如果想要知道问题的答案，传统实验生物学的路径并不轻松：科研人员需要搭建实验组、培养细胞、施加扰动，再依托测序、显微成像与统计学分析进行验证，整个流程动辄耗费数日乃至数周。而现在，越来越多科研团队选择在湿实验启动之前，先用人工智能提前推演细胞的响应结果。
这便是当下热度持续走高的人工智能细胞模型（AI Virtual Cell，AIVC），也常被称作虚拟细胞。
2026 年被普遍称为 AIVC 商业化元年，截至 2026 年 8 月底，全球 AIVC 领域融资总规模已突破 30 亿美元。
国内 AIVC 赛道融资吸引众多产业资本与顶尖机构入场，海外 Xaira 成立之初便获 10 亿美元承诺资本，今年 1 月，Noetik 与 GSK 达成该领域首个药企授权交易，后者获得了前者虚拟细胞基础模型在非小细胞肺癌、结直肠癌领域的非独家使用权，交易含 5000 万美元预付款 + 里程碑，后续另付年度订阅费。
但全球资本热度之下，AIVC 走向商业化仍存在行业公认的堵点。
当前，现有单细胞方案普遍受限于通量有限、单位细胞数据获取成本高、流程复杂及批次一致性不足等瓶颈，数据难以规模化积累，也难以实现跨中心、跨批次对齐，致使单细胞数据长期停留在 " 科研级获取 " 阶段，药物研发中最关键的阴性结果尤为稀缺，难以形成支撑 AI 训练的 " 工业级供给 "。
有机构研报指出，当前可用的高质量带标签扰动数据集相比理论需求还差约 1000 倍，自建实验平台生产干预 / 扰动数据，已成为下一代 AI 模型竞争的必要条件，这也意味着 AIVC 领域的竞赛重心已从模型架构的比拼，转向底层数据供给能力的争夺。
《科创板日报》记者从第九届进博会上了解到，华大智造（688114.SH）发布了国内首款单次运行可获取超过百万个有效细胞数据的单细胞产品—— DNBelab C 系列 C6 单细胞 RNA 文库制备试剂盒套装（以下简称 "C6"），瞄准的正是上述的 AIVC 的高质量数据缺口。
具体来看，C6 标准版可支持 96 个样本标记，定制化版本最多可支持 384 种样本标记，单批次细胞处理规模可达 100 万至 1,000 万级，并可支撑最多 384 种不同样本类型混样，依托标签特异性扩增调节各样本的文库产出，减少样本间数据量失衡，同时支持全长转录本和长链非编码 RNA 等转录本捕获。
华大智造首席运营官蒋慧表示："C6 为连接湿实验的数据生产能力与 AI 的建模预测能力、形成干湿闭环，提供规模化、标准化的高质量细胞数据，推动细胞模型从静态的生命图谱走向可计算、可预测、可验证的动态生命模型。"
数据底座先行，先是把产业起点向前推进了一大步，真正决定 AIVC 进度的，是高质量数据能否实现稳定、标准化的持续供给，而这最终要落回实验端的工具与流程上来。
对此，华大智造子公司涌生智能与艾凯生物拟共同出资设立合资公司，将依托 AI 原生自进化细胞培养与表征设备，建立干湿闭环，让模型从实验中学习，让实验从预测中获得方向，逐步构建 AI 驱动的干细胞数字孪生，进一步切入 AIVC 的疗法与制造。
放到行业坐标系里看，这场合作回应的是两个长期命题：一方面通过降低制备成本与污染风险、提升批次一致性，推动细胞制备走向标准化与规模化，让先进的细胞疗法离患者更近一步；另一方面以高质量、可追溯的单细胞数据和经过验证的模型，降低研发的试错成本，让每一轮实验都更有确定性。
在 AI 制药迈向规模商业化的普遍预期之下，多家券商研报将率先把 AIVC 实验端做成基础设施的华大智造列为该领域数据与工具环节的核心受益标的，认为其有望成为这一轮生命科学智能化周期中最先兑现红利的一方。
