百曜科技专访AI虚拟细胞迈入世界模型时代#CellOS #虚拟细胞 #单细胞世界模型 #LLM #JEPA #多组学 #AI药物研发过去年AI虚拟细胞AIVC赛道涌入大量从业者行业堆砌海量测序数据集与数十亿参数大模型却始终深陷发展僵局。中国团队百曜科技找到了行业最核心矛盾大语言模型架构与真实细胞数据之间无法适配。近期该团队推出全新技术方案——全球首款基于LLM-JEPA架构的单细胞世界模型CellOS正式对外发布。该模型参数量达120亿依托3.905亿条单细胞转录组数据完成训练首次摒弃传统掩码语言建模范式借助双视角JEPA架构解析细胞动态状态在多项核心评测中刷新SOTA最优指标或将彻底变革制药与生命科学领域底层研发范式。生命科学亟需开辟全新技术路径单细胞测序技术蓬勃发展10年以来测序设备持续产出海量细胞数据Transformer架构诞生后第一代AIVC技术应运而生。但大模型领域普遍适用的缩放定律在AIVC赛道全然失效。模型性能提升陷入停滞。市面上绝大多数细胞AI工具均照搬Transformer完形填空训练逻辑遮蔽部分基因序列让模型预测被遮挡片段内容。这套机制仅能学习数据表层规律本质是「背诵测序表格」而非理解细胞本身。疾病进展、药物应答、细胞分化的核心决定因素往往是数10个基因累积调控产生的微弱信号这类基因表达丰度并不突出仅依靠表层拟合搭建的模型永远无法捕捉这类关键变化。2026年6月Nature Methods刊发定量研究直指行业痛点使用2,220万细胞数据训练模型时仅需1%~10%训练数据即可达到性能上限扩充数据集规模无法带来任何效果提升。全行业遭遇技术瓶颈单纯堆砌数据与参数无法弥补模型对底层生物学逻辑理解的缺失。百曜科技首席运营官杨帆总结传统技术路线已然走到尽头生命科学领域AI必须更换底层架构行业需要开辟全新赛道。打造细胞专属「解读器」百曜科技早期也曾跟随行业主流技术路线基于Transformer架构开展研发探索。但团队始终希望研发套可从根源降低模型对细胞数据偏差、噪声敏感度的方案。2025年团队首次尝试将图神经网络GNNs融入Transformer架构以此提升模型捕捉细胞间关联的能力。但该方案仅属于局部优化并未解决核心痛点。直至今年年初百曜科技敲定难度更高的研发路线采用JEPA联合嵌入预测架构。这条研发之路阻碍重重被业内公认为艰难探索之路。❶ JEPA需要在隐空间内对齐类完全不同的细胞观测维度❷ 因果损失计算必须纳入时间约束条件。双重限制极易造成训练过程震荡。更大的难点在于细胞基因不存在固定文本序列大语言模型成熟的训练约束规则完全无法套用整套训练框架需要从搭建。团队解释道「传统模型的目标是复刻输入内容核心目的是让模型学会预测细胞另一维度的隐匿状态。」Transformer时代行业普遍采用完形填空模式训练模型让模型预测被遮蔽的基因片段。该方式只会让模型机械记忆数据但细胞状态变动源于海量微弱基因信号的协同作用单纯记忆无法复刻动态演化规律。JEPA的核心价值是在隐空间中跨视角预测细胞表征剥离测序数据噪声锁定稳定、真实的生物学特征。为落地这套架构团队设计独有的双视角观测体系这也是CellOS区别于所有竞品的核心创新点表达视角量化全部基因表达丰度重构细胞静态基因组成感知视角计算惊奇分数筛选相较于细胞群体具备高生物学价值的关键信号。双视角协同运作模型先依据基因表达量完成信息排序再通过感知视角剔除无关噪声精准捕捉细胞分化、迁移、病变过程中的关键状态转换节点。表达视角与感知视角协同运作机制为满足双视角联合建模庞大的算力需求CellOS采用阶段稠密模型至混合专家模型MoE训练策略从轻量稠密模型逐步迭代至120亿参数混合专家大模型。