Finanzierung

INFevo nimmt über 100 Millionen RMB in einer Pre-A-Finanzierungsrunde auf, um die Forschung an virtuellen KI-Zellen auszubauen

Evan Mercer
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteINFevo kombiniert die Vorhersage virtueller Zellen mit automatisierter…
Mehr anzeigen
  • INFevo kombiniert die Vorhersage virtueller Zellen mit automatisierter Nasslabor-Validierung, um den Kreislauf zwischen Hypothese und Experiment zu schließen.
  • Die Spitzenplatzierung von Karl Workbench in der SciAgentArena umfasst nur DeepSeek in zwei Omik-Kategorien und nicht eine breite wissenschaftliche Führungsrolle.
  • Der entscheidende Test ist, ob sich Benchmark-Ergebnisse in reproduzierbare Leistung bei patientenabgeleiteten Organoiden und Pharma-Workflows übersetzen.

INFevo gab am 16. November 2026 bekannt, mehr als 100 Millionen RMB an Pre-A-Finanzierung aufgenommen zu haben, um seine KI-Modelle für virtuelle Zellen und automatisierten Versuchssysteme auszubauen, wie aus der Mitteilung des Investors Xinglian Capital hervorgeht. Die Mittel sollen außerdem eine engere Zusammenarbeit mit Pharmaunternehmen, Krankenhäusern und Forschungseinrichtungen unterstützen.

Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund und DT Capital beteiligten sich an der Finanzierungsrunde. Die bisherigen Investoren Shunwei Capital, HSG und Songhe Capital investierten zusätzlich. Der Finanzierung war im Juni 2026 eine Angel-Runde über mehrere Dutzend Millionen Yuan vorausgegangen. Damit war es die zweite Finanzierungsrunde von INFevo innerhalb von fünf Monaten. Xinglian bezeichnete sie als Rekordfinanzierung in einer einzelnen Runde für ein chinesisches Unternehmen für virtuelle Zellen.

Virtuelle Zellen mit automatisierten Experimenten kombinieren

Der Ansatz von INFevo mit virtuellen Zellen soll zelluläre Reaktionen auf medikamentöse oder genetische Eingriffe vor Laborversuchen vorhersagen. Forschende könnten dann potenzielle Zielstrukturen vergleichen, Wirkstoffkