无界进化完成超亿元Pre-A轮融资,将推进AI4S平台与虚拟细胞模型研发

模型可以在实验前预测药物或基因干预引起的细胞变化,并以此推测药物在更复杂生物系统,包括动物及人体内的效果,帮助研究者筛选候选分子、比较潜在靶点,并确定实验优先级。

以虚拟细胞与递归科学发现为核心的AI for Science企业无界进化(INFevo)宣布完成超亿元Pre-A轮融资。本轮融资由星连资本、Prosperity7 Ventures、华盖资本、华控基金及德同资本等机构联合投资,老股东顺为资本、红杉中国和松禾资本继续追加投资。这是无界进化继2026年6月完成数千万元天使轮融资后,五个月内完成的第二轮融资,公司称该笔融资刷新中国虚拟细胞企业单笔融资金额纪录。

无界进化表示,本轮资金将用于加快AI4S基础设施建设,推动细胞响应预测、科学假说检验与高通量自动化实验反馈的深度协同,打造覆盖“靶点发现—虚拟筛选—临床方案优化”的全链路AI生物学平台,加速前沿计算向疾病精准干预与创新临床疗法的转化。

AI在生物医药领域的应用正从分子设计拓展至细胞及系统生物学层面的动态研究,以更高效地探索药物、基因等干预如何改变复杂的生命系统。但随着探索空间呈指数级扩大,计算端生成假说的能力与传统湿实验验证能力之间出现效率与通量错配。面对湿实验验证瓶颈,AI驱动的虚拟细胞模型及高通量自动化实验室被视为破局的关键技术路径之一。模型可在实验前预测药物或基因干预引起的细胞变化,并据此推测其在动物及人体等更复杂生物系统中的效果,帮助研究者筛选候选分子、比较潜在靶点并确定实验优先级,使有限的实验资源集中于更具价值的方向,从而提升早期发现的转化效率。

在效率提升之外,科研体系的深层瓶颈同样受到关注:科学发现过程中形成的知识、分析方法和负结果经验往往散落、流失在孤立项目中,难以沉淀为可复用的组织资产,导致科研探索长期陷于低效的重复试错。如何让这些中间研究成果突破孤岛、实现规模化积累,并持续用于模型迭代、假说生成和实验设计与验证,成为AI4S从单点效率提升走向系统性发现能力跃迁的关键。

针对这一问题,无界进化提出递归科学发现(Recursive scientific discovery,RSD)理念。递归自我提升(Recursive self-improvement,RSI)聚焦AI系统自身的能力改进,RSD则将持续提升延伸至科学发现的全过程。该体系通过对科学问题、假说推演、分析方法与实验结果进行结构化留存、关联和复用,使记录的证据与经验持续驱动后续的假说生成、实验设计和候选筛选。

基于RSD框架,无界进化构建了“AI基础大模型+高通量自动化实验”的双驱闭环体系。一端是覆盖细胞多组学的自研基础大模型OCOO,用于预测药物、基因等干预引起的细胞响应;另一端是涵盖细胞培养、扰动和多组学检测的自动化湿实验体系,用于检验关键预测并产生新数据。模型辅助确定更具潜力的实验方向,实验结果则用于检验预测、改进模型并指导后续研究,二者通过统一的数据与研究产物管理机制衔接。

在模型研发方面,无界进化已发布OCOO系列中基于转录组数据的虚拟细胞基础模型OCOO-T,直接对细胞在各类扰动下的基因表达变化进行建模,以简洁、可扩展的模型架构实现跨扰动类型的统一建模。在Tahoe100M、Replogle和PBMC三大单细胞扰动权威基准的同条件评测中,OCOO-T均取得行业领先表现,为其用于模拟真实扰动生物学、支撑靶点发现与早期药效评价奠定基础。公司称,成立数月内已在靶点发现、虚拟筛选与临床前评估等核心场景取得相关成果,推动能力从模型研发走向真实研究场景。

从行业层面看,AI4S正从分子生成类工具向细胞与系统层面的动态建模延伸,虚拟细胞模型与自动化实验平台的结合,正在成为提升早期药物发现通量的重要方向。无界进化在五个月内连续完成两轮融资,反映出资本对虚拟细胞赛道底层模型能力与实验闭环建设的持续关注。其RSD框架能否将分散的科研中间产物转化为可复用的组织资产,并在真实研发流程中形成稳定的预测与验证循环,将决定这一平台从技术演示走向规模化科学发现的实际成效。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
SK海力士联合政府建共享测试基地 Trinity Fab,五年供应链投入 1.4 万亿韩元
上一篇 7小时前
小马智行与丰田第七代铂智4X Robotaxi在广州开启示范运营
下一篇 5小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部