BRCA1 判别（>90%）与 Genos 的致病突变解读（92%→98.3%）为 VUS 重分类提供计算证据，直接服务遗传咨询与诊断【A/B】；其二，细胞特异性基因治疗设计 ------"让基因疗法只在神经元或肝细胞中开启"的靶向调控元件设计已被 Evo 2 团队列为近期可及的应用方向【B】；其三，多组学患者分层------空间组学与病理-组学对齐模型（LOKI 等）使常规病理切片承载分子分型信息，有望以极低成本扩展分子诊断可及性【A】。中长期看，"患者数字孪生"------对个体化药效与毒性做出带不确定性校准的预测------已在虚拟细胞框架的路线图中被明确提出，但当前证据等级仅为前瞻推断【C】。
7.5 老药新用与临床研发全链条的 AI 渗透
分子语言解析的价值并不限于"从零造药"。**老药新用（drug repurposing）**是最早兑现临床价值的场景：2020 年 1 月，BenevolentAI 的知识图谱模型在 48 小时内将类风湿药物巴瑞替尼（baricitinib）识别为 COVID-19 潜在治疗药物（假说为抑制病毒入胞并驯服"细胞因子风暴"），论文 2 月发表于《柳叶刀》，临床试验迅速证实获益，该药 2020 年 11 月获 FDA 紧急使用授权、2022 年转为正式批准------从假说到授权治疗不足一年【B】。这一案例的范式意义在于：当分子知识被结构化为可计算的图谱后，"重新理解一个已知分子"的成本可以趋近于零，这在突发公共卫生事件中具有战略价值【C·框架归纳】。
在临床研发中下游，AI 同样沿全链条渗透：英矽智能的 InClinico 模块用于临床试验结果预测；药企普遍在适应症分层、生物标志物发现、患者招募匹配环节部署组学模型；Exscientia（2024 年并入 Recursion）曾以"端到端 AI 设计"大幅压缩候选物推进时间【B】。但多位一线从业者的判断同样值得引用："AI 在性质预测、分子优化等环节确实提供了加成，但还没有出现突破式、爆发式的改变；一旦进入适应症分层、毒性评估、药代动力学阶段，AI 价值开始边际递减。"【B】这提醒我们：分子语言解析当前最坚实的能力带在"序列---结构---早期性质"区间，向"体内---临床"区间的延伸仍受制于系统生物学数据的稀缺【C·分析】。
图 3（见 HTML 版）：六大场景"价值量级 × 技术成熟度"矩阵------右上方"规模兑现区"当前仅有结构/变异解读；药物发现处于高价值高成熟边缘；虚拟细胞价值想象空间最大但证据最弱，位于"重点攻关区"。定性定位为框架归纳【C】，各场景数据见第七、八章【A/B】。
第八章 场景应用Ⅱ：合成生物、农业与工业生物制造
8.1 合成生物：从"编辑"到"从头书写"
分子语言模型的生成能力正在改写合成生物学的作业方式。三个已验证的里程碑：其一，基因组尺度书写 ------Evo 2 微调设计的 285 个噬菌体基因组中 16 个成功增殖并表现宿主特异性，证明 AI 已能完成"11 个基因的小基因组"级从头设计，为噬菌体疗法应对抗生素耐药开辟路径【B】；其二，细胞特异性调控元件 ------设计只在特定细胞类型中激活的基因表达开关，可使基因治疗避免脱靶副作用，Evo 2 团队将其列为直接应用方向【B】；其三，进化距离跳跃------ESM3 的 esmGFP 证明模型可在序列空间中跨越相当于 5 亿年自然进化的距离定位功能蛋白，大幅压缩定向进化的实验轮次【B】。工程化意义上，合成生物正从"读写已存基因"（合成＋编辑）迈向"按需求撰写基因"（生成式设计），其经济含义是把生物制造的试错成本从湿实验室转移到计算端【C·推断】。
8.2 工业酶与蛋白工程：最快兑现的现金流场景
酶是生物制造的核心，也是 AI 蛋白设计商业化最成熟的方向。中国公司分子之心的公开案例提供了量级参考：以生成式 AI 改造融合蛋白药物，3 个月内实现表达量提升逾 400 倍、单体含量超 95%；某抗体工程化改造经 2 个月两轮干湿闭环迭代，获得 10 个以内达到预期的候选分子，且具备超强 pH 敏感性、有望显著延长半衰期【B】。晶泰科技则示范了"锤子找钉子"的跨赛道变现：与协鑫集团签署 5 年约 10 亿元合作，将 AI 分子模拟能力输出至新能源材料领域，公告后市值一度突破 500 亿港元【B】。这些案例的共同逻辑是：工业场景对"功能"的定义远比药物宽松（无需穿越临床死亡谷），因此成为分子语言 AI 最早产生正现金流的落点【C·框架归纳】。
8.3 农业与动物育种：变异解读的规模化外溢
Evo 2 在家养动物上的测试（跨物种变异分类 AUROC 0.921，类型匹配后仍达 0.844）揭示了农业场景的清晰路径：借助人类功能变异数据库的迁移学习，对复杂性状做精细定位；评估突变负荷以辅助育种决策、降低有害等位基因传递风险；与传统数量遗传学整合以估计变异间互作【B】。此类应用不触及人类医疗的监管强度，且数据获取相对容易，适合作为基因组语言模型在产业端的"第二落点"【C·推断】。
