Unbounded Evolution hat eine Pre-A-Finanzierungsrunde im Volumen von mehr als 100 Millionen Yuan abgeschlossen und rekonstruiert den geschlossenen Kreislauf aus trockener und nasser Forschung in den Biowissenschaften durch das Konzept der „rekursiven wissenschaftlichen Entdeckung“ | Portfolio-News von Xinglian
Heute hat INFevo, ein Unternehmen für AI for Science (Intelligente Wissenschaft, AI4S) mit Fokus auf virtuelle Zellen und rekursiven wissenschaftlichen Entdeckungen, den Abschluss einer Pre-A-Finanzierungsrunde im Wert von über 100 Millionen Yuan bekanntgegeben und damit den Rekord für die höchste Einzel-Finanzierungssumme eines chinesischen Unternehmens für virtuelle Zellen aufgestellt. Diese Runde wurde gemeinsam von Institutionen wie Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund und Detong Capital investiert, während die Altaktionäre Shunwei Capital, HSG und Songhe Capital weitere Investitionen tätigten. Dies ist die zweite Finanzierungsrunde des Unternehmens innerhalb von fünf Monaten nach Abschluss einer Engelsfinanzierung in Höhe von mehreren zehn Millionen Yuan im Juni 2026. Die Mittel werden den Aufbau der AI4S-Infrastruktur des Unternehmens beschleunigen, die tiefe Zusammenarbeit von zellulärer Reaktionsvorhersage, wissenschaftlicher Hypothesenprüfung und Hochdurchsatz-automatisierter Experimentierrückkopplung fördern, eine vollständige Kette von AI-Biologieplattformen aufbauen, die „Zielentdeckung – Virtuelles Screening – Optimierung klinischer Verfahren“ abdeckt, und die Umwandlung fortschrittlicher Berechnung in präzise Krankheitsinterventionen und innovative klinische Therapien beschleunigen.
Mit „rekursiven wissenschaftlichen Entdeckungen“ den geschlossenen Doppelkreislauf aus „Großmodell + automatisierten Experimenten“ realisieren
Die Anwendung von KI im Bereich der Biomedizin erweitert sich von der Moleküldynamik bis zur dynamischen Forschung auf Ebene der Zell- und Systembiologie, um effizienter zu erforschen, wie Interventionen wie Medikamente und Gene komplexe Lebenssysteme verändern. Mit der exponentiellen Erweiterung des Erforschungsraums treten jedoch schwere Effizienz- und Durchsatzabweichungen zwischen der Fähigkeit zur Generierung von Hypothesen auf der Berechnungsseite und der Fähigkeit zur Validierung durch traditionelle Nasslaborexperimente auf.
Angesichts des Engpasses bei der Validierung durch Nasslaborexperimente gelten KI-gesteuerte virtuelle Zellmodelle und Hochdurchsatz-automatisierte Labore als eine der Schlüsseltechnologien zur Lösung dieses Problems. Das Modell kann vor dem Experiment die durch medikamentöse oder genetische Interventionen verursachten Zellveränderungen vorhersagen und daraus die Wirkung von Medikamenten in komplexeren biologischen Systemen, einschließlich Tieren und Menschen, ableiten. Es hilft Forschern, Kandidatenmoleküle zu filtern, potenzielle Ziele zu vergleichen und die Prioritäten von Experimenten festzulegen, sodass begrenzte experimentelle Ressourcen zur Prüfung wertvollerer Richtungen eingesetzt werden. Dadurch wird die Transformationseffizienz der frühen Entdeckung erheblich gesteigert und der Prozess der Zielentdeckung und der Analyse biologischer Mechanismen beschleunigt.
Mit der Verbesserung der Forschungseffizienz durch KI und Automatisierungstechnologie treten die tiefen Engpässe des wissenschaftlichen Forschungssystems immer stärker hervor: Wissen, Analysemethoden und negative Ergebniserfahrungen, die im Prozess der wissenschaftlichen Entdeckung entstehen, verstreuen und gehen oft in isolierten Projekten verloren. Es ist schwierig, sie zu wiederverwendbaren organisatorischen Vermögenswerten zu konsolidieren, was dazu führt, dass die wissenschaftliche Forschung lange Zeit in ineffizientem wiederholtem Versuch und Irrtum steckt. Wie diese mittleren Forschungsergebnisse die Insellage durchbrechen können, um eine skalare Akkumulation zu erreichen und kontinuierlich für Modelliteration, Hypothesengenerierung, Experimentdesign und -validierung verwendet zu werden, wird zum Schlüssel für den Übergang von AI4S von der punktuellen Effizienzsteigerung zum Sprung der systematischen Entdeckungsfähigkeit.
