AI制药的临床转化率低，症结在于“单点预测”“单环赋能”。

——只看到靶点/单细胞的响应，看不到器官系统层面的连锁变化。璨辰科技创始人李磊博士说，“单点扰动预测看不到系统层面的副作用，这正是很多药物及AI制药上了临床才暴露问题的根源。”

璨辰科技做虚拟器官，将用系统级数字孪生建模、时空动态的因果推演补上这一环。

2025年，璨辰科技（CANCHEN TECH）在深圳注册成立，成长为国内唯一具备“分子－细胞－组织－器官”全尺度时空动态仿真能力的AI4S生命科技企业。李磊及其创始团队是全球较早开展哺乳动物器官三维动态建模的科研力量，先后打造了多项具有全球首创意义的前沿模型。系列突破性成果刊发于《Cell》等国际顶级学术期刊。

在这样的科研背景下，璨辰科技集结起一批清华、北大、斯坦福、剑桥、华大基因等海内外顶尖院校与产业机构的跨学科人才，囊括工业级大模型工程落地、医药临床与药审转化的全链条实战能力。

2026年，璨辰科技完成数千万种子轮、天使轮、天使+ /++ 轮系列融资。投资方包括东方富海、松禾资本、零以创投、水木清华校友种子基金、启迪之星创投、启繁资本、南山战新投等。

在李磊看来，虚拟器官不是又一个AI制药工具，而是对当前“单点靶向+黑箱预测”范式的校正与延伸，将逐级实现高精度单器官数字孪生建模、全身多系统协同动态仿真。

更现实的落点在于，标准化、可复制、可商业化的应用场景与解决方案。璨辰科技的系统级虚拟器官仿真技术体系，已落地多项行业首创合作：

从单点扰动、细胞模拟到系统级虚拟器官、全尺度时空动态模型，璨辰科技如何沿着技术线索、找到落地路径。采访内容经编辑，以飨读者。

动脉网：AI制药投了很多年，为什么临床端没兑现预期？虚拟器官主要能解决什么问题？

李磊：现在很多AI制药管线上了临床后转化率依然不高、实际效率也低于预期，核心原因在于——我们看不到系统层面的变化，没有建模到系统层面关系，比如细胞相互作用、组织微环境变化。这就是我们想尝试改变的事。

单点扰动会带来整个细胞网络的动态演化趋势，所有相关因子、细胞群体都可能沿着偏离正常发育轨迹的方向去演进。但现有模型大多只做“输入扰动—输出结果”的黑箱预测、单点预测，导致许多副作用只能到临床阶段才暴露。

动脉网：行业里很容易把虚拟器官理解成类器官、器官芯片、虚拟细胞的“升级替代”，你怎么定义和这几类技术的关系？

李磊：仿生技术其实是在不同时间线上逐步出现的——最早只能做动物实验和人体临床试验，后来有了类器官、器官芯片，用动物细胞或少量人体干细胞去诱导出细胞球、组织和器官。

虚拟器官和虚拟细胞也不是替代关系，而是从不同层级去解决不同问题。很多复杂疾病不是某一个细胞发生了什么，而是细胞之间、组织微环境、器官系统层面如何变化——比如神经退行性疾病演化涉及不同类型神经细胞交互、组织机械压力、心脏不同区域相互作用等因素。因此，虚拟器官希望更进一步解决：当药物、基因编辑等发生变化，整个器官接下来会发生什么。

从更大的角度来看，随着单细胞、时空组学相关技术和AI的发展，在计算机里构建数字化人体，正在逐渐变成一个可工程化的问题。

璨辰做的就是其中非常关键的一步——把细胞动力学、空间关系和器官发育、衰老和疾病演化结合起来，构建能够随时间推演的系统级虚拟器官。未来它既可以作为独立的计算模型，也可以和类器官、器官芯片等实验体系结合，成为药物研发和生命科学研究中的数字化基础设施。