第九章 中国进展与产业生态
9.1 模型层：从跟跑到局部并跑
中国在分子语言模型上的 2025 年成绩单已具备国际能见度：基因组方向 ，华大生命科学研究院与之江实验室联合发布 Genos，以 636 个 T2T 级人类基因组训练数据与 MoE 可部署架构形成差异化，全面开源【B】；空间多组学方向 ，同济大学 SWITCH 登《自然·计算科学》，非配对空间多组学整合综合评分提升 59%【A】；结构预测方向 ，百度 HelixFold-3 与字节跳动 Protenix 进入 AF3 级开源阵营，后者成为全球复现 AF3 的标准参考实现之一【B】；蛋白质设计方向，分子之心 NewOrigin 大模型与 MoleculeOS 平台以"生物学 EDA"定位切入抗体与酶工程【B】。此外，杭州华大 2025 年发布全球单芯片通量最高的纳米孔长读长测序仪 G400-ER（单芯片 495 Gb、完全国产化供应），数据生产端的自主化为模型层提供了语料保障【B】。
9.2 产业层：AI 制药的中国式路径
中国 AI 制药呈现"管线深但资本薄"的结构特征：英矽智能（总部中国香港/上海）以 Rentosertib 成为全球 AI 药物临床进度的领跑者，2024 年药物发现与管线研发贡献其 92.9% 营收，并先后与美纳里尼达成两笔总额逾 10 亿美元的授权合作、与赛诺菲达成最高 12 亿美元多靶点合作【B】；但从融资结构看，2024 年中国 AI 制药初创融资仅占全球 8%，亿元美元级融资事件仅 1 起【B】。行业内部正在形成共识：纯平台软件模式难以维系，"AI 能力最终要体现在做药本身"，模型-实验-反馈的工程化闭环成为分水岭【B】。深势科技（AI for Science 多领域布局，低迷期仍获超 7 亿元融资）与晶泰科技（跨赛道至新材料）提供了另外两条生存路径【B】。
9.3 数据与基础设施：长板与短板
中国的结构性优势在于人群队列与数据生产 ：中国人群泛基因组联盟（CPC）、中国慢性病前瞻性研究（CKB）等大型队列持续产出高质量本土数据，636 个 T2T 基因组的整合能力展示了数据治理水平的提升【B】。短板同样明显：其一，扰动数据缺口 ------类似 Tahoe-100M 的大规模单细胞扰动数据集在国内尚无对等公开资源，制约虚拟细胞方向起步；其二，算力与框架依赖 ------Evo 2、ESM3 的训练均基于 NVIDIA 万卡级集群，国产算力生态在生物基础模型训练上的成熟度仍需验证；其三，评测基准缺位------国内尚缺类似 Arc 挑战赛、CASP 的公开常设评测机制，模型能力对比多依赖自建测试集【C·分析】。政策端，杭州以"开源大模型之城"建设（国家网信办备案大模型 31 个）为代表的地方产业生态，为基因组大模型等垂直模型提供了孵化土壤【B】。
第十章 风险治理与生物安全
10.1 双重用途：能力对称性带来的治理难题
分子语言模型的核心风险来自能力的对称性 ：能设计靶向治疗蛋白的模型，原则上也能设计增强毒性的蛋白；能书写噬菌体基因组的模型，原则上也能书写危险病原体基因组。2025 年的红队测试提供了量化参照：研究团队对 DNA 合成筛查系统施加变体生成与序列混淆（拆分重排基因片段）攻击，多数防护最初仅能检出与监控名单高度匹配的序列；经筛查服务商多轮工具改进后，检出率提升至约 97%，但逃逸变体往往与低风险序列高度相似，凸显"何为潜在有害"本身需要共识标准【B】。这一事实确立了治理的第一原则：仅靠序列黑名单无法应对生成式模型的设计空间，治理必须覆盖"模型---订单---客户"全链条【C·框架归纳】。
10.2 政策演进：从自愿到有条件强制
| 时间 | 政策/事件 | 要点 | 证据 |
|---|---|---|---|
| 2023 | 美国 HHS《合成核酸筛查框架指南》 | 筛查窗口从 200 核苷酸收紧至 50 核苷酸，覆盖短片段拼装风险 | 【B】 |
| 2024-04 | OSTP《核酸合成筛查框架》（依 EO 14110） | 建立潜在有害序列判定标准与筛查方法；2025 年 4 月起 NIH 经费仅可采购遵守框架的合成服务商 | 【B】 |
| 2024-10 | 英国政府合成核酸筛查指南 | 自愿性质，为用户与供应商设定客户/序列筛查基线，保留立法空间 | 【B】 |
| 2025-05 | EO 14292《改善生物研究安全与安保》 | 要求修订/替换 DURC/PEPP 政策与核酸筛查框架，临时暂停高风险功能增益研究；以联邦经费条件为主要抓手 | 【B】 |
