晨观时报报道，AI for Science 持续渗透生物医药产业，新药研发正在迎来一场干湿实验深度耦合的范式变革。2026 年国内类器官、器官芯片赛道融资热度再度回升，一批深耕体外生物模型的企业集体加码 AI 虚拟细胞（AIVC）赛道，不再仅仅局限于提供实体生物芯片、类器官样本，而是向着 “湿实验数据生产 + AI 仿真建模” 一体化服务商转型。
过去，类器官与器官芯片被视作降低新药研发动物实验依赖的核心载体；而今天，AIVC 的兴起，正在重新定义这类生物科技公司在创新药产业链当中的位置。一边是资本真金白银涌入，监管政策逐步放开，允许体外人源模型、虚拟仿真数据作为新药 IND 申报佐证材料；另一边，高质量动态生物数据稀缺、模型生物学可解释性不足、商业化路径尚未完全跑通等现实难题横亘在前。当实体生物实验遇上硅基数字仿真，国内生物医药上游企业，能否抓住这次产业跃迁的历史窗口？
2026 年国内资本市场对这条赛道的投资动作十分密集。耀速科技半年完成合计近 4 亿元 A 轮系列融资，资金重点投向 AI 虚拟细胞与生物世界模型搭建，落地 “数据生成 — 机制解析 — 模型训练 — 实验验证” 完整业务闭环；黑玉科学拿到超亿元 Pre‑A + 轮融资，重点布局类器官 AI 一体化硬件设备；璨辰科技完成数千万天使轮融资，主攻 AI 虚拟器官与全尺度生物数字孪生体系。截至 8 月份，国内该领域公开披露融资项目超过 6 起，累计融资规模突破 11 亿元人民币，资本投向已经发生明显转向，不再单纯奖励硬件工艺突破，更加看重企业的数据产出与 AI 建模能力。
监管层面也为行业打开全新空间。美国 FDA ISTAND 计划已经接受虚拟肝脏模型申请药物开发工具（DDT）认证资格，虚拟仿真数据有望正式纳入新药开发证据链条；在国内，肿瘤类器官检测被纳入医疗检验价格立项指南，人源体外模型逐步迈入准临床标准化路径。政策的松动意味着，长期依靠动物实验完成临床前评价的传统模式，迎来重要的补充替代方案，而类器官、器官芯片企业手握的人源化实验资源，正是训练 AI 虚拟细胞最核心的 “燃料”。
AIVC 的本质，是将细胞可观测的全部生理特征转化为可计算推演的数字对象，通过计算完成反事实扰动推演：当药物、基因条件发生改变时，预判细胞、组织会产生怎样的生理应答。训练一套高保真虚拟细胞模型，不能只依靠公开数据库当中海量静态细胞快照，更需要大量经过药物、基因干预之后的动态、多模态配对数据集，包含影像、转录组、代谢组、功能表型等多维信息。
但现实产业环境下，这类高质量扰动数据极度紧缺。公开数据库虽然拥有海量单细胞测序结果，但大多属于静态观测数据，缺少干预之后的时序变化；不同实验室、不同设备产出的数据存在严重批次偏差，数据标注、溯源体系参差不齐。公开数据集可以完成基础模型预训练，却很难支撑面向新药评价、毒性预测的高可靠性垂直模型训练。
而这恰好是类器官与器官芯片企业独有的竞争优势。依托微流控、干细胞培养技术，企业可以搭建可控、可干预的人源体外微生理系统，借助自动化高通量实验设备，批量产出经过药物扰动的时序化、多维度生物数据。过去行业的定位是生物实验工具供应商，交付芯片与类器官样本即完成服务闭环；如今，企业角色正在从 “数据终点” 转变为 “数据入口”，实体湿实验产出的数据不再只是项目交付物，更成为训练 AI 虚拟细胞模型的核心生产资料，企业逐步转型为人源化生物数据基础设施服务商。
为补齐数据链条，头部企业开启大范围跨界产业合作。淇嘉科技联合赛陆医疗，搭建类器官结合基因组、空间组学的联合实验平台；耀速科技携手珞米科技，打通器官芯片与蛋白质组学的数据通路。这类合作的价值分为两层，第一是建立标准化自动化的数据生产流水线，把零散的科研实验数据转化成工业级标准化数据流；第二是打通 “表型‑机制” 的完整映射链条：类器官、器官芯片记录细胞组织层面直观变化，多组学数据解释分子层面内在机理，推动 AI 模型从简单图像识别、相关性拟合，走向对生物学内在机制的理解，摆脱 “黑盒模型” 的局限。
角色的转变，同样打开了企业商业化的天花板。实体类器官、器官芯片业务天然存在物理约束，样本生产、冷链运输、跨境监管、规模化扩产都会制约业务上限；而 AIVC 模式之下，交付物可以从实体生物样本转向 API 数据接口与仿真服务，边际成本能够被大幅压缩。
行业从业者普遍判断，未来主流商业模式不会是单独售卖一套 AI 虚拟细胞模型，而是 “模型 + 数据基础设施 + 药物研发决策证据” 的打包服务。业务价值体现在压缩早期药物筛选湿实验投入，减少动物实验和因为临床前预测偏差带来的临床试验巨额亏损。一部分企业选择聚焦垂直疾病，依托经过 IND 验证的类器官数据集训练细分领域小模型，服务药效评估、毒性筛查、联合用药筛选；长期看，虚拟临床试验方案设计、患者个体数字孪生，都将成为潜在应用场景。
赛道内部，企业也分化出两种截然不同的发展思路。一部分企业定位为药企背后的数据供给方，未来药企可以采购标准化的模块化数据基建，结合自身的临床数据，训练企业私有的 AI Agent 与垂类模型。企业不需要输出最终决策，而是保障高质量、多模态生物数据的持续供给。另一派则坚持全链条闭环建设，同步掌握生物工程自动化、湿实验能力、AI 建模、监管申报接口，目标搭建可以完整模拟人体生物学响应的计算系统，最终走向患者级别的人体数字孪生，实现对 PK/PD、免疫反应等复杂生理系统的仿真推演。
不过火热的融资和宏大的产业愿景之下，AIVC 赛道依旧绕不开自我验证的核心命题：如何证明硅基虚拟仿真结果，和真实人体生理反应具备高度一致性。即便拥有高质量的湿实验数据，模型的预测能力依旧需要持续的实验结果反向校验。现阶段虚拟细胞更多定位为现有研发工具的补充，距离完全替代体外、体内实验还有很长距离。同时行业还面临复合型人才短缺，标准化数据规范尚未统一，监管验证路径仍在探索等多重现实阻碍。
纵观生物医药技术迭代历史，类器官与器官芯片的出现，是对动物实验体系的补充；而 AI 虚拟细胞浪潮，则是对类器官、器官芯片本身能力的进一步延伸。AI 并不会直接改写新药研发全部叙事逻辑，但会拉长整个研发链条，构建 “湿实验产出数据，干实验推演预测，再回到湿实验完成验证” 的全新飞轮。对于赛道参与者而言，比拼的不再仅仅是算法参数规模，更要看谁能够守住高质量人源数据的护城河，完成监管层面有效性验证。
未来三到五年，正是这套干湿耦合新范式接受产业与监管双重检验的关键周期，谁能够真正完成技术、数据、商业化与合规的闭环，谁就有望站上上游生物医药基础设施的产业高地。