动脉网：分子－细胞－组织－器官，“系统层面变化”如何实现升维建模？

李磊：我们认为，生命的演化机理是很多细胞相互作用的结果。在组织维度，细胞间互作会构成组织的微观结构，包括互作之后的基因共表达、细胞互作网络等。再上升到器官尺度，器官是由多种组织按一定结构组合、相互联系并协同作用，能够完成特定功能的形态与功能单位。现实场景中器官尺度更多看的是表观功能读数，比如生理指标，或者疾病演化进程中的关键功能性指标。

璨辰的“全尺度”，是希望建立一套从微观机制到宏观表型逐级传递的动态建模体系。关键难点在于，需要建立分子—细胞—组织—器官的跨尺度关联映射。比如最底层分子结构的变化、转录因子表达的上升或下降趋势，能否对应到顶层器官的某个功能性表观读数——进而判断疾病进程与药物反应。

虚拟器官的完整系统会涵盖虚拟细胞的表征与建模。我们用类似文本嵌入的方式学习出细胞的特征向量（如基于细胞类型、基因表达等信息）。但在此基础上，我们叠加了两个维度：

第一，空间位置带来的细胞互作网络。先用层次化图结构来建模，再把细胞、组织维度的特征作为多模态信息融入互作网络。位置靠得比较近的细胞大概率有更强的相互作用，因此我们关注空间转录组测序样本——空间转录组能够在保留空间位置信息的前提下，同时检测组织切片中一定区域内多个细胞（或细胞斑点）的转录组表达信息。基于位置分布，模型就可以建立细胞共表达网络，描述组织尺度微环境的读数，包括网络中相互作用的因果。

第二，时空的动态演化模型。细胞不是静止的，加上时间特征之后，整个图结构就变成一个时序动态图，输出后面连续时刻的细胞在各个尺度上的信息变化趋势——这也是我们做器官级动态推演的底层推进逻辑。

随着时空分辨率的提升，模型内部结构和机制会更加清晰；黑箱模型会转化为可解释模型，进而支持研发决策，契合更多应用场景与需求，比如临床干预时机选择、个性化用药方案等。

动脉网：同样是做扰动预测，璨辰技术范式如何提升可解释性？

李磊：可解释性来自时空动态演化本身——我们能看到系统是怎么一步步演化的。

当前的虚拟模型通常把任务变成分类问题：给一个药物扰动，模型输出有没有药效、有没有毒性。我们的做法是因果驱动——把器官演进的生命机制作为先验注入模型，不是上来就靠 Transformer 堆参数做 scaling law 拟合。

具体实现上，用层次化图结构建模：细胞是节点，空间位置靠得近的细胞有更强互作，就构成边；再叠加分子层、转录因子层、组织层多模态特征，最后把时间维度加进去，变成时序动态图，输出连续时刻的细胞状态、基因表达、空间分布。

举个例子，黑箱模型可以知道“这个分子可能造成肝损伤”，虚拟器官模型希望回答“它在哪些细胞改了哪些通路、怎么通过互作扩散到组织、哪个时间点触发炎症”，后者才是药企做决策需要的信息。

动脉网：高时空、全网络体系的连续动态输出，在底层算法和平台构建上会更复杂吗？

李磊：会更复杂，但也是团队多年科研沉淀、自然跨越的结果。团队在2022到2023年就开始做跨分子、细胞等尺度的时间序列和时空建模，可能是全球最早从单一尺度走向系统级建模的团队之一。在此之前，我们已完成分子层、细胞层的基础模型研究，也较早开展了器官层建模，并率先构建了小鼠等哺乳动物器官的四维时空图谱。

目前团队自研的虚拟器官模型，大多数已经通过湿实验验证，部分工作在顶级会议/期刊审稿阶段。这些工作是全球较早的、真正意义上由AI驱动的器官级虚拟仿真模型——加入扰动后可以连续外推，从早期细胞出发，不断预测细胞分裂、分化、增殖的轨迹，逐步形成完整的组织结构；也可以逐时间点向前推演，并且每个关键节点都有湿实验验证。

动脉网：随着可解释性提高，时空动态模型应用场景是否会扩展到疾病机制、靶点发现等方面？

李磊：璨辰的定位和初心，是做生命科学领域的基础模型。类似于OpenAI早期训练GPT-1、GPT-2，通过大量数据获得语义涌现——scaling law确实是一个很成功的发现。

