前百度AI科学家创业，AI虚拟细胞如何成为生命科学的“自动驾驶” | 独家专访

著名社科学者尤瓦尔·赫拉利在《今日简史》中说，人工智能特别重要的两种非人类能力，分别是“连接性”和“可更新性”，即高效、灵活的网络化协同。

然而，这种高度互联的系统并非AI专利，大自然早在数十亿年前就演化出了类似的杰作——

“生命是一套多尺度、动态的复杂网络。”

生寰未来创始人陈帅华博士提到，虚拟细胞、世界模型试图在数字空间中重构生命的连接逻辑——从模拟生命，走向设计生命，直至实现可编程的细胞数字孪生。

2025年6月6日，两位95后发小——复旦医学博士陈藤与百度凤巢模型核心算法工程师陈帅华博士，创立生寰未来（上海）人工智能科技有限公司（后简称“生寰未来”），近期正在开展首轮融资。

基于超图神经网络+智能体驱动的技术路径，生寰未来自主研发了AI蛋白质设计智能体、由虚拟代谢切入的AI虚拟细胞模型（AIVC），落地合成生物学菌株改造、智能发酵控制、活性化合物生物合成、智能化成药性分析等关键场景，提供覆盖早期分子发现到工艺开发的全流程研发解决方案。

Data is power, Agent is future.

从AI算法落地搜索、广告、钢铁供应链聊起，到AI+生命科学如何参考自动驾驶的迭代路径，动脉网与陈帅华博士展开对谈。访谈内容经编辑，以飨读者。

生寰未来创始人、人工智能科学家陈帅华博士，华东师范大学电子信息博士，上海科委先锋者计划项目高级研究员；曾在百度商务搜索部－凤巢模型组从事AI算法研究和应用，曾获2016年季度最佳新人、2019年百度最高奖Top10项目（终轮答辩）。

动脉网：为什么在当前节点，决定创立生寰未来，探索AI+生命科学？

陈帅华：生寰未来的诞生，其实是AI和生命科学相互交融、双向奔赴的大时代下的一个缩影。

我硕士毕业于北航软件工程，之后进入百度上海研发中心，一直从事搜索广告推荐——这是AI在工业界第一个真正大规模应用的场景，也创造了巨大的商业价值。在搜索广告推荐各个方向深耕之后，我把相关技术迁移到了另一个产值规模很大的行业：钢铁制造业，落地到生产全流程周期预测、物流调度、销量预测等端到端的供应链优化上。可以说，我一直在做AI在工业界的实际应用。

（另一位创始人）我的发小陈腾Allen，深耕生物医药方向，博士在复旦大学基础医学院，博士后在华山医院神经外科，研究方向聚焦神经生物学，有一些很好的成果。之后他在阿斯利康、艾昆纬、美团医药等产业界也有从业经验。

我本身对生命科学非常感兴趣，闲暇时间也自学了很多相关知识。我和Alan在日常沟通中一直有这方面的碰撞。成立的关键契机出现在2024年，AlphaFold的工作让我们共同意识到——生命科学和AI深度融合的新时代到来了。

动脉网：过往AI工业界背景，如何影响您对虚拟细胞、世界模型上的探索？跨界存在困难吗？

陈帅华：对于AI的研究人员和工程师来说，AI天然就是没有行业边界的，只有数据（Data）。

做搜索广告推荐时，人与信息/广告的交互本质上就是一种Network，我们利用图神经网络架构来建模流量网络。到了制造业场景，钢铁生产从铁矿石到热轧、冷轧，再到下游物流调度、运力需求匹配、销量预测，每一个环节同样是Network化的。

另一个例子是，国内最早的自动驾驶工业界大规模推进就来自百度。当年凤巢作为核心广告变现产品，把搜索流量转化为商业收入，让百度收入在5年内提升10倍。回过头来看，凤巢的核心能力——大规模分布式系统、高并发处理、机器学习排序、广告预算控制——与自动驾驶的工程底层高度相通，两者都要求在高可靠、低延迟的约束下处理海量数据并做出实时决策。再后来，众多像我这样的工程师内部转岗去了自动驾驶事业部（ADU），或是离职创业，比如后来的小马智行。

无论互联网还是工业制造，我看到的都是数据，都是不同类型的Network。这直接影响了我们对虚拟细胞和世界模型的探索——生命的复杂网络本质上也是Network问题，核心能力依旧可迁移，只是复杂程度远超过往场景。