Dazu hat INFevo das Konzept der rekursiven wissenschaftlichen Entdeckung (Recursive scientific discovery, RSD) vorgeschlagen. Die rekursive Selbstverbesserung (Recursive self-improvement, RSI) konzentriert sich auf die Fähigkeitsverbesserung des KI-Systems selbst, während RSD die kontinuierliche Verbesserung auf den gesamten Prozess der wissenschaftlichen Entdeckung ausweitet. Dieses System speichert, verknüpft und wiederverwendet wissenschaftliche Probleme, Hypothesenableitungen, Analysemethoden und experimentelle Ergebnisse strukturiert, sodass die aufgezeichneten Beweise und Erfahrungen die nachfolgende Hypothesengenerierung, das Experimentdesign und die Kandidatenfilterung kontinuierlich vorantreiben.
Auf Basis des RSD-Frameworks hat INFevo ein geschlossenes Doppeltriebsystem aus „grundlegendem KI-Großmodell + Hochdurchsatz-automatisierten Experimenten“ aufgebaut. An einem Ende dieses Systems befindet sich OCOO, ein selbst entwickeltes grundlegendes Großmodell von INFevo, das die Multiomik der Zellen abdeckt und zur Vorhersage von zellulären Reaktionen dient, die durch Interventionen wie Medikamente und Gene verursacht werden. Am anderen Ende steht ein automatisiertes Nasslaborexperiment-System, das Zellkultur, Störung und Multiomik-Erkennung umfasst, um wichtige Vorhersagen zu prüfen und neue Daten zu erzeugen. Das Modell hilft dabei, vielversprechendere Experimentierrichtungen zu bestimmen, und die experimentellen Ergebnisse dienen dazu, Vorhersagen zu prüfen, das Modell zu verbessern und nachfolgende Forschungen zu leiten. Beide sind durch einen einheitlichen Verwaltungsmechanismus für Daten und Forschungsprodukte verbunden, sodass die bei jeder Erkundung angesammelten Beweise und Erfahrungen kontinuierlich zur Verbesserung der Vorhersage- und Experimentdesignfähigkeiten des Systems verwendet werden.
Sowohl das grundlegende Großmodell als auch der wissenschaftliche Forschungsarbeitsplatz erreichen SOTA-Leistungen
Auf Basis der oben genannten unterliegenden Architektur hat INFevo innerhalb weniger Monate nach seiner Gründung führende Ergebnisse in Kernbereichen wie Zielentdeckung, virtuellem Screening und präklinischer Bewertung erzielt und die entsprechenden Fähigkeiten von der Modellentwicklung zu realen Forschungsszenarien weiterentwickelt.
Im Bereich der Modellentwicklung hat das Unternehmen OCOO-T veröffentlicht, das grundlegende virtuelle Zellmodell der OCOO-Serie auf Basis von Transkriptomdaten. Es modelliert direkt die Genexpressionsänderungen von Zellen unter verschiedenen Störungen und realisiert mit einer einfachen, erweiterbaren Modellarchitektur die einheitliche Modellierung über verschiedene Störungstypen hinweg und führende Vorhersageleistungen. In den gleichbedingten Bewertungen der drei großen einzeiligen Störungsautoritäts-Benchmarks – Tahoe100M, Replogle und PBMC – erzielte OCOO-T branchenführende Leistungen, was eine solide Grundlage für die Simulation der Biologie realer Störungen und die Unterstützung von Zielentdeckung und früher Arzneimittelwirkungsbewertung bildet.