但生命科学比文本和图像复杂得多。scaling law在拟合上会有效果，短期内也能看到成效，但要真正理解生命机理，必须有对专家系统的深度理解。因此，我们是本着敬畏生命的态度，从生命科学本身的知识和机理出发，去设计创新且合理的AI架构。

动脉网：以药物扰动场景为例，虚拟器官和虚拟细胞提供的价值有什么差异？

李磊：理想化描述下，虚拟细胞是针对药企已有的药物和数据，训练一个分类器，面向不同药物场景。给一家药企做服务时，针对它提供的针对性数据，模型拟合可以做得很好；但遇到新的药物、新的场景，非定制化模型的泛化能力会很有限，通常需要微调。

但虚拟器官的设想是，一个器官模型可以解决涵盖器官相关的用药或疾病研发的各种问题。任何药物作用在模型上，其响应机理与人体真实情况一致。理论上，只要把这个模型建好，可以复用到不同药物、不同场景。这是可解释性和泛化能力的本质差异。

动脉网：构建一个高泛化程度的系统级模型，数据基座是不是更丰富，或范围更广？

李磊：对。璨辰的初心是以匹配生命机制的方式设计模型架构，Transformer会是核心环节之一，但关键在于建模机理本身。系统级建模要求的数据形态是多尺度、多组学、多模态的信息。高泛化模型确实需要更丰富的数据基座，但全球人体数据体量有限、质量分布不均，因此当前必须借助跨物种数据。

动脉网：如何理解跨物种的数据在模拟人类器官中的使用？

李磊：过去生命科学的研究范式基本以动物为切入点，因为动物数据的获取伦理门槛比人体低。在发育、衰老和部分疾病场景中，人和动物非常相似，存在大量同源基因，补位难以获得或缺乏高质量数据的部分。

但这个窗口期是有限的。动物实验成本在涨，一只实验猴的价格已经涨到抵得上一辆小轿车；而且测序本身会破坏生物体，不同场景很难复用；全球范围内对动物实验伦理约束逐步增强。未来大家可能都很难再拿到大量高质量的动物数据——谁先把模型在某个场景里跑得准确、稳定、泛化，同时把黑箱建模变成高度可解释的路径，谁就能占住先机。

动脉网：数据输入模型这一环，璨辰有什么特别的处理？

李磊：生命科学领域的数据不像CV和文本那样任务明确、标准理想。数据规模庞大，且有噪声、稀疏，不同国家、不同测序设备的技术标准也不统一。从原始数据形态到模型之间的设计，行业内并没有拉通。

公司早期技术团队去年在NIPS上发表了国内比较早的虚拟细胞工作，提出“网格学习”策略——不能把图结构直接当作序列塞给Transformer。比如单细胞转录组本质是一张表，每行每列分别反映细胞关系和基因共表达关系，可以规范化为表格输入模型。后来硅谷ARC Institute机构今年上半年推出的全球最大单细胞基础模型Stack，也沿用了这个表格学习策略。

核心逻辑是：先尽可能收集数据，在此基础上真正理解数据，让它以更舒服的方式进入模型，让模型把数据的价值充分挖掘出来。

动脉网：要验证模型的系统级价值，为什么先落虚拟肝脏和虚拟大脑？

李磊：强刚需、高复杂性，这两个场景的系统级缺失是制药和生命科学研究的痛点。

虚拟大脑复杂度最高，也是璨辰团队的先发壁垒。全球做虚拟大脑的团队不多，大脑涉及神经多模态信息、细胞体量最大。同时，神经退行性疾病是系统级问题的极端样本——阿尔茨海默涉及多脑区、多细胞类型、长周期演化，单点靶向屡战屡败。

我们从鼠脑、猴脑迁到人脑，预计今年底到明年初会出第二版大脑模型，覆盖发育、衰老，以及阿尔茨海默、帕金森等疾病的动态演化预测，并将对接药企和重点医院，做药效模拟、治疗方案组合优化。

虚拟肝脏是商业化更快的切口——肝毒性是药企强刚需场景。药物肝毒性是管线死亡高发区，传统动物预测准确率较低。同时，肝脏不是单一靶点问题，是代谢网络、细胞互作、炎症通路的系统反应。