动脉网：生命科学，或者说细胞与生命，可以理解为怎样的交互？

陈帅华：简单来说，从基因组、转录组、蛋白质组、代谢组等单个组学之间的规律，到多组学、多尺度、时间+空间维度的关联交互。

生寰未来以AIVC、World Model原生的路径，从数据到模型再到应用评测，横向和纵向双向拓展：

横向——覆盖蛋白质整个生产的多尺度链路；

纵向——打通蛋白质、靶点、组织、细胞等多尺度的交互。

动脉网：选择AI蛋白质设计作为第一切入点，背后支撑逻辑和行业痛点在哪里？

陈帅华：AI蛋白质设计是生寰未来重要的业务方向，其痛点可以从两个层面来看。

第一个层面是人和工具的问题。传统生命科学研究员和工程师，计算机和AI的基础相对较弱，如何真正乘上这波AI浪潮、加速研发效率和科学发现效率，是非常有挑战的现实问题。我们的解决方案是用Agent来赋能。

第二个层面是技术本身的尺度问题。目前AI在分子生物学尺度（如蛋白质结构预测、小分子结合亲和力评估）已经取得了显著进展，但要从苗头化合物（Hit）、先导化合物（Lead）跨越到PCC及后续阶段，必须面对系统生物学尺度的挑战，例如：单个靶点的活性表现，放到复杂的生物网络中后，其药效、毒性、脱靶效应等都会受到多组学、多尺度时空交互关系的深刻影响。

这也是为什么在分子层面做得再好，仍难以避免临床阶段的高失败率。因此，蛋白质设计的竞争焦点正在从模型精度转向工程化交付能力。

解决这一痛点的核心思路，正是通过虚拟细胞这类多尺度、多模态、多组学融合的技术路线，将AI蛋白质设计能力拓展到涵盖细胞、组织、器官乃至整体生物系统的系统生物学尺度，从而在更高维度上加速药物研发的迭代与决策。

动脉网：生寰未来的系统生物学解决方案是怎样的？

陈帅华：在我们看来，如何建模生命，本质上映射着团队对生命的哲学观和世界观。前面提到，我们认为生命是一个多尺度、动态的复杂网络，是一个System。

我们很自然、很天然地会用到复杂网络（Complex Network）的前沿技术，特别是引入超图神经网络，来对多尺度、时空动态的生命复杂网络系统进行建模。

动脉网：如何理解从AI蛋白质设计到AIVC之间的关系链条？这两个平台是相互独立的，还是集成到一个平台当中？

陈帅华：在系统生物学视角下，AI蛋白质设计和虚拟细胞其实是一个问题，只是不同尺度的问题。

从研究视角来看，在超图神经网络架构里面，蛋白质设计和虚拟细胞是统一进行建模的，是端到端的统一。

从应用视角来看，可以分两个维度：

• 横向维度（生产链路）：从蛋白质设计，到菌株设计，再到小试工艺、中试和放大，是从分子尺度逐渐扩大到细胞尺度的过程，同样是同一套超图系统里不同尺度的问题。

• 纵向维度（生物学层级）：从蛋白质与靶点的交互关系，延伸到细胞，再延伸到组织，是自然统一的连续过程。如果只考虑单个分子和靶点的相互作用，设计出来的分子可能存在会对其他细胞产生毒性，或者在代谢动力学上有不良属性，或者对整体组织的生理功能产生影响。而当我们把分子、靶点、细胞、组织之间的多模态、多组学的交互关系放在多尺度视角里统一考虑，天然就能解决AI制药目前最大的成本和周期瓶颈——从PCC再到湿实验、临床试验的高失败率问题。

AIVC真正的作用点，就是接力前面AI蛋白质设计的那一棒——降低成本、提高成功率。

动脉网：数据原生和模型原生，您如何看待和选择这两类AIVC路径？

陈帅华：升维来看，AIVC属于World Model（世界模型）在生命科学里的一个分支。

参考目前比较成熟的自动驾驶场景：数据和模型不是割裂的。自动驾驶非常重要的工作就是构建面向Auto Driving的数据工厂：不管是特斯拉、华为还是小鹏，都有大量路测车辆实时采集数据。这是真正构建一个可用World Model的前提。数据和模型缺一不可，一定是融合的路径。

动脉网：初代模型的底层训练数据从哪里来？

陈帅华：早期，我们以学术界公开数据为基础，进行数据清洗；也有一些高校合作课题组的数据；以及部分自有实验数据。这些数据整合在一起，构建了现在第一版AIVC模型。

后续完成第一轮融资后，我们将重点构建原生的数据工厂——完全由Agent驱动，用创新实验方式去观测细胞状态变化过程中的多模态、多组学、多表型数据，来构建大量AIVC原生数据；同时也会和实验、设备等上下游合作伙伴一起共创。