| 2026-01 | 《生物安全现代化与创新法案》提交美参议院 | 拟将筛查从自愿升级为强制：序列筛查、客户核验、跨服务商拆单检测、关注序列库动态更新、审计与民事处罚（仍处委员会阶段） | 【B】 |
| 2026-06 | 生命科学界、AI 公司、生物企业联名公开信 | 呼吁国会立法强制核酸合成订单及合成设备筛查；责任落在合成公司而非 AI 模型侧 | 【B】 |
治理现状的结构性特征是**"经费条件式"监管**：约束主要经联邦科研经费传导，私营部门与非联邦资助研究存在覆盖缺口；欧盟层面商业 DNA 合成目前也无强制性筛查法律【B】。与此同时，行业自律（国际基因合成联盟 IGSC 的订单与客户双重筛查协议）、AI 公司侧的防护（OpenAI 生物安全越狱悬赏最高 5 万美元、Anthropic 前沿模型风险评估框架）、模型发布侧的预防性设计（Evo 2 训练数据排除人类病原体）共同构成了多层防御网【B】。此外，美国 FY2026 国防授权法中的 BIOSECURE 条款从供应链角度限制使用"受关注生物技术公司"的设备与服务，提示数据主权与供应链安全已成为生物 AI 治理的新维度【B】。
10.3 中国的治理落点建议
对中国而言，本报告建议的治理优先级为：第一，建立自主的"关注序列"（SOC）数据库与序列级决策指引 ------当前美英欧均未建成官方序列级风险库，率先建成者将获得标准制定话语权；第二，将合成筛查要求嵌入科研经费与采购条件 ，以低成本实现广覆盖；第三，对桌面合成设备（benchtop）实施出口与备案管理 ，防范去中心化合成绕开集中筛查；第四，推动本土模型发布的安全评估惯例（如训练数据病原体排除、生成查询过滤），与国际最佳实践互认【C·建议】。
图 4（见 HTML 版）：风险治理三级矩阵------低风险（常规工具使用）靠社区自律与透明披露；中风险（基因组生成、全新蛋白设计、虚拟细胞）靠"模型方---合成服务商---经费方"三点联控（红队评测、权重分级、SOC 筛查）；高风险（病原体生成、功能增益、序列混淆规避）靠政府强制（DURC/PEPP 审查、KYC、出口管制）。框架为综合归纳【C】，政策事实见 10.2 节【B】。
第十一章 成熟度评估与发展路线图
11.1 L0---L4 五级成熟度模型
综合前述证据，本报告提出分子语言 AI 解析的五级成熟度模型（框架归纳标 C，各级实践依据见前文对应章节）：
| 级别 | 名称 | 定义 | 当前状态（2026） |
|---|---|---|---|
| L0 | 辅助工具 | 单点算法辅助特定分析任务（比对、注释、对接） | 全面普及，已是常规基础设施【B】 |
| L1 | 基础模型表征 | 预训练表征替代手工特征，迁移至下游任务 | 蛋白质/基因组/细胞三线均已实现【A】 |
| L2 | 统一预测引擎 | 单模型跨分子类型高精度预测（复合物、调控、变异） | AF3/AlphaGenome/Evo 2 达成，免费或开源可得【A】 |
| L3 | 生成式设计闭环 | 按需生成序列/结构/基因组，干湿闭环快速迭代 | 蛋白与噬菌体基因组概念验证完成；工业酶场景开始兑现现金流【A/B】 |
| L4 | 系统级模拟（虚拟细胞/数字孪生） | 对细胞/组织/个体状态做因果可靠的虚拟实验 | 评测体系元年；深度模型尚未稳定超越线性基线，差距显著【A】 |
总体判断：领域整体处于 L2 成熟、L3 早期兑现、L4 攻关的阶段 。价值兑现节奏呈"哑铃形"------L2 类工具（结构/变异解读）已高度商品化、溢价空间有限；L4 类系统级能力想象空间最大但 3---5 年内难见规模收入；L3 生成式设计是当前投入产出比最高的主战场【C·框架归纳】。
11.2 三阶段路线图（2026---2030）
| 阶段 | 时间窗 | 技术主线 | 可核验里程碑（预测，C 级） |
|---|---|---|---|
| 近期 | 2026---2027 | L3 闭环规模化：设计-合成-验证周期压缩至周级；亲和力/成药性联合预测普及（Boltz-2 路线） | 首个 AI 设计抗体进入 II 期；AI 发现药物 III 期读出（Rentosertib 关键试验） |
| 中期 | 2027---2028 | 多模态统一：中心法则全链条模型（DNA→RNA→蛋白→表型）；扰动数据规模化（亿级细胞） | 虚拟细胞在限定细胞类型上稳定超越线性基线；AI 设计的基因治疗调控元件进入 IND |
| 远期 | 2029---2030 | L4 突破：患者数字孪生、组织尺度模拟；自动化"AI 科学工厂"常态化 | 虚拟细胞图灵测试在限定任务上通过；首个端到端 AI 发现药物获批上市 |
注：路线图为基于当前证据速率的前瞻推断，全部标 C；其中 Rentosertib III 期、Isomorphic 首批临床等为公司公开计划【B】，实际进度以注册信息为准。