动脉网：目前的动态演化达到了什么精度水平？

李磊：我们目前不会简单用一个“准确率”来定义虚拟器官的能力。以大脑为例，我们已经在空间信息恢复、细胞身份理解和发育动态推演几个关键环节取得了比较明确的结果：

我们更看重的其实是这些数字背后的生物学意义。比如在 Neural Crest发育任务中，模型不仅能预测整体细胞群体分布，还能够恢复晚期 Sympathetic 细胞增加、Dorsal Root Ganglion 细胞减少等真实的发育趋势。

这意味着模型开始从“描述一个器官现在是什么样”，走向“推演这个器官接下来会怎么变化”。

动脉网：特定器官的发育与衰老进程，是否可以应用至抗衰领域？

李磊：本质上，建模器官的时空动态演化，核心是每个细胞的发育轨迹建模。控制细胞衰老演进的进程，理论上可以是找到关键时间节点做模拟，看能否通过单点或组合干预，把相对中后期的细胞类型诱导回更早期、未成熟的状态。这是很值得探索的方向。

目前我们的虚拟肝脏研究里已经涉及衰老和器官再生方向。一方面做药物模拟，另一方面也在推进肝脏衰老相关探索。

动脉网：你如何构思璨辰的商业化模式？

李磊：我们希望客户买的不是软件账号，也不是一次性报告，而是一套围绕特定研发问题、可持续迭代的数字化生命系统：短期是工具化服务，中期沉淀为标准器官模型，长期做多器官协同的人体数字孪生。

从商业化路径来看，我们现阶段会优先从药企和生命科学研发场景切入，比如药物作用机制研究、候选药物评价、疾病进展模拟和干预响应预测等。未来会逐步从单个项目走向标准化的器官模型和平台化产品，再进一步形成多个器官、多个疾病场景之间可以复用的基础能力。

动脉网：当前的合作推进到什么程度了？

李磊：整个生命科学和AI融合生态其实还处在比较早的阶段——不像具身智能有“素材工厂”，现在的数采策略还没跑通和形成标准。这个需要拿到数据、跑完一版模型之后，不断积累经验和临床数据进行优化。

我们的思路是先把虚拟器官作为底层能力，在药物研发等场景中完成充分验证，再逐步进入临床场景。真正大规模验证要放到第三阶段。

目前我们已经在和药企、科研机构以及临床相关团队进行多方面接触和场景验证。我们希望每一个商业案例最终都能沉淀为模型能力和数据资产，而不是简单做一次性的项目交付。

动脉网：国家药监局NAMs先锋计划把AI仿真、类器官、器官芯片并列在试验验证周期里。这对璨辰来说意味着什么？

李磊：首先是肯定——虚拟器官不仅仅是科研工具，而是可以被验证、被评价、被纳入研发决策的，能够真正进入药物研发的评价体系。

我们也持续与监管、产业和行业专家沟通，重点讨论：在什么场景下、用什么标准、经过什么验证，虚拟器官能够成为药物研发中的有效证据。

动脉网：AI最终会替代动物实验吗？

李磊：目前来看，是长期的趋势，但我们并不认为未来AI 模型会取代所有动物实验。更可能的趋势是，AI虚拟器官、类器官、器官芯片和其他人源实验体系共同构成新的NAMs证据体系，让药物研发越来越依赖与人体更接近的模型。FDA也强调不同方法需要在具体应用场景中证明其科学性和适用性。

动脉网：璨辰科技想讲一个怎样的AI故事？

李磊：璨辰科技希望打造的，不是一家以项目交付为主的 AI-CRO，而是以虚拟器官为核心基础设施、以计算实验为核心服务模式的生命科学科技平台，让软件和智能模型成为生命科学研发的新型基础设施。

生命科学正在经历一场大变革：过去我们理解人体，更多依赖实验、动物模型和有限的人体数据；未来，我们希望能够在真实数据和实验基础上，构建可以持续学习、动态推演的数字化生命系统。

数字人体孪生，也正是璨辰想要讲述的AI+生命科学故事。