虚拟细胞已成为人工智能与生物科学交叉领域的热门话题。自去年6月Arc Institute启动虚拟细胞挑战赛以来，吸引了来自世界各地的数千名参赛者。今年的第二届赛事更是显示出强劲的热度，报名人数在短时间内便突破了2500，参赛团队也接近300支。该比赛旨在探讨能否在计算机中模拟出细胞，并利用这些模拟来替代部分真实实验。然而，单独模拟细胞并不能完全反映生命的复杂性。药物在人类体内的作用通常是多层次的，从分子通路的改变到细胞状态，再到组织和器官的功能变化，最终影响到医生所见的医学影像和患者的感受。

目前大多数生命模型依旧各自为政，单细胞、蛋白质及器官的数字孪生各有其系统，幷未形成统一的框架。针对这一问题，复旦大学的王烁教授与香港科技大学的郭毅可教授近期发布了一篇论文，提出了“生命算子”的概念，试图对生命进行更加系统的数学建模。

与现有的“越做越大”模型思路不同，生命算子从基础单元拆解生命计算。在这一框架下，生命被看作一个开放、随机、可控且部分可观测的多尺度动态系统。也就是说，医学和生物学家们观察到的影像数据和生理指标，更像是生命状态的外部信号投射。因此，推演生命过程需要解决三个核心问题：当前状态是什么？接下来会发生什么？变化后我们能观察到什么？

生命算子分为三类：感知算子、演化算子和生成算子。感知算子负责从影像、组学数据和临床记录中推断系统当前状态；演化算子则预测疾病的自然进展及治疗方案的影响；生成算子在假设系统达到某种状态时，负责生成可观察到的结果。这三者形成闭环，可以根据新的检查结果不断进行自我校正。

在不同层次间沟通的“尺度桥”是生命算子的重要设计，它能有效传递细胞和器官模型所需的信息，避免不必要的复杂性。这一机制使得不同尺度的模型可以无缝连接，而不是简单复制整个生命系统。

生命算子并不追求对个体的完美复制，而是针对具体的医学问题寻找有效且可验证的生命状态，从而简化计算过程。此外，模型是动态的，随着新数据的出现，AI能够进行自我更新，并通过独立研究和实证验证保持准确性。这种基于证据的自我进化机制使得模型在科学规律的探索中更为可靠。

目前，该理念的初步成果已经得到了多篇高水平学术期刊的支持，王烁教授的团队在内镜、肾癌和心血管等领域不断积累关键能力。通过将大规模内镜图像与语言模型结合，团队推出了EndoKED系统，能够自动提取并标注相关知识，标志着生命算子构建基础能力的进一步发展。