宋樂在2026夏季達沃斯現場

在大連夏季達沃斯的會場內，GenBio AI 聯合創始人兼首席技術官、MBZUAI 機器學習全職教授宋樂聊起自己這些年的軌跡：從螞蟻金服的金融風控，到百圖生科的蛋白質預訓練，再到硅谷創辦 GenBio AI，用“世界模型”模擬細胞對藥物的反應。

2017 年起，他便與中國互聯網巨頭合作，把深度學習、圖神經網絡和預訓練模型用于金融風控與產品推薦。這些技術和今天的 AI 制藥看似毫無關系，但底層邏輯是相通的：“后面的技術有很多相同點，醫藥行業既有它的特性，也需要對 AI 方法有深層理解，然后有針對性地遷移和創新。”

疫情之后，中美之間的科技合作變得緊張，他最終選擇去硅谷進行虛擬細胞世界模型方向的創業，同時與阿聯酋的穆罕默德·本·扎耶德人工智能大學（MBZUAI）深度合作。這個選擇背后，是他對全球 AI for Science 生態格局的判斷。

虛擬細胞：為世界模型找一個生物宿主

藥物研發的痛點，在宋樂看來，并不只是“設計不出好分子”。更大的瓶頸在于，即使找到了分子，也要反復做濕實驗，去驗證它在疾病細胞，組織，器官甚至個體里到底有沒有效。

“不管是生成模型做的分子，還是傳統方式找到的分子，都要做各種各樣的試驗。中間有個環節，就是驗證它是不是在某種疾病的細胞，比如癌細胞里，有對應的效應。這個濕實驗周期很長。如果還要考慮后面的組織，器官甚至臨床個體，那時間就要10年左右”

GenBio AI 想做的，是用 AI 把細胞，組織，器官甚至臨床個體對藥物的響應變成一場“數字孿生”。這個系統的第一步為虛擬細胞，一個能夠預測細胞在藥物擾動下如何變化的世界模型。它不但可以模擬單個分子，還可以模擬細胞層面的整體反應，從而把大量原本必須濕實驗完成的工作搬到計算機里。

這與當下多數 AI 制藥公司的單點打法不同。宋樂用了一個比喻：“藥物作用在一個靶點上，就像一個個人；但這個人在一個群體里，群體在一個組織里，組織又在一個更大的社會結構里。你想治愈的，不是這個人，而是整個系統。”

因此，虛擬細胞的關鍵不僅僅是預測一個蛋白和一個小分子的結合強度，而是把藥物作用從靶點擴散到細胞、再擴散到細胞的整體狀態。這需要一種系統性的世界觀，而世界模型正是提供這種一致性的工具。

不過，宋樂對它的成熟度保持著清醒。他把現階段的虛擬細胞比作 AlphaFold 1 前夜的時間點：“它展示了世界模型能把事情做得更好，但還沒有做到比現有方法有優勢還不足夠明顯。真正到 AlphaFold 2 甚至 AlphaFold 3 的階段，可能還需要三到五年。”

構建虛擬細胞的三重挑戰

虛擬細胞的雄心，建立在數據和算法兩條腿上。

數據是第一步。宋樂指出，生命科學過去積累的數據雖然多，但往往“像隨機探索美食”，缺乏多樣性和代表性。要訓練一個有泛化能力的世界模型，必須系統性地產生更有針對性的數據。

但數據并非越多越好。他很直白地說：“越多數據越好，但越多數據也意味著越高的成本。” GenBio AI 的研發方向，是在深度模型架構和訓練方式上創新，用更少的數據實現更好的效果。

這就涉及到第二條腿：算法架構。宋樂區分了兩種思維方式。

一種是“快思維”：深度學習擅長直接做像素級、數據驅動的生成，即使沒有真正理解物理規律，也能生成逼真的圖像。另一種是“慢思維”：像中學做物理題那樣，基于符號抽象和已知規律進行推理。虛擬細胞要把兩者結合起來：既要能吸收海量數據做預訓練，又要把生命科學已知的正負反饋、基因調控、蛋白質相互作用等規律通過推理形式融合進去。

此外，為了讓模型能適配不同合作方的細胞類型和疾病數據，GenBio AI 還構建了一套 Virtual Cell Harness 的 Agent 系統。宋樂解釋，大模型本身“不夠聰明，不能長時間運行”，Harness 就像一個外部記憶和自動化工具，幫助世界模型記錄歷史信息、整理上下文，并自動生成代碼來適配新的虛擬細胞。

在產品形態上，這家成立不久的公司仍處于種子階段。他們正與英偉達和多家藥企開展試點合作，英偉達提供計算資源和底層sdk支撐，藥企提供數據和問題，GenBio AI 提供虛擬細胞模型和軟件系統。“我們不需要一千個客戶，現階段更主要的是和 Pharma 做一些 pilot study，從 0 到 1，從 1 到 10。”

AI for Science 的全球地圖

宋樂之所以把公司放在硅谷、把研究合作放在阿聯酋，是基于對不同生態位差異考量。

在他看來，美國/歐美在原創性創新和人才完備度上仍然得天獨厚。“做 AI for Science 的創新探索，以及資本對這種探索的理解，都是最好的。”美國有大量 NeoLabs 式的公司、跨學科培養體系和愿意投入前沿研發的大藥企，計算生物學的畢業生能找到對口工作，這種產業鏈的完整度是中國尚不具備的。

中國真正的優勢是工程師文化。 “很務實，工作也很努力。一旦看到清晰方向，可以集中意志把事情做得更快、更大規模。”宋樂認為，在CRO 服務、管線落地、臨床試驗資源上，中國有明顯的成本和效率優勢。中國成熟的 CRO 產業鏈、龐大的醫院患者資源，都讓藥物后期開發更便宜、更快。但問題在于，很多學生畢業后找不到 AI for Science 的對口工作，反而流向互聯網公司，這會導致原創性人才斷層。

阿聯酋則是一個新興的戰略支點。 得益于王室支持，MBZUAI 由現任總統創辦，宋樂自 2021 年起就在該校任教。阿聯酋還有一個國家戰略級的基因計劃：已測序近 100 萬人的基因組，并與醫療記錄關聯。宋樂希望借此構建“虛擬細胞庫”，為每個人的數據適配一個虛擬細胞，預測藥物對這個人的響應。數據不會離開當地，而是在受控環境中完成適配和微調。

“阿聯酋有點像中東的瑞士，”宋樂說，“比較中立，和中國、美國都比較友好。它在 AI 方面的投資已經能排進世界前五。”

面對這場漫長的技術馬拉松，宋樂保持耐心。他相信虛擬細胞會有自己的“AlphaFold 2 時刻”。未來的某個時刻，模型的準確度突然接近實驗水平，從而替代大量濕實驗。他的保守預測是：大約五年。

而在此之前，GenBio AI 要做的是繼續迭代虛擬細胞與其構建技術，繼續把數據、架構、Agent 和商業化 pilot 打磨清楚。在宋樂眼中，AI 制藥的下一階段，不是再做更好看的分子生成器，而是讓世界模型真正理解生命系統。“讓細胞先活在計算機里”，或許比讓藥物先上市更重要。（本文首發鈦媒體APP，文 | DeepWrite秦報局，作者｜秦聰慧 ）