11.3 四类参与者的行动清单
| 参与者 | 行动建议 | 依据 |
|---|---|---|
| 科研机构 | 优先掌握开源模型栈（Evo 2/Genos/Boltz-2/scGPT）并接入公开扰动数据基座（Arc Atlas）；评测一律采用第三方基准与线性基线对照 | 【C】 |
| Biotech/药企 | 把 AI 预算从"平台采购"转向"闭环工程"：自建或共建湿实验反馈回路；BD 尽调要求供应商提供超越基线的外部基准证据 | 【B/C】 |
| 医院与临床机构 | 从变异解读辅助（Genos 类）与病理-组学对齐（LOKI 类）两个低风险高确定性场景切入；建立 AI 证据分级与临床验证内部流程 | 【C】 |
| 政策制定者 | 建设 SOC 序列库与合成筛查经费条件；设立扰动数据国家专项；建立常设公开评测机制（对标 CASP/Arc 挑战赛） | 【C】 |
第十二章 结论与建议
12.1 核心结论
结论一：分子语言范式已经确立，且不可逆。 从 AlphaFold2 到 Evo 2，从 ESM3 到 Genos，证据链完整表明：生命过程的信息载体可以被语言模型统一读取、理解乃至书写。2024 年诺贝尔化学奖是对这一范式的最高学术背书【A】。"读懂"层（结构预测、变异解读）已经商品化并免费开放，成为行业公共基础设施【A】。
结论二：价值重心正在从"预测"移向"生成"，但生成功能≠功能保证。 ESM3 的 5 亿年进化跳跃与 Evo 2 的可存活噬菌体证明生成式生物学已经成真【A/B】；同时 Adaptyv 挑战赛（千个设计无一中和）与虚拟细胞基准（不超越线性基线）提醒：从"分子成立"到"功能成立"之间仍隔着湿实验迭代与因果数据两座大山【A/B】。
结论三：应用兑现呈"哑铃结构"，L3 生成设计闭环是未来三年主战场。 左端是已免费工具化的 L2 预测，右端是证据尚弱的 L4 虚拟细胞；中间最具确定性的现金流场景是工业酶/抗体工程（表达量 400 倍提升级别）与 AI 药物管线 BD（5 亿美元级授权）【B】。
结论四：中国的机会窗口在"数据纵深＋可部署架构＋场景纵深"。 Genos 证明中国可在基因组基础模型上做出全球首个百亿级开源作品【B】；Rentosertib 证明中国团队可率先完成 AI 药物临床概念验证【A】。短板在扰动数据基座、常设评测机制与算力自主性，三者均可通过专项投入补齐【C】。
结论五：治理必须与技术同步设计，而非事后补票。 Evo 2 的病原体排除、OSTP 筛查框架与 97% 检出率的红队迭代共同说明：分层管控（低/中/高风险）＋"模型---合成---经费"三点联控是当前最优可行框架，而序列级风险数据库是全球性公共品缺口【B】。
12.2 给决策者的一页纸建议
对研发负责人：把 70% 的分子语言 AI 投入配置在 L3 闭环（生成设计＋湿实验反馈），20% 用于跟踪 L4 评测进展，10% 用于治理合规。对临床负责人：变异解读与病理-组学对齐是今年即可落地的两个场景，务必建立内部证据分级。对投资机构：甄别"平台故事"与"管线证据"，以对外授权与临床读出为估值锚。对政策制定者：扰动数据专项、常设评测、SOC 数据库是三件成本可控而战略价值最高的公共品。
生命用了 38 亿年写下这部分子语言的巨著；人类正在学会读它，也开始尝试写它。本报告的判断是：2026---2030 年将是"读懂"红利充分释放、"写出"能力接受功能检验的五年。对每一位参与者而言，比追逐模型规模更重要的，是建立自己的证据分级体系与干湿闭环能力------这才是穿越概念周期、抵达真实价值的船票。
12.3 研究局限与未尽议题
本报告存在三方面局限，读者引用时应予注意：其一，来源偏向 ------部分关键指标（如 Evo 2 社区应用、AI 制药成功率统计）来自机构官方发布与行业二手汇总，虽已尽量以同行评审论文互证，但企业披露口径与学术口径之间仍可能存在系统性差异；其二，时间截点 ------本领域进展以月为单位迭代，报告中 2026 年内的融资、政策与模型信息基于 2026 年 10 月检索快照，后续变化请以一手注册信息为准；其三，未尽议题------代谢组与糖组的语言模型化、蛋白质-代谢物相互作用预测、AI 与自动化实验机器人（self-driving lab）的深度融合、以及分子语言模型的能耗与碳足迹问题，均值得专文研究，本报告未及展开。
可核验引用清单
- 【A】Abramson J. et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature, 2024-05-08. https://www.nature.com/articles/s41586-024-07487-w
