当下，AI与生物医疗行业，在资本市场是最热的两个赛道，而当AI与生物医疗快速融合，资本的热情更加空前。在该赛道，不断诞生现象级的巨额融资，甚至一些项目刚起步，融资额就站上高位。如2026年5月，由诺贝尔奖得主创办、谷歌母公司Alphabet旗下的公司Isomorphic Labs，完成了21亿美元的B轮融资，创下全球AI制药行业单笔融资最高纪录；再如Chai Discovery：这家成立仅18个月的公司，在2026年7月完成4亿美元的C轮融资，估值飙升至38亿美元。还有华深智药这家中美合资的AI生物科技公司在2026年3月融资7.87亿美元。在国内，资本同样热情，2026年6月，科晖制药完成近1亿元A轮融资；8月，哲源科技完成近2亿元A2轮融资；而今日，专注于“AI+物理”的药物研发的深度细胞种子轮就拿了近亿元，领投方中科创星、顺禧基金、千骥资本，个个是业内顶尖的名字。深度细胞什么来头？它到底在做什么？我们一起来看看。

故事的主角，是陈新栋博士

在清华园的实验室里，师从力学系冯西桥院士的陈新栋，一待就是十年。他的研究领域很特别，横跨了从量子尺度的分子力，到分子动力学模拟，再到整个细胞尺度的物理建模。在别人看来，这或许是三个不相干的学科，但在陈新栋眼中，它们指向同一个本质。

“AI制药和AI生命科学的核心是准确地理解分子相互作用，相互作用的本质是物理力。”

这句话，是深度细胞诞生的原点。

彼时的AI制药界，正被一个巨大的瓶颈所困扰。主流的AI模型大多依赖海量数据，通过“学习”历史样本来预测新分子。可生命是一个由力、能量和运动驱动的动态系统。当模型面对从未见过的新型靶点、复杂的难成药体系时，仅仅依靠数据的相关性，预测的精度便大打折扣。

陈新栋意识到，问题出在模型“只知其然，不知其所以然”。它们看到了数据，却不理解数据背后的物理规律。

于是，一个大胆的想法在他心中萌生：为什么不给AI装上“物理大脑”呢？

他设想构建一个全新的分子设计平台，这个平台的核心，是一个能够理解分子相互作用的智能基座模型。它不是简单地在AI外面套一层物理公式，而是将分子物理、能量变化、构象动力学这些底层机制，转化为模型内在的、可学习的约束。这样一来，AI在学习海量数据的同时，也能逐步形成对生命分子规律的本质理解。

但陈新栋的野心不止于此。他深知，疾病从来不是单一靶点的问题，而是细胞内无数分子在特定环境下共同演化的结果。所以，除了在分子层面“求深”，他还想在系统层面“求广”。

他要打造一个“虚拟细胞”。这个虚拟细胞，会以多组学数据和分子物理为双轮驱动，不仅能描述细胞“是什么状态”，更能解释“为什么”会变成这个状态。它要打通从分子到通路、从细胞局部到整体、从药物作用到疾病表型的完整链路。

陈新栋把这个想法分享给了志同道合的伙伴，徐世浩博士等人与他并肩而立。他们相信，AI不该只是拟合历史的工具，而应成为能够理解生命、探索未知并持续自我进化的全新科研主体。

这个源自清华实验室、横跨力学与生命科学的梦想，最终凝结成了“深度细胞”。

资本的热情，正是对这种“AI+物理”全新范式的投票。他们投的不仅是一个团队，更是一个有望突破当前AI制药精度和泛化能力边界、从底层逻辑上改写药物研发规则的可能性

给AI装上“物理大脑，构建“虚拟细胞”世界

AI制药，是当下最火热的赛道，放眼全球，资本已向这个赛道倾注了超过200亿美元，主流的AI制药模型也取得了令人瞩目的成就。然而，一个根本性的瓶颈正日益成为整个行业的共识：生命并非简单静态的数据集合，而是由力、能量、运动和多种相互作用共同驱动的动态系统。

当这些“数据驱动”的AI模型面对训练数据中从未出现过的新型分子、结构未知的难成药靶点时，单纯依赖历史数据的相关性，往往难以保证预测的精度。它们能告诉你“是什么”，却无法回答“为什么”。

这正是深度细胞要解决的核心问题。他们的目标，是创造能够理解生命、探索未知并持续自我进化的通用人工智能，让AI从一个“拟合历史数据”的工具，进化为能够“探索未知生命空间”的新型科研主体。

为此，深度细胞选择了一条独特的路径，同时走向两个极致：

极致求“深”：给AI装上“物理大脑”

第一步，是解决AI“知其然不知其所以然”的问题。深度细胞的解法是，构建一个以分子相互作用智能基座模型为核心的高精度分子设计平台。

这个平台的关键在于“融合”。它不是简单地在AI模型外面套一层物理公式，而是将分子物理、能量变化、构象动力学这些底层机制，转化为模型内在的、可学习的约束。换句话说，他们是在给AI装上“物理大脑”。

这样一来，AI在学习海量数据的同时，能够逐步形成对分子相互作用规律的本质理解。它的目标，是突破当前模型的精度和泛化能力的边界，去解决那些更接近药物研发本质的问题：

• 如何预测从未出现过的生物分子相互作用？

• 如何攻克传统模型难以处理的难成药靶点？

• 如何让设计出的分子不仅“结构合理”，更具备可验证的细胞功能和真正的成药潜力？

极致求“广”：构建“虚拟细胞”世界

然而，只懂分子还不够。疾病从来不是由单一靶点或通路决定的，而是细胞内无数分子在特定环境下共同演化的结果。

许多现有的虚拟细胞模型，能通过数据学习细胞状态之间的统计映射，却往往难以回答 “这些状态为什么发生”  “干预其中一个环节后，整个系统将如何响应” 等更深层次的问题。

因此，深度细胞的第二步，是构建一个能够理解疾病机制的虚拟细胞世界模型。这个模型以“多组学数据”与“分子物理”为双轮驱动，形成一个覆盖 “多组学—结构—相互作用—能量—动力学—功能” 的统一学习框架。

在这个框架下，组学数据负责描述细胞“是什么状态”，而分子物理机制则负责解释“为什么”会变成这个状态。它的目标是打通从分子到通路、从细胞局部到整体、从药物作用到疾病表型的完整链路。

“求深”与“求广”并非两个独立的目标，而是一个紧密咬合的闭环。分子相互作用模型是底层的“引擎”，提供微观机制的精准解释；虚拟细胞模型是更高尺度的“应用和推演系统”，提供疾病的宏观背景和干预目标。而实验结果会再反向输入，去训练和优化底层的分子模型，形成一个自我进化的飞轮。

这就是深度细胞在做的事：从分子物理的底层逻辑出发，构建一个能够理解、模拟甚至预测生命行为的“虚拟细胞”，最终实现AI在生命科学领域的自我进化。 他们试图回答的，是AI制药从“数据拟合”到“理解生命”这一范式跨越中最核心的问题。