动脉网：生寰未来为什么用AI Agent作为底层的技术架构？它在构建复杂网络当中的优势在哪里？

陈帅华：作为一家原生的Agent公司，我们的底层哲学是：Agent不只是一个产品，更是技术底座的核心发展引擎——Everything都必须由Agent来驱动。所以，我们一开始就非常注重软硬件一体的智能体构建——即技术底座和算法迭代引擎。

如何让Agent理解生物的复杂网络，是一个非常有挑战的问题。它需要理解从基因组、转录组、蛋白质组、代谢组等单个组学之间的规律，到多组学、多尺度时空的关联交互关系。我们会在每个组学方向上部署相应的AI for Science工具，同时基于超图神经网络架构做统一整合，来加速AIVC虚拟细胞模型底座的迭代，共同构建出建模生命的多模态、多尺度、时空动态复杂网络。

动脉网：产品端的规划是怎样的？

陈帅华：基于Agent Driven和Data Driven，我们不仅应用Agent驱动产品迭代和内部研发，还构建了ProtAlgen蛋白质设计平台、CytoTwin虚拟细胞模型平台，希望把软硬件能力提供给合作伙伴，帮助生物科学背景很强、但计算机和AI能力稍弱的研究人员和工程师，把AI for Science真正应用到工作中，提升研发效率。这是我们的初心。

具体到产品形态，我们选择AMD 395芯片作为硬件载体，内置ProtAlgen蛋白质设计平台，打包成一个软硬件一体的智能体一体机。

动脉网：未来的智能一体机指向哪里？考虑走软件路线还是科研仪器路线？

陈帅华：它是基于AMD395芯片的一体机硬件，内置ProtAlgen平台，整体上以软硬件一体的产品形态面向客户，核心在于降低使用门槛，基础版本“开箱即用”。后续可能根据合作需求灵活部署——比如客户已经有很好的集群或硬件了，我们就把能力部署到客户私有集群上。

动脉网：生寰未来如何思考AIVC的商业化？

陈帅华：我们用相对成熟的自动驾驶商业模式来类比AIVC的发展路径，这也是一再强调World Model的根本。

国际自动机工程师学会（SAE）将自动驾驶分为4个等级——简单来说，L1是定速巡航辅助，L2是部分自动驾驶，比如车道保持、自动跟车，但人还得盯着；L3是有条件自动驾驶，系统开、人兜底；L4是完全无人驾驶，限定场景里不需要人。

到创业层面，自动驾驶公司怎么做技术演进？他们一般会在L2阶段先做出辅助驾驶产品，合作车企上车，产生数据流和现金流，百度管这叫“沿途下蛋”；再用现金流推进到L3和L4场景，逐步切入造车业务或限定场景的自动驾驶。

生寰未来在AIVC发展也将遵循L2、L3、L4的商业化进阶路径。L2阶段我们会先有部分辅助产品实现商业化——微生物/合成生物学场景即定位为L2和L3，人类细胞场景定位为L4。

在这个过程中我们会推出产品——像特斯拉有自己的车一样，把World Model完全基于Data Driven的方式跑通验证，同时产生商业化收入，自主造血驱动发展。

动脉网：背后的技术框架会有怎样的迭代？

陈帅华：L2、L3、L4不是割裂的，而是同一套技术框架/底座在不同商业场景的落地。这有点像一台火箭，有一级、二级、三级助推器。一级助推二级，二级助推三级；同时一级产生的技术迭代也会融入主架构，不断推动商业燃料和技术路线的发展，让商业化飞轮能够转动起来。

动脉网：当前的时间线走到哪里了？

陈帅华：我们现在已经在L2阶段了，同时正在开展第一轮融资。L2的首款合成生物学产品与部分Agent产品、服务型合作，都已经开始落地。后续L3会有多个产品、L4才会开始做药物管线。

大概1年，我们会完成L2阶段，并启动L3阶段。

在3年周期内，会完成L3——也就是在合成生物学的某个限定场景内，跑通AIVC/World Model的首个完整闭环。同时我们会在早期就布局国际化，计划在新加坡设立子公司。

到5年周期，我们会完成L4的拓展，进入药物领域，构建相关场景和管线。

动脉网：生寰未来怎么样去定义自己未来的产业链位置？

陈帅华：World Model赛道里可能有好几类公司，但我们最想做的是特斯拉。

特斯拉有自己的车，一个天然的数据采集终端与商业变现场景，去支撑整个World Model的构建和迭代。

从L2到L4，AIVC将完成从复杂模型、原生数据工厂到自研产品的生命科学研发范式重构。

所以我们不是CRO或外包服务商——生寰未来要做的是拥有自研产品和管线的公司，有自己的“车”，在自有场景下跑数据、跑模型、跑商业闭环。

最终，我们希望基于这些工作，让人类有限的生命更健康、更美好。