生命科学AI的竞争，正在从模型效果走向系统进化

7月19日，百图生科高级副总裁、AI研发负责人张晓明受邀参加WAIC「涌现・无限｜2026 未来科技产业生态论坛」，并出席“AI for Science产业化实践：科研新范式如何走向千行百业”圆桌讨论。

围绕生命科学AI的发展阶段、计算预测与实验验证之间的差距，以及虚拟细胞未来的应用方向，张晓明分享了对AI for Science产业化进程的观察。

“生命科学AI的竞争，正在从模型效果竞争走向系统进化能力竞争。”在他看来，模型能力依然是基础，但决定长期产业价值的，将是模型能否进入真实研发场景，与高质量数据生产和实验验证形成闭环，并在一次次应用中持续提升。

从“模型表现”到“系统进化”

生命科学AI进入更深的研发链条

过去几年，生命科学AI的评价标准经历了明显变化。早期，行业主要关注模型的参数规模，以及在下游任务中的指标表现。随着AI逐步进入实际研发场景，人们开始追问模型是否能够解决真实问题，其预测结果能否转化为实际研发价值。在此基础上，行业对模型泛化能力的要求也在不断提高。

当前，行业的关注点正在进一步转向模型和系统的进化能力：模型能否在一次次真实应用中吸收新的实验数据，持续改善对复杂生命问题的理解，并在后续研发中创造更大的价值。

“模型有多少参数、单项任务表现有多好，只是第一个阶段。进入真实研发之后，更重要的是它能否解决实际问题，并在使用过程中变得越来越好。”

这一变化意味着，生命科学AI正在从相对独立的预测工具，逐步进入数据生产、实验设计、结果验证和模型训练等更深层次的研发环节。张晓明认为，生命科学AI不能只追求眼前的成功率和局部指标。更合理的路径是先在更广阔的分子或生物空间中进行探索，建立整体认知，再逐步缩小范围，进入局部优化。如果所有优化都直接指向单次结果，研发可能长期停留在局部最优。真正具有长期价值的系统，需要在数据布局、实验设计和模型迭代上保持持续投入，通过多轮进化提高对复杂生命问题的整体理解。

模型与数据的复利

将逐步拉开系统之间的差距

当前，模型计算预测与实验结果之间仍然存在差距。张晓明认为，这一问题不能简单归结为数据不足、算法不够先进或工程效率不高，而需要模型、数据和工程能力协同解决。

· 模型基于长期积累的生命科学数据，建立对生物规律的初步理解。在此基础上，模型进一步识别当前认知不足的区域，判断哪些实验、哪些数据最值得优先获得。

· 新的实验数据补充模型尚未覆盖或理解不足的部分，推动模型继续训练和优化。模型能力提升后，又能够更精准地指导下一轮实验设计和数据生产。

· 工程体系则负责压缩每轮迭代的时间和成本，让这一循环更加高频、高效地运行。

缩小模型计算预测与实验结果之间的差距，需要形成持续迭代的研发闭环。“更好的模型知道应该生产什么数据；更好的数据又能训练出更好的模型。这种正向复利会持续放大领先优势，让整个系统的壁垒越建越高。”

AI的价值不只在于预测实验结果，还在于判断下一步什么数据最值得生产。当模型能够指导高价值数据生产，实验数据又能持续推动模型进化，生命科学研发就有机会形成长期积累的能力飞轮。率先建立这一闭环的系统，也将在持续迭代中形成越来越明显的能力优势。

虚拟细胞原生系统

正成为生命科学AI的下一个重要方向

随着AI不断深入生命科学研究，模型探索正在从蛋白质、DNA和RNA等分子尺度，进一步走向细胞尺度。张晓明认为，当前虚拟细胞领域呈现出百家争鸣的状态，科研机构和产业公司对细胞建模投入了很高热情。这一趋势也标志着生命科学模型正在进入新的发展阶段。

2025年，百图生科在虚拟细胞挑战赛中获得全球第一名。模型效果得到关注的同时，越来越多产业客户开始提出更进一步的问题：虚拟细胞能否直接进入实际研发场景？能否结合企业自身的数据和任务持续进化？能否真正改善研发效果？

目前，许多虚拟细胞模型主要回答一个基础问题：从当前细胞状态出发，经过某种基因、药物或环境扰动之后，细胞下一步可能出现怎样的状态变化。但真实研发需要的信息更加具体。科研人员还需要判断细胞活性是否发生变化、是否存在早期安全性风险、是否可能产生免疫原性，以及这些变化能否支持后续研发决策。

张晓明认为，虚拟细胞领域下一阶段的竞争，将从模型预测能力，进一步走向虚拟细胞原生系统的构建。这一过程需要跨越两个关键Gap：

· 一是从细胞状态预测走向属性预测，在获得扰动后的细胞状态后，虚拟细胞系统进一步评估其活性、安全性、免疫原性等指标。

· 二是从分子实验的后续验证，走向虚拟细胞原生的研究与决策方式。

“有了虚拟细胞之后，我们需要重新思考细胞实验的定位，而不是简单把它作为分子实验的延续。”过去，细胞实验往往被视为分子实验之后的验证环节。如果虚拟细胞仍然只是沿用这一流程，其系统能力很难得到充分释放。未来可以探索利用虚拟细胞同时评估多种细胞属性、比较不同扰动方式，或从初始细胞状态和目标状态出发，寻找可能的干预方向。当虚拟细胞原生系统能够同时连接状态预测、属性判断和干预设计，并在真实实验反馈中持续进化，它才真正从一个前沿模型，走向支撑产业研发的虚拟细胞原生系统。

谈及未来三至五年的发展，张晓明认为，行业一方面期待看到真正由AI参与设计的First-in-Class药物经受临床检验；另一方面，虚拟细胞模型能否进入实际研发流程、产生更清晰的应用价值，也将成为重要探索方向。

从模型预测到系统进化，从分子设计到虚拟细胞，生命科学AI正在不断扩大自身的研发边界。下一阶段的产业竞争，也将越来越取决于谁能更早建立模型、数据与实验之间的复利循环，并把这种持续进化能力带入真实研发场景。

百图生科正沿着这一方向持续建设。百图生科自主研发的2680亿参数生命科学基础大模型xTrimo提供跨模态、跨尺度的模型底座，BioMap OS干湿闭环发现系统则进一步连接知识助手、预测及设计、智能实验、数据和模型训练。通过xTrimo与BioMap OS，我们希望让每一次预测、设计与实验都成为下一轮能力进化的起点，推动虚拟细胞真正进入生命科学研发流程。