允中 发自 凹非寺
量子位 | 公众号 QbitAI
虚拟细胞，已经成为AI与生物交叉领域最火热的方向之一。
去年6月，Arc Institute发起虚拟细胞挑战赛，吸引了来自114个国家的5000多名注册者和1200多支参赛队伍角逐；今年第二届赛事热度更高，从8月20日正式开赛，仅一周，全球报名人数已突破2500人，近300支团队已经上榜竞技。
比赛问题很直接：能不能先在计算机里“养”出一个细胞，然后用它替代一部分真实实验？这就是虚拟细胞（AI Virtual Cell），也就是AIVC想做的事情。
但问题也恰恰出在这里。
人不是一个细胞。一种药进入人体之后，可能先改变分子通路，接着影响细胞状态，再改变组织微环境，最后传导到器官功能，才变成医生看到的一张CT、一段心电图，或者患者真正感受到的症状。
也就是说生命不是单尺度运行的，它是一套从细胞、组织、器官到人体层层耦合的系统。
可现在，大多数模型仍然各算各的。做单细胞的停在单细胞，做蛋白的停在蛋白，做器官数字孪生的又是另一套体系。
所以，AIVC之后还有一个更难的问题：如果细胞已经可以被模拟，那么整个生命系统怎么计算？
今天，复旦大学上海医学院王烁与香港科技大学郭毅可教授发布了一篇预印本，尝试系统性地回答这个问题。
他们给出的方案是：生命算子（Life Operators）。
生命算子的思路和现在流行的“把模型越做越大”不太一样。团队先做了一件更基础的事：把生命计算拆成可以组合的基础单元。
在这套框架里，生命被看成一个开放、随机、受控、部分可观测的多尺度动力系统。
换句话说，我们平时真正看到的，其实不是“生命状态”本身。
医生看到的是CT、MRI、化验结果和病历，生物学家看到的是基因表达、蛋白和细胞形态，这些更像是生命内部状态投射出来的信号。
所以，要想真正推演生命，至少要回答三个问题：现在是什么状态？接下来会怎么变？变化以后，我们会看到什么？
△未来医学需要全尺度生命建模于是，生命算子被拆成三类。
第一类是感知算子（Perception Operator），负责从影像、组学、心电、病历这些外部观测里，反推出系统当前真正处于什么状态。
第二类是演化算子（Evolution Operator），负责向前推演：疾病如果自然发展，会怎样？换一种药、换一个剂量、换一种器械，又会怎样？它要回答的，其实是医疗里最难的那个问题：“如果这样做，接下来会发生什么？”
第三类是生成算子（Generation Operator），假设系统真的进入某种状态，它负责再生成对应的影像、波形、病理表现和临床结果。
△三类算子示意图三类算子连起来，就形成一个闭环。从观测重建状态，从状态推演未来，再从未来生成能够被观察到的结果。新的检查结果来了，系统再回来校准自己。
但真正麻烦的问题还在后面：细胞、组织、器官各有各的模型，它们怎么说同一种“语言”？
生命算子为此设计了一个尺度桥（Scale Bridge），类似于不同尺度之间的“翻译器”。
细胞模型不需要把全部细节都传给器官模型，只需要传递器官真正需要的信息，比如材料参数、源项、边界条件或者概率约束。
反过来，器官层面的压力、负荷和药物暴露，也可以再传回组织和细胞。
于是，不同尺度第一次有机会真正接起来，这些算子最后会被组装成一张Life Operator Graph。
△生命算子试图统一全尺度生命建模但这张图并不是越大越好。
比如只是预测一种心脏器械植入后的效果，就没必要从DNA一路模拟到整个人体。系统只调用这个任务真正需要的那几个尺度。
能少算，就不多算。生命算子追求的并不是1:1复制一个人，而是针对具体医学问题，找到足够有效、同时能够被验证的那部分生命状态。
而且算子不是写死的。新数据出现以后，AI可以提出新版本，再用独立数据、前瞻性研究甚至真实实验去验证。
验证通过，就升级；证据不足，就限制使用。被新证据推翻，就休眠或者淘汰。
团队把这套机制称为：证据驱动的自进化。
不是让AI自己“想象”科学规律，而是让模型在新证据里不断接受考试，这样生命算子就有了自进化的机制。
今天正式提出的“生命算子”，它的背后技术其实已经酝酿多年。过去的几年间，王烁团队已经在消化内镜、肾癌、心血管等领域陆续搭建起不少关键能力。
先是内镜。团队提出EndoKED，把大语言模型和视觉模型接起来，从大规模内镜图文记录中自动提取知识，再进一步形成像素级标注。
研究使用了约100万张多中心内镜图像，并发表于Nature Biomedical Engineering。这篇工作王烁是第一作者，郭毅可教授是资深作者。
放到今天生命算子的框架里看，这很像一种早期的感知算子：从杂乱的临床观测里，把真正有意义的信息提出来。
另一篇罕见病灶的生成算子工作也已经被Nature Communications接收，即将上线。
△消化内镜数据自动标注工作EndoKED后是肾癌。团队于2025年和2026年接连在Nature Communications发表论文，其中专病基础模型RenalCLIP，覆盖8809名患者和27866次CT扫描。
