从LLM到JEPA，中国团队正在把“世界模型”搬进细胞内部

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 从LLM到JEPA，中国团队正在把“世界模型”搬进细胞内部 田, 晏林 2026-07-03 22:28:38 来源： 量子位 四年前LeCun提出JEPA时，大概不会想到，这套架构有一天会被用来理解：一颗细胞。 Amy 发自 凹非寺 量子位 | 公众号 QbitAI 最近，AI虚拟细胞（AIVC）赛道，迎来关键突破！ 作为全球最早布局该领域的企业之一， 百曜科技 正式发布全球首个基于LLM-JEPA架构的AI虚拟细胞世界模型——AURA CellOS。 该模型是目前公开报道中 参数规模最大 的单细胞基础模型，基于3.905亿个人类单细胞转录组训练，覆盖了几乎所有重要的人类细胞：40余种人体组织、260余种细胞类型。 其最受关注的突破在于，它首次将JEPA（联合嵌入预测架构）与世界模型理念系统性引入单细胞研究。 当前，世界模型已经是自动驾驶、机器人和生成式AI的重要技术方向。 CellOS的出现让外界好奇， 在高度复杂的生命科学领域，世界模型能否真正落地，并产生实质价值？ 从目前公开的评测结果看，CellOS在预测精度、扰动建模等多个核心指标上与多款主流模型拉开倍数差距，达到当前国际领先（SOTA）水平。 但想要看清它的技术逻辑与商业价值，一切还要从 一颗细胞 说起。 AIVC走到十字路口 理解细胞变化，是生命科学最核心的问题之一。 疾病发生、药物作用、细胞治疗，本质上都是细胞状态发生变化的过程。 过去，科学家只能通过细胞培养、动物实验乃至人体验证来探究细胞在药物、基因扰动等刺激下的变化。 高昂的研发成本和漫长的试验周期，让大量潜在新药和细胞疗法陷入漫长试错，“十年研发周期、十亿美元投入，临床成功率却不足10%”的“双十定律”亟待被终结。 △图片由AI生成 “虚拟细胞”的出现，为新药发现开辟了全新的路径。 在计算机里“复刻”细胞的想法，早在20世纪90年代就有学者探索，并开发了最早的细胞建模软件之一VCell。之后斯坦福大学研究团队发布了全球首个全细胞计算模型。 但此前的虚拟细胞，不是一个学习型的模拟器，不能模拟细胞在不同条件和变化环境下的运作。 无法预测细胞功能、行为和动力学，无法揭示其背后的机制，也就无法在药物开发应用中发挥最大价值。 直到近些年AI技术的突飞猛进，叠加组学技术的迅猛发展，才让虚拟细胞更接近生命科学的“模拟沙盘”： 单细胞测序技术的指数级进步及成本降低，显著提升了数据采集能力，过去几年中， 这些数据每6个月翻一番 ，为建模提供了底层基础； AI技术的进步则显著增强了细胞数据的处理、学习和推理的能力。 2024年12月，美国斯坦福大学、基因泰克制药公司与陈—扎克伯格基金会组成的联合科研团队在顶级期刊《Cell》发表的重磅论文，点燃了全球的研发热潮： AI虚拟细胞（AIVC）的时代，正式宣告到来。 △图片由AI生成 其实在此之前，Geneformer、scGPT、scFoundation、GeneCompass等一批模型就已相继问世，只是业内还没有统一AIVC的叫法。 这些AIVC模型解决了细胞类型识别等基础需求，但在预测细胞动态变化上存在明显局限。 例如， 在敲除基因、给药或诱导分化后，细胞会如何演化？ 第一代AIVC模型在这类动态预测任务上仍存在明显局限。 核心在于，它们的训练目标主要是学习基因表达模式本身，而非细胞状态变化的内在机制，因此 难以区分哪些表达变化只是背景噪声 ，哪些才是真正驱动细胞状态演化的关键信号。 进一步地，由于模型主要基于单一表达视角学习静态基因表达模式，难以刻画基因调控关系及细胞状态演化的动态规律。 许多只有在特定扰动条件下才显现的关键生物学信号，也容易被大量稳定表达的背景信号所淹没。 因此， 仅靠不断扩大数据规模和模型参数，并不能显著提升模型对细胞状态演化轨迹的预测能力，也难以学习细胞变化背后的内在生物学规律。 2026年6月，《Nature Methods》刊发的一项研究非常扎心： 研究人员基于2220万个细胞的scTab语料库，预训练了400个模型，完成6400次评估。结果显示，在多项任务中，模型性能往往在使用约1%的预训练数据后便进入平台期。 换句话说，仅用约22万细胞训练模型性能就基本拉满，再多 喂海量同质细胞样本，模型效果也不会明显提升。 这让行业开始重新思考： 现有技术路线是否还能持续受益于Scaling Law（缩放规律）？ 或者说，问题究竟出在数据规模不足，还是第一代AIVC的建模范式已经触及瓶颈？ CellOS给出的答案是后者： 真正限制模型持续提升的，并非Scaling Law本身，而是 传统语言模型架构与细胞数据特性的系统性错配 。 只有让模型真正学习细胞状态演化规律，而不仅仅是静态表达模式，数据规模扩展才能持续转化为模型能力的提升。 从“看懂”到“理解”细胞，CellOS的“三板斧” 世界不是由文字构成的。 李飞飞最新长文如是说。 而细胞世界，更不由文字定义。 说到底，AIVC领域需要的是AI对细胞状态有理解，而非单纯的表达模式复现。 只有这样的模型，才能支撑动态预测（如扰动响应）和可迁移的虚拟细胞能力。 站在业内角度看，CellOS这次的打法其实挺狠的。 它没有选择大多数团队还在走的“安全路线”——继续在大语言模型上卷参数、卷数据，而是直接站队JEPA这条更难、但潜在天花板更高的路。 因为人工智能领域的普遍共识是： 「世界模型」最擅长感知规律、推演环境动态变化。 在自动驾驶、机器人领域，世界模型已经被用来预测环境变化。 现在，细胞领域也要一试。而CellOS是第一个“吃螃蟹”的。 CellOS是 率先将世界模型理念引入AI虚拟细胞领域 的模型。 同时，它也是目前公开信息中 规模最大的 单细胞Foundation Model，是基于 3.905亿个 人类单细胞转录组数据训练的 12B参数模型 。 什么概念？这几乎覆盖所有已知人类细胞类型。 CellOS核心创新有三点：多视角表征学习、JEPA联合嵌入预测、无损扩容。咱们一个个看。 创新一：多视角表征学习 它让模型在进入更复杂的训练阶段前，就先获得更丰富、更敏锐的细胞特征辨别能力。 传统单细胞基础模型通常只依赖单一的“表达视角”，即根据基因在单个细胞中的表达丰度来判断细胞状态。 这种方式容易忽略那些表达量不高、但在生物学上具有重要标志意义的基因（如调控基因、应激响应基因），导致关键信号易被背景噪声淹没。 于是， CellOS引入「双视角互补机制」 ，在表达视角之外，增加群体感知视角。 相当于给模型装了两双「眼睛」： 一双眼睛看表达丰度（即这个基因活跃程度如何）； 另一双眼睛看群体特异性（这个基因在整个细胞群体里有多特别、有多少信息量）。 把这两个维度拆开、同时并行分析后，模型就像突然开了“透视挂”，能更容易抓住那些隐藏的重要生物学信号。 结果就是：模型对细胞状态变化的敏感度大幅提升，并且为第二层创新打下基础。 创新二：引入JEPA架构 在创新一（