- 【A】Nobel Prize 官方公告：The Nobel Prize in Chemistry 2024（David Baker / Demis Hassabis / John Jumper）, 2024-10-09. https://www.nobelprize.org/prizes/chemistry/2024/press-release
- 【A】Arc Institute：AI can now model and design the genetic code for all domains of life with Evo 2, 2025-02-19. https://arcinstitute.org/news/evo2
- 【A/B】Arc Institute：Evo 2: One Year Later（Nature 正式发表、噬菌体设计、Evo2HiC、下载统计）, 2026. https://arcinstitute.org/news/evo-2-one-year-later
- 【B】新华社：美研究机构发布生物学领域最大 AI 模型 Evo 2, 2025-02-20. https://www.news.cn/world/20250220/7c586b818a284d8d9a5e984d6a9d6994/c.html
- 【B】EvolutionaryScale / Hayes T. et al. Simulating 500 million years of evolution with a language model（ESM3, bioRxiv 2024）. https://www.evolutionaryscale.ai/papers/esm3-simulating-500-million-years-of-evolution-with-a-language-model
- 【B】NVIDIA Blog：EvolutionaryScale Debuts With ESM3 Generative AI Model for Protein Design, 2024. https://blogs.nvidia.com（ESM3 专文）
- 【A】Penić R.J. et al. RiNALMo: general-purpose RNA language models can generalize well on structure prediction tasks. Nature Communications, 2025. https://www.nature.com/articles/s41467-025-60872-5
- 【B】EurekAlert/A*STAR：RiNALMo: an AI model that deciphers the language of RNA to power next-generation therapeutics, 2025. https://www.eurekalert.org/news-releases/1105840
- 【A】Roohani Y. et al. Virtual Cell Challenge: Toward a Turing Test for the Virtual Cell. Cell, 2025（经 AICell Lab Newsletter 2026-08-15 转述）. https://aicell.io/post/newsletter-2026-08-15/
- 【A】Ahlmann-Eltze C., Huber W., Anders S. Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines. Nature Methods, 2025（同上转述页）. https://aicell.io/post/newsletter-2026-08-15/
- 【B】集智俱乐部（Swarma）：数据驱动 AI 虚拟细胞探索------从 Arc 挑战赛看"数据基座"的力量, 2025-08-23. https://swarma.org/?p=63753
- 【A】Bunne C. et al. How to build the virtual cell with artificial intelligence: Priorities and opportunities. Cell, 2024-12（经 Swarma 引述）. https://swarma.org/?p=63753
