虚拟细胞（Virtual Cell）被视为AI for Science下一个十年最具想象力的方向之一：在计算机中构建可计算、可预测的细胞模型，用模拟替代部分实验，从而加速药物发现与基础研究。
10月22日，深度细胞（DeepCell）宣布完成近亿元种子轮融资，由多家知名机构联合投资。公司成立于2026年，选择的技术路线是以多尺度物理力学为底层、融合AI模型构建虚拟细胞。
传统细胞生物学研究依赖实验观察与假设驱动，成本高、周期长，且难以完整刻画细胞内多组分、多时间尺度的耦合过程。纯数据驱动的AI模型虽在蛋白质结构预测等领域取得成功，但对细胞内部力学过程缺乏物理约束，泛化能力受限。
深度细胞的做法是在模型中显式引入物理力学规律：从分子层面的相互作用力，到细胞骨架的力学响应，再到细胞群体的组织尺度行为，建立跨尺度的力学描述，并用AI方法求解与加速。
公司方面表示，物理约束为模型提供了先验知识，使其在数据稀疏条件下仍具备可解释性与稳定性，这也是其区别于纯数据驱动路线的核心差异。
团队背景方面，公司创始团队来自国内外知名高校与科研机构，在细胞力学、生物物理与AI交叉领域有长期积累。
商业化路径上，虚拟细胞模型的潜在应用包括：靶点发现与验证、药物毒性预测、细胞培养工艺优化，以及为科研机构提供计算平台与模型服务。
从行业格局看，虚拟细胞已成为全球科研热点。海外已有多个大型计划投入虚拟细胞构建，国内相关布局尚处早期，参与者多为高校课题组与初创公司，产业化路径仍在探索。
技术难点集中在三方面：一是细胞内多尺度过程的耦合建模难度大；二是高质量、标准化的实验数据获取成本高；三是模型验证缺乏统一基准，预测结果难以与实验直接对标。
深度细胞方面表示，将通过自建实验平台与外部合作积累数据，逐步建立可验证的模型基准，推动虚拟细胞从概念走向可用的科研工具。
本轮融资资金将主要用于模型研发、团队扩充与实验平台建设，以及推进与药企、科研机构的合作项目落地。
在AI for Science投资热度分化的背景下，深度细胞获得近亿元种子轮融资，反映出资本对兼具物理建模能力与AI工程能力的交叉型团队的关注。
业内认为，虚拟细胞尚处早期阶段，距离临床与产业级应用仍有较长路径，其价值释放取决于物理模型的准确性、数据积累的速度以及与实验体系的闭环验证能力。
公司表示，后续将聚焦特定细胞类型与疾病场景做深，而非一开始追求全细胞、全尺度的完整模拟，以场景化落地推动技术迭代。
