把找靶点改成推状态，同济团队创业

过去十年 AI 制药的主流做法，是拿一把已知的锁去找钥匙：先定靶点，再筛能结合的分子。问题是，很多复杂疾病根本没有一把对应的锁。

一、发生了什么

据智东西 10 月 30 日报道，扰动之心（PerturbMind AI）宣布完成数千万元天使轮及天使+轮融资，清松资本领投，同杨基金及多家药企跟投，正式走出隐匿模式。公司创始人兼 CEO 啜国晖博士出自同济大学数字生命智能体实验室，首席科学家刘琦是同济大学教授、该实验室负责人。

同一时间它发布了虚拟细胞状态推演模型 AlphaCell 1.0 Pro。标准参数量 1B，可以往下裁到 300M 做轻量版，供医院和中小药企私有化部署；也可以往上扩到 50B，面向大型跨国药企做复杂场景的推演。这个系列今年 3 月 5 日先在预印本平台发过一版，这次是升级版。

技术路线和主流 AIDD 的区别在建模对象。主流做法围绕已知靶点做分子设计，它想做的是把细胞状态和外部干预放进同一个模型，学习生命系统在不同条件下怎么迁移，再推演某种干预会带来什么系统性变化。底层是三块：扰动组学提供数据，几何深度学习把生物数据映射到隐空间，几何世界模型学习状态怎么变。

商业化上，它计划做端侧订阅、私有化部署和研发管线共建三条线，并称已与一家国内头部国产芯片企业签了战略合作，引擎完成了国产 GPU 的全栈适配。

二、跟你有什么关系

药企的研发负责人：这条路补的是「复杂疾病机制不清」的场景，不是替代现有的分子筛选。短期能用的地方是靶点发现和适应症扩展的前期探索。

做 AI for Science 的创业者：它的融资结构值得看——产业方跟投（多家药企），说明有人愿意用真实管线给它做验证场景。这比纯财务投资更有信息量。

普通读者：别急着把「虚拟细胞」理解成能替代实验。模型输出的是假设，不是结论。

三、怎么判断这类公司

1. 看验证闭环有没有闭合。刘琦的说法是靠实验验证和数据反馈形成循环。要问的是：过去一年有多少条模型预测被湿实验证实，命中率多少。

1. 看数据从哪来。扰动组学数据公开集有限，自建数据靠合作。合作方名单里有没有真实的湿实验能力，决定了模型能不能持续迭代。

1. 看客户是「共建」还是「采购」。管线共建听起来体面，但收入确认慢，且容易被单一客户绑死。

1. 看它自己怎么定义成功。如果三年内的目标是「发现一个新靶点并进入临床前」，那是可检验的；如果说的是「建成生命系统的基础模型」，那基本没法验收。

四、三个别信的说法

「世界模型能理解生命系统。」 现在能做的是在观测数据覆盖的范围内推演状态变化，超出分布的部分没有依据。生命系统的变量维度远高于自动驾驶或机器人，别把类比当能力。

「参数越大效果越好。」 这家公司自己就明确说，生命科学领域未必适用通用大模型的规模定律，它在找参数量的甜点。这个态度比喊万亿参数可信，但也意味着它的天花板要靠架构创新，不是堆卡。

「发过 Nature 子刊就等于产品可用。」 团队确实有论文积累，也和罗氏、阿斯利康、药明康德这类企业合作过。但论文指标和药企的实际决策链之间隔着很长一段，这段路只能靠项目一个个走。

五、一句话结论

从「找钥匙」改成「推状态」，方向是对的；能不能成立，取决于它敢不敢公布预测被实验证伪的比例。

信息来源

• 智东西：扰动之心完成数千万元融资并发布 AlphaCell，2026 年 10 月 30 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。