该模式可留存前期学习到的生物学知识避免模型扩容后性能下滑。整套训练数据集规模创下全球公开模型新纪录涵盖47,845组测序样本、3.9亿条单细胞转录组数据其中3.46亿个细胞均附带完整详尽注释信息。杨帆表示CellOS是目前全球公开可使用的规模最大单细胞基础模型。全球主流单细胞模型参数量对比全维度性能全面超越主流竞品技术路线可行性最终需要对照实验验证。百曜科技通过多组横向基准测试充分验证双视角JEPA架构的绝对优势。❶ 细胞注释与批次整合兼顾降噪效果与生物学信息留存在统一细胞注释基准测试中CellOS生物学保守得分达0.792大幅优于UCE、scGPT、TranscriptFormer等主流模型。即便面对T细胞亚群、免疫衰老、诱导多能干细胞iPSC分化这类差异细微的样本模型依旧可精准划分层级化细胞状态。批次整合场景下模型可平衡测序技术偏差与固有生物学信号批次融合指标虽略低于STACK但在消除批次效应的同时更好留存细胞状态相关生物学信息更贴合科研机构、药企的实际分析需求。CellOS细胞注释与整合任务评测结果❷ 药物/基因扰动预测性能领先行业差距高达66%扰动应答预测是AI药物研发最核心实用指标直接决定模型能否预判药物对人体细胞产生的作用效果。核心指标Pearson_edist测评中CellOS得分0.619是所有参评模型里唯一突破0.6阈值的方案相较此前最优开源模型TranscriptFormer0.373性能提升幅度最高达66%。散点对比结果显示CellOS兼具优异生物学一致性与扰动预测准确度处于行业最优区间。CellOS 与主流模型药物、基因扰动应答预测效果横向对比❸ 消融实验验证架构合理性参数扩容带来稳定正向性能增长团队基于0.2B、2B、12B三种参数量模型开展消融实验ARI、NMI、ASW三项聚类指标均随模型扩容持续提升未出现性能天花板。稳步上扬的增长曲线直接证实JEPAMoE双视角架构具备可持续缩放潜力规避了传统模型「数据越多、收益递减」的缺陷。CellOS参数消融实验变化曲线杨帆谈及数年技术攻关语气笃定从容「这条清晰上扬的性能曲线是研发路上收获最实在的正向反馈。」全球AIVC基础模型对比节选细胞预测AI药物研发下一轮真正变革多年来AI对生命科学的改造始终局限于分子层面AlphaFold预测蛋白质结构、生成式AI设计全新药物分子、自动化工具完成药物初筛。这类工具大幅缩短新药研发周期。但疾病进展、药效释放、人体免疫激活所有生理变化本质上都是细胞状态持续演化的结果。科研界逐渐达成共识推动AI药物研发行业跨越式发展的核心从来不是单一分子预测而是细胞动态全过程模拟与生命系统推演。AI虚拟细胞由此成为全球生命科学、生物医药、资本共同押注的核心赛道。全球科研院所、创新药企、AI科技企业均围绕「可模拟、可预测、可定向设计」的虚拟细胞开展布局。此前行业受大语言模型固有短板制约无法真正解读细胞数据随着CellOS问世这套全新LLM-JEPA技术路线依托海量数据验证给出了可行解决方案。完整预判人体生命系统将不再是遥远的学术设想落地路径已然日渐清晰。详细总结思维导图总览信息行业现存痛点传统AI虚拟细胞弊端技术研发迭代历程CellOS核心创新设计3大维度性能测评结果对标主流模型UCE、scGPT、TranscriptFormer、STACK应用价值与行业意义参考Exclusive Interview with Biocompass: AI Virtual Cells Enter the World Model Era!https://www.vcbeathealth.com/article/59379注AI辅助创作如有不当欢迎指出。内容仅供参考不构成任何建议。