2026年，耀速科技半年内累计完成近4亿元A轮系列融资，明确资金将用于加速虚拟细胞与生物世界模型的构建，推进“数据生成—机制解析—模型训练—实验验证”的闭环飞轮。

同期，黑玉科学完成超亿元Pre A+轮，投向类器官AI智能一体化设备与类器官芯片AI赋能；璨辰科技完成数千万天使系列融资，主攻AI虚拟器官及全尺度数字孪生仿真体系。截至8月，中国类器官和器官芯片领域披露融资超6起，累计金额超11亿元。

融资重新火热的背后，类器官与器官芯片企业不约而同地做同一件事——给自己加上“AI”“AIVC”的标签，搭建AI+虚拟实验的耦合能力。

同时，在监管侧，类器官与器官芯片已不再停留在科研层面，而是进入新药IND证据链条。FDA ISTAND开始接受虚拟肝脏模型进入药物开发工具（DDT）资格认证；肿瘤类器官检测已被纳入中国检验类医疗检验价格立项指南，开始进入准临床检测体系与标准化路径。

当新药研发对动物实验的单一依赖被打破，类器官和器官芯片企业正借助“AI+人源动态数据”，加速这一替代进程。

当模型层实现对生物学规律、科学家Know-how的学习，数据与经验，要回归到真实物理世界之中。

AIVC的本质，是把真实细胞的全部可观测特征与活动压缩成可计算推演的数学对象，并允许对其施加反事实计算与扰动预测——“如果改变X，细胞会怎样变化”。要训练这样的模型，需要的是多尺度、多模态、包含系统性扰动响应的生物数据，同时要有结构化、标准化、跨尺度、可追溯的数据架构。

问题恰恰出在这里。AIVC所需高质量配对数据极度稀缺、批次效应与平台差异巨大、系统性扰动数据分布稀疏。虽然公开数据集已有数千万细胞画像，但大多是“快照”式的静态数据，缺少药物/基因扰动、多组学响应的关键因果性、动态数据。

这恰恰是类器官/器官芯片企业的重要位置——在可控、可观、可干预的高仿真微缩模型中，提供真实的人源化微环境，通过自动化实验系统，持续生成多时间点、多剂量、多表型、多组学的高维数据流，包括影像、转录组、代谢组、功能读数等。

迭代逻辑上，投入AI+、AIVC是类器官与器官芯片企业，将自身高质量动态数据生产优势，转化为AI生产力时代的入场券。

不能忽略的是，工程化、标准化、低成本、高稳定性是“数据制造业”角色得以成立的必要属性。头部的类器官/器官芯片企业，正在通过AI+自动化+监管验证+产业链合作，将自己改造为“人源化、可扰动、多模态的数据基础设施服务商”。

需要关注的是，AIVC本质上正在重构整个新药研发产业链的分工方式，从“工具链分散结构”转向“数据+模型+验证一体化体系”。

这给原本处于上游的“卖水人”类器官与器官芯片带来了一次难得的向上突围机会——过去，它们只是CRO链条中的一环，提供湿实验工具；而在AIVC时代，它们正打破单一的工具供应商定位，升级为产业链的“工业级数据基建”。

突围路径的核心逻辑在于角色的根本转变：从“数据终点”变为“数据入口”。过去，类器官和器官芯片是业务终点，数据生成即服务结束。但在AIVC架构下，这些高质量湿实验数据将组成AI模型的燃料，即数据基建入口。

为了抢占这一入口，头部企业正在通过跨界融合，构建多维数据引擎：

7月，淇嘉科技合作国内基因测序与空间组学头部平台企业赛陆医疗，搭建“类器官+基因组/空间组学”合作设施；耀速科技合作AI数字化蛋白质组学企业珞米科技，探索“器官芯片+蛋白组学”的下一代研发范式。

进一步拆解底层逻辑，跨界合作实则完成两项关键基建任务：

第一，构建自动化、标准化数据生产流程。类器官/器官芯片企业提供的湿实验能力、自动化体系，以及具备时间、功能与机制维度的“活数据”，正在与上游组学工具深度整合。这种合作将零散的实验数据转化为标准化的工业级数据流，意在解决AIVC模型训练所需的大规模、高质量数据的供给难题。

第二，打通“表型－机制”数据闭环。可建模化的干实验分析为湿实验弥补了机制解析层面的空白：类器官/器官芯片记录“细胞/组织层面发生了什么”（表型），多组学数据则解释“转录组、蛋白质层面发生了什么”（机制）。多尺度结合，高度还原细胞调控逻辑，推动AI模型从“模式识别”迈向深层“机制理解”。