- 【A】Tejada-Lapuerta A. et al. Nicheformer: a foundation model for single-cell and spatial omics. Nature Methods 22(12), 2025-12. https://doi.org/10.1038/s41592-025-02814-z
- 【A】Chen W. et al. A visual--omics foundation model to bridge histopathology with spatial transcriptomics（OmiCLIP/LOKI）. Nature Methods, 2025. DOI: 10.1038/s41592-025-02707-1
- 【A】Li Z. et al. Integrative deep learning of spatial multi-omics with SWITCH. Nature Computational Science, 2025-10-29. https://life.tongji.edu.cn/82/60/c12615a361056/page.htm
- 【A】Insilico Medicine：Nature Medicine Publication of Phase IIa Results of Rentosertib（GENESIS-IPF, NCT05938920）, 2025-06-03. https://insilico.com/news/tnrecuxsc1-insilico-announces-nature-medicine-publi
- 【B】Health AI Wiki：AI 药物管线追踪（DSP-1181、REC-994、BEN-2293、baricitinib 等案例状态）, 2025. https://aiwiki.ai/wiki/health
- 【B】IntuitionLabs：Accelerating Drug Development with AI in the U.S. Pharmaceutical Industry（I 期 80--90% 成功率、173+ 管线、18 个月/10% 成本）, 2026. https://intuitionlabs.ai/articles/accelerating-drug-development-ai-pharma
- 【B】健闻咨询（PhIRDA 转载）：大模型浪潮下的 AI 制药, 2025-06-20. https://www.phirda.com/artilce_39225.html
- 【B】Crunchbase News：Alphabet-Backed Isomorphic Labs Raises $600M For AI Drug Development, 2025-03. https://news.crunchbase.com/venture/alphabet-backed-isomorphic-google-ai-drug-development
- 【B】CB Insights：Xaira Therapeutics 公司与商业模式分析（Isomorphic 2026 年 21 亿美元轮次等）. https://www.cbinsights.com/company/xaira-therapeutics/
- 【B】IntuitionLabs：AI Biotech Funding: A 2025 Analysis of VC Investment Trends（Xaira 1B、EvolutionaryScale 142M、Lila $350M）, 2025. https://intuitionlabs.ai/articles/ai-biotech-funding-trends
- 【B】新华社：百亿参数人类基因组通用基础模型（Genos）发布, 2025-10-23. https://www.xinhuanet.com/20251023/6963d3ad8b2b495a8f0a49a9f702adba/c.html
- 【B】杭州市科学技术局：速览！杭州华大 2025 年度重大进展（Genos、G400-ER）, 2026. https://kj.hangzhou.gov.cn/col/col1228922127/art/2026/art_29230119b9df4ad0bb355e079d7b2955.html
- 【B】Wohlwend J. et al. Boltz-1: Democratizing Biomolecular Interaction Modeling. bioRxiv, 2024-11-19. https://biorxiv.org/content/10.1101/2024.11.19.624167v4.full-text