Im Bereich der wissenschaftlichen Forschungsprodukte hat INFevo die selbst iterierbare wissenschaftliche Hypothesen-Mining-Engine The Popper Project (TPP) auf den Markt gebracht, benannt nach dem Philosophen Karl Popper, der den wissenschaftlichen „Falsifikationismus“ vorgeschlagen hat. TPP ist an professionelle wissenschaftliche Forschungsagenten und mehrere Quellen professioneller Datenbanken angeschlossen, um prüfbare Hypothesen zu generieren, zu hinterfragen und zu verbessern. Es stellt Beweise mit nachvollziehbaren Schlussfolgerungsketten dar, weist Lücken aus und schlägt Experimentvorschläge vor. Die Plattform unterstützt Wissenschaftler bei der gemeinsamen Bewertung und Ergänzung von Beweisen, um die kontinuierliche Weiterentwicklung von Hypothesen mit Forschungsergebnissen voranzutreiben. In Zukunft wird sie auch an das virtuelle Zellmodell angeschlossen, um Hypothesengenerierung, Berechnungsableitung, unabhängige Überprüfung und Nasslaborexperimentvalidierung weiter zu verbinden.
Der auf der TPP-Plattform integrierte wissenschaftliche Arbeitsplatz Karl Workbench hat die interne Testphase gestartet und setzt das RSD-Konzept erstmals als tägliches Forschungswerkzeug für Wissenschaftler um. Der Arbeitsplatz verbindet wissenschaftliche Probleme und Hypothesen weiter mit dem vollständigen Workflow aus Daten, Analyse, Experimenten und reproduzierbarer Ausführung, basierend auf fünf systemischen Fähigkeiten: Aufzeichnung, Akkumulation, Produkt, Überwachung und Evolution. Forscher können Beweise überprüfen, wichtige Urteile prüfen und vorhandene Aufgaben fortsetzen. Aufgabenverläufe, Forschungsprodukte und historische Erfahrungen können über einzelne Projektaufgaben hinweg kontinuierlich wirken, sodass das Forschungssystem des gesamten wissenschaftlichen Teams die Fähigkeit erhält, kontinuierlich aus seiner eigenen Geschichte zu lernen und sich selbst weiterzuentwickeln.
Im Oktober erzielte Karl Workbench in einer erneuten Bewertung auf Basis des wissenschaftlichen Forschungs-Agenten-Benchmarks SciAgentArena, der gemeinsam von Institutionen wie der Yale University, dem Broad Institute, der Harvard University und der Stanford University veröffentlicht wurde, unter der Bedingung, dass das DeepSeek-Grundmodell integriert ist, in beiden Szenarien der Einzelzellomik und der räumlichen Omik den ersten Gesamtwert und erreichte im Rahmen dieser Bewertung das SOTA-Niveau (branchenbestes Niveau). Es übertraf ähnliche Systeme, die damals fortschrittliche Großmodelle wie Opus5 und GPT5.6 integrierten, einschließlich Claude Code und Codex, und zeigte die branchenführende systemweite Leistung dieses Systems in wissenschaftlichen Forschungsaufgaben, die dem tatsächlichen Forschungsprozess nahekommen.
Abbildung: Karl Workbench belegt den ersten Platz bei den Bewertungen von Einzelzellomik und räumlicher Omik auf SciAgentArena
Verbindung von fortschrittlicher Berechnung und realen Anwendungsszenarien: Aufbau einer industriellen KI-Biologie-Basisplattform
Während die Kette „Berechnung – Werkzeug – Experiment“ durchbrochen wird, konzentriert sich INFevo kontinuierlich auf reale Krankheitsprobleme und Arzneimittelentwicklungsszenarien und beteiligt sich tief an der gemeinsamen Errichtung des „Beijing Key Laboratory für Kultivierung von Organoiden von Leber-, Gallen- und Pankreastumoren und intelligenter Diagnose und Behandlung“, das von dem Peking University First Hospital geleitet wird. Diese Zusammenarbeit wird von großen klinischen Anforderungen angetrieben und zielt darauf ab, ein Forschungssystem aus „klinischem Problem – Organoidmodell – Arzneimittelscreening – KI-Analyse – klinischer Validierung“ aufzubauen. Als Kernunterstützung für den Bereich künstliche Intelligenz und virtuelles Zellmodell im Labor integriert INFevo die Fähigkeiten des virtuellen Zellmodells systematisch in echte klinische Proben von Patienten, um die bidirektionale Iteration von KI-Vorhersage und Organoid-Experimentvalidierung voranzutreiben und die Anwendung der zellulären Reaktionsvorhersage in den primären Szenarien der klinischen Entscheidungsfindung und des neuen Arzneimittelscreenings zu erforschen.