同一个模型不再只做一个影像分类任务，而是同时用于解剖评估、诊断、侵袭性分层和预后分析。模型开始从“识别一个病灶”，走向“理解一个疾病状态”。
到了心脏，问题又向前走了一步。团队参与研发的MeshHeart在2025年发表于Nature Machine Intelligence。
它把高维、不断变化的三维心脏压缩到一个潜在状态空间，再学习个体化心脏运动如何随时间演化。从静态识别，开始走向动态推演。
再加上团队此前参与的Nature Medicine大规模人群心脏表型研究，一条路线逐渐清晰：
- 先从临床信号中感知状态；
- 再学习状态如何发生演化；
- 最后重新生成个体化可观测结果。
过去，这些能力散落在不同论文里。现在，团队想把它们重新整理成一套可以重复调用的东西：生命算子库。
不同于其他研究，论文发表完通常就意味着结束了。算子一旦经过验证，就可以被重新封装成模块，进入下一种疾病、下一种器械，甚至下一个尺度继续使用。
科研成果开始从“论文资产”，变成“计算资产”和通往医疗超级智能的基础设施。
“生命算子”，名字虽然是新的，但王烁在这条路上，其实已经走了15年。
2010年，他凭借高中数学/物理/信息三门竞赛获奖，保送进入复旦大学理论与应用力学专业。
那时候没有今天的生成式AI和AI4Science热潮。他每天接触的是方程、边界条件和数值计算。简单来说：怎么把一个复杂系统，写成可以计算的东西。
后来，他去了剑桥大学攻读放射学博士，研究对象从传统力学系统变成了心血管系统。
一张心脏影像，表面上看到的是结构。但结构背后其实还有运动、应力、血流和电传导。心脏不只是一个“长什么样”的器官，它本身就是一个复杂动力系统。
博士毕业后，王烁先后在剑桥大学应用数学与理论物理系、帝国理工学院数据科学研究所继续开展人工智能研究。
然后就这么一路从力学，到应用数学，再到医学影像和人工智能。
在帝国理工期间，他遇到合作导师郭毅可教授。他们一个偏机理建模，一个偏数据驱动。两人的交集，刚好落在今天AI for Science最核心的问题上：
方程和神经网络，能不能放进同一套科学体系？
△复旦大学上海医学院王烁暑期讲授医学世界模型2021年，王烁回到复旦大学上海医学院组建团队，此后双方一直保持合作。今天发布的生命算子，可以看作这条研究路线第一次被系统写成一个统一框架。
而王烁也把自己的团队定位为NeoLab。背后的想法很简单：实验室不只是发表论文，也开始自己构建模型、数据和算子，甚至直接把科研成果做成产业未来的基础设施。
论文之外，生命算子已经开始往工程端走。
2025年，在复旦孵化支持下，作为上海国资公益基金首批资助项目获得者，王烁发起成立上海全晓得医疗科技有限公司。公司的第一个旗舰项目叫：Cardio-World。
为什么第一站选心脏？
因为心脏几乎是一个天然的“跨尺度”考场：
- 往下，有细胞电活动；
- 往上，是心肌组织的收缩和形变；
- 再往上，是整个心脏的泵血；
- 同时还有血流、电生理、材料力学，以及最终的临床结局。
它们不是彼此独立的，而是一环扣一环。这正适合拿来测试生命算子到底能不能把不同尺度真正接起来。
目前，Cardio-World已经完成底层框架搭建和核心算子的原型开发。团队正在把过去积累的心脏模型，重新放回生命算子的统一框架里，变成可以组合、替换和复用的模块。
他们最终想做的，不是一个“会生成心脏视频”的渲染式世界模型，而是一套真正可以回答干预问题的心脏计算系统。
比如：换一种药物，会怎样？改变一个结构参数，会怎样？换一种器械治疗，又会怎样？在真正进入人体之前，先在模型里跑一遍。走通之后，就可以用于“一人一药”的设计。
这也是全晓得目前瞄准的优先方向之一：虚拟临床。
当然，虚拟临床并不是替代真实临床试验。更现实的用途，是先在计算机里筛掉一部分明显不合适的参数和方案，把真正需要进入动物实验或者临床试验的空间缩小。对于药企和器械公司来说，这意味着更少的试错，和更高的临床试验成功率。
按照团队规划，Cardio-World将在2026年底继续完成完整版本迭代，逐步覆盖药物、器械和个体化治疗等场景。
而这套以生命算子为基础设施的Cardio-World思路，也在今年8月的科学智能大会上亮相。
△全晓得医疗亮相2026科学智能大会AIVC让AI开始认真回答：一个细胞能不能被计算？
生命算子继续往前追问了一步：如果细胞可以算，那么组织、器官和人体之间，能不能也接起来？
过去十年，医疗AI越来越擅长告诉医生：“我看到了什么。”
下一步，它需要回答：“接下来会发生什么？”
再往前一步，则是：“如果我们现在做点什么，未来会被改变成什么样？”
这件事的意义，不仅仅是多做一个模型这么简单，更是重新定义生命计算的基本逻辑，让人类更接近窥视“造物主”的能力。
对科研而言，它可能是一种新的生命建模框架。对产业而言，它可能是一套贯通药物研发、器械创新、临床决策的底层基础设施。
让生命可推演，让医疗智能超进化。这场比AIVC更长的竞赛，才刚刚开始。
*本文系量子位获授权刊载，观点仅为原作者所有。