- 【B】IntuitionLabs：Open-Source AI Drug Discovery: Boltz-Pfizer Analysis（Boltz-2 FEP+ Pearson 0.62、CASP16）, 2025. https://intuitionlabs.ai/articles/open-source-ai-drug-discovery-boltz-pfizer
- 【B】Stanford HAI：AI Index Report 2026, Chapter 6 Medicine（FoldBench、GPN-Star vs Evo 2、Adaptyv Nipah 挑战赛）, 2026. https://hai.stanford.edu/assets/files/ai_index_report_2026_chapter_6_medicine.pdf
- 【B】EMBL-EBI Training：How have AlphaFold 3's predictions been validated?（Chai-1/Protenix/HelixFold-3 参数与基准）. https://www.ebi.ac.uk/training/online/courses/alphafold/alphafold-3-and-alphafold-server/introducing-alphafold-3/how-have-alphafold-3s-predictions-been-validated
- 【B】Belfer Center (Harvard Kennedy School)：The Dual-Use Frontier of AI-Enabled Biotechnology（EO 14110/14292、OSTP 框架、DURC/PEPP、BIOSECURE）, 2026. https://www.belfercenter.org/index.php/research-analysis/dual-use-frontier-ai-enabled-biotechnology-civilian-opportunities-national
- 【B】PMC（PubMed Central）：Creating Enforceable Biosecurity Standards for Nucleic Acid Providers, 2025. https://pmc.ncbi.nlm.nih.gov/articles/PMC12710665/
- 【B】Centre for Future Generations：Writing DNA to create synthetic life（红队混淆攻击、约 97% 检出率、英/欧治理）, 2026. https://cfg.eu/emerging-biotech-atlas-part-two-writing-dna-to-create-synthetic-life/
- 【B】Arms Control Association：Regulatory Gaps in Benchtop Nucleic Acid Synthesis Create Biosecurity Vulnerabilities, 2025. https://www.armscontrol.org/node/14993
- 【B】Eurasia Review：Artificial Intelligence And Growing Biosecurity Concerns -- Analysis（2026-07 高风险生命科学研究政策、OpenAI/Anthropic 治理动作、2026-06 公开信）, 2026-08-04. https://www.eurasiareview.com/04082026-artificial-intelligence-and-growing-biosecurity-concerns-analysis
- 【B】新浪财经/WAIC 报道：「生物学 EDA」AI 蛋白质平台（分子之心抗体/融合蛋白/酶案例）, 2025. https://t.cj.sina.com.cn/articles/view/7970234518/1db10209600102g4s6
- 【B】Cell Patterns 综述：Large language models for scientific discovery in molecular property prediction（Nucleotide Transformer、DNABERT-2、HyenaDNA、RNA-FM 等谱系）, 2025. https://www.cell.com/patterns/fulltext/S2666-3899(25)00194-1