Dass INFevo die Aufbauphase der Plattform eines Startup-Unternehmens schnell überwinden konnte, verdankt es der tiefen industriellen Erfahrung des Inkubators XtalPi (2228.HK). Die über mehr als zehn Jahre angesammelten unterliegenden Entwicklungserfahrungen, das Ökosystem von vor- und nachgelagerten Partnern und das globale industrielle Netzwerk von XtalPi bieten INFevo ein Wachstumsumfeld mit hohem Ausgangspunkt und starker industrieller Umsetzungsfähigkeit. Auf technischer Ebene ergänzen sich die virtuellen Zellen von INFevo und die Fähigkeiten von XtalPi zur Moleküldynamik und automatisierten Synthese, die mehrere Arzneimittelmodalitäten abdecken, hochgradig synergistisch. Es wird erwartet, dass ein skalenübergreifender geschlossener Kreislauf aus „Molekülgenerierung – zellulärer Reaktionsvorhersage – Nasslaborexperimentvalidierung“ entsteht. Die Inkubation und Ökosystemförderung durch XtalPi beschleunigt nicht nur den Aufbau des technischen Systems von INFevo, sondern stellt auch sicher, dass das Vorhersagemodell von Beginn der Entwicklung an auf die tatsächlichen Anforderungen der Arzneimittelleitpfadentwicklung und strenge industrielle Standards ausgerichtet ist.
Die in dieser Runde gesammelten Mittel werden hauptsächlich für die Entwicklung des grundlegenden Großmodells von INFevo, die Erweiterung des geschlossenen Hochdurchsatz-Systems aus trockener und nasser Automatisierung und die Vertiefung des industriellen Ökosystems verwendet. In Zukunft wird das Unternehmen mit globalen Pharmazieunternehmen, Krankenhäusern und wissenschaftlichen Forschungsinstituten zusammenarbeiten, um seine Technologien und Produkte in die primären Szenarien der täglichen wissenschaftlichen Forschung und industriellen Entwicklung zu bringen, die Interventionsmechanismen komplexer Krankheiten aufzuklären, die Basiseffizienz der neuen Arzneimittelentwicklung zu steigern und gemeinsam die Grenzen der Erkenntnis und Intervention im Bereich der Biowissenschaften zu erweitern.
Lai Lipeng, Mitbegründer und Chief Innovation Officer von XtalPi sowie Mitbegründer von INFevo, erklärte:
„Der Maßstab der Arzneimittelentwicklung liegt nicht nur in der Präzision der Molekültechnik, sondern vor allem in der Tiefe des menschlichen Verständnisses der Mechanismen komplexer Lebensformen und Krankheiten. Wenn hochdimensionale biologische Daten und fortschrittliche KI-Technologien zusammenkommen, stehen wir an einem wichtigen Wendepunkt, an dem wir die Sprache des Lebens systematisch entschlüsseln und die Grenzen des menschlichen Selbstverständnisses erweitern können. INFevo widmet sich der tiefen Kopplung von massiven biologischen Daten, Großmodellen und selbstevolutionären Methoden, um eine native KI-Biologie-Basisplattform aufzubauen. Nach innen durchbricht es die Fähigkeiten von virtuellen Zellen, automatisierten Experimenten und rekursiven wissenschaftlichen KI-Entdeckungen, nach außen befähigt es Pharmazieunternehmen, Krankenhäuser und wissenschaftliche Forschungsinstitute umfassend und arbeitet tief mit XtalPi und zahlreichen Ökosystempartnern zusammen. Dadurch soll die Sicherheit der globalen Entwicklung innovativer Arzneimittel gesteigert und effizientere Therapien schneller zu den Patienten gebracht werden.“
Zhao Yalong, Mitbegründer von INFevo, erklärte:
„Wir danken neuen und alten Aktionären für ihr Vertrauen und ihre Unterstützung. Auf Basis dieser Finanzierung wird INFevo weiterhin die Infrastruktur des geschlossenen Kreislaufs aus „grundlegendem Großmodell +