当类器官、器官芯片企业能够提供“表型－机制”完整映射的工业级数据流时，它们将成为AI模型迭代不可或缺的合作伙伴。

医药研发产业链中，AIVC与类器官、器官芯片共享着类似的商业化路径，包括传统毒性/药效预测——药物性肝损伤、心脏毒性、CNS渗透、免疫毒性等关键安全性评估，以及个体化治疗模拟、组合用药筛选、疾病进展预测等。

长远来看，AIVC的应用场景将进一步扩展，如虚拟临床试验设计、跨国虚拟实验，甚至重塑研发链条中的证据生成方式。对于类器官与器官芯片企业而言，这同样意味着商业化拓张的新路径。

耀速科技谢鑫指出，未来的商业模式不会是单一卖模型，而是“模型+数据基础设施+决策证据服务”的组合体。其价值核心在于替代或压缩三类成本：早期筛选中的湿实验成本、动物实验的部分不可转化环节、失败进入临床后的巨额损失概率。

淇嘉科技万飞同样肯定了这一转化路径——他认为，类器官已经实现“证明一致性”向“训练小模型专家”的转化飞轮：基于高临床一致性的类器官数据训练“灰盒/半黑盒”的垂直小模型，应用于特定疾病状态和不同药物评价场景。通过持续积累高质量、标准化、多模态生命数据，形成覆盖不同应用场景的专业模型体系。经IND申报验证的类器官模型，其生成的语料数据即可反哺，用以训练AIVC模型。

万飞认为，AI 能力边界持续扩大，决定了类器官必将进化为下一代AIVC/AIVO（AI虚拟器官）。实体类器官受限于生产规模和成本、冷链物流、跨境监管等，限制了商业化天花板；而在 AIVC/AIVO场景下，交付标的将由生物样本变为数据接口。届时，商业化的核心成本也许仅剩电费与网费。

与AIVC出现前的世界相比，类器官与器官芯片企业仍然占据着同样，甚至更重要的产业位置。

如何定位自己在这条产业链上的角色，底层逻辑是如何思考AI4S的未来。

共性是，成为模块化、上下游合作的数据基础设施。非共识则指向了更多元的分岔口。

万飞认为，在AI平权下，药物研发的未来场景在于药企自主在本地训练AI agent或垂类模型，可能基于通用性的世界模型或专家模型，借助自有临床数据或专病数据集，训练出定制化、专有性的Agent。在这一格局下，类器官企业将成为药企训练自有模型背后的高质量数据提供方。

在这一逻辑下，语料生成不仅需要类器官底层技术与研究模型，还需要一套稳定的、高通量、自动化工作站/实验室体系，以及自动化读取的多模态、多组学数据插件，演进成一套整合上下游生态圈的全自动化数据发生体系。

万飞说：“研发与商业化都需要回归到应用本身。差异化场景决定了数据输入的模块：有的场景仅需动态影像，有的场景必须叠加多组学数据，更有场景需要全套解决方案。”这意味着，模块化数据基建的商业化并不需要等到高度丰富与完整的节点。

而在谢鑫看来，“一家优异的生物医药AI4S公司，应当同时具备生物工程、自动化实验、AI模型、监管接口能力。”AIVC和世界模型的故事不再是“更快找药”，而是“构建一个可以运行人类生物学的计算系统”。在搭建原生数据基建的同时，耀速科技也在构建模型层能力，本质是Data-first foundation model strategy：先构建可持续的人源数据超级工厂，再在其上训练可解释、可监管的虚拟细胞模型。

更进一步，由AIVC到虚拟器官，患者级数字孪生系统将是未来AIVC的真正终局。耀速内部战略认为，单细胞或单一细胞状态的模拟价值有限，但如果能模拟疾病状态下的人体系统响应，尤其是PK/PD、屏障透过性、免疫反应等复杂系统行为，其商业价值将指数级放大。

本质上，AIVC仍然面临着与类器官、器官芯片类似的自证命题——模型结果与真实人体数据的一致性、有效性与高保真性。正因如此，前行者们才拥有足够的时间窗口，凭借已有的高质量数据与自动化系统，确立自己在AI时代的不可替代性。

回归创新药发展历史，AIVC 对于类器官和器官芯片，或许正如后者对比动物实验。当“蒸汽机”与“织布机”不断迭代，新的标准与应用边界不断拓宽——AI新生产力崛起，新药研发的叙事模式不会被彻底重写，但叙事线将延长，画出下一程的模糊蓝图。

而未来清晰图景如何，还需要当下的人去书写。