CellOS 发布：12B 参数单细胞基础模型，首将 JEPA 引入虚拟细胞

百曜科技近日发布全球首个基于 LLM-JEPA 架构的 AI 虚拟细胞世界模型 CellOS（AURA CellOS）。该模型以约 3.905 亿个人类单细胞转录组数据训练而成，参数规模达 120 亿，是目前公开报道中参数最大的单细胞基础模型，覆盖 40 余种人体组织、260 余种细胞类型。CellOS 的核心创新是将 LeCun 提出的 JEPA（联合嵌入预测架构）与世界模型理念系统性引入单细胞研究，目标是让 AI 从「看懂细胞表达」走向「理解细胞状态演化」。

技术背景：AIVC 的范式瓶颈

AI 虚拟细胞（AIVC）旨在用计算模型预测细胞在药物、基因扰动等刺激下的动态变化，是 AI for Science 近年最受关注的方向之一。2024 年 12 月，斯坦福大学、基因泰克与陈—扎克伯格基金会联合团队在《Cell》发表的论文，被视为 AIVC 时代正式开启的标志。

此前已问世的 Geneformer、scGPT、scFoundation、GeneCompass 等模型虽能完成细胞类型识别等基础任务，但在敲除基因、给药或诱导分化等动态预测任务上仍存在明显局限。核心原因在于，这些模型的训练目标是复现基因表达模式本身，而非学习细胞状态变化的内在机制，难以区分背景噪声与关键驱动信号。

更值得注意的是，2026 年 6 月《Nature Methods》刊发的一项研究显示，在 2220 万细胞的 scTab 语料库上预训练 400 个模型、完成 6400 次评估后，模型性能在使用约 1% 的预训练数据（约 22 万细胞）后便进入平台期。这表明，第一代 AIVC 模型的瓶颈并非数据规模，而是传统语言模型架构与细胞数据特性之间的系统性错配。

CellOS 的三大创新

CellOS 没有沿用主流 LLM 路线，而是选择了与 Yann LeCun 世界模型理念一致的 JEPA 路线，核心技术由三部分组成。

• 多视角表征学习：在传统「表达视角」（基因活跃程度）之外，引入「群体感知视角」（基因在群体中的特异性）。两套视角并行分析，使模型对调控基因、应激响应基因等低表达但关键的生物学信号更敏感。
• JEPA 联合嵌入预测：模型不再要求复述输入，而是用一种视角的表征去预测另一种视角的结果，迫使其在隐空间建立「细胞状态的内在模型」。这一设计将模型能力从「看懂表面」升级到「理解本质」，尤其提升了对扰动响应的预测能力。
• 无损扩容训练方案：先训练扎实的中小型稠密模型，再以平滑方式升级为 MoE 架构，在保留原有知识的同时引入更多专家模块，避免灾难性遗忘。

配合上述创新，CellOS 采用 Dense-to-MoE 三阶段训练策略：先用表达视角训练稠密模型，再扩容至 12B 参数规模，最后加入群体感知视角并启动 JEPA 对齐训练。

基准表现

在多个基准测试中，CellOS 达到 SOTA 水平：

• 在衡量细胞状态预测能力的核心指标 Pearson_edist 上取得 0.619，是唯一突破 0.6 的模型，较开源最强模型 TranscriptFormer 的 0.373 领先约 66%。
• 在细胞状态注释任务的聚合注释基准上取得 0.792 的生物学保守分数，全面超越 UCE、scGPT、TranscriptFormer 等主流单细胞基础模型。

行业格局与竞争

AIVC 赛道在过去两年快速升温。2025 年 6 月，Arc Institute 发起虚拟细胞挑战赛（VCC），吸引英伟达、10x Genomics 等机构赞助，被视为「细胞版的图灵测试」，全球 500 余支团队参赛，华人科学家团队表现突出。

从玩家结构看，行业已分化出三类核心力量：一是以 Arc Institute、同济大学等为代表的基础研究团队，推动算法创新与公开 Benchmark 建设；二是以 Xaira、Noetik、百曜科技等为代表的平台型创业公司，拥有专有数据、湿实验平台与药企合作能力；三是以 Recursion、Isomorphic Labs 等为代表的 AI 制药公司，关注 AI 如何直接进入药物研发流程。

监管层面，美国 FDA 持续推动 New Approach Methodologies（NAMs），鼓励计算模型、类器官等新方法补充或替代部分动物实验；国内也已将「细胞编程与调控」「先进组学研究」列为前沿攻关方向。百曜科技作为中国原生的 AI 生物科技公司，其 CellOS 是中国团队从「跟随者」转向「规则参与者」的代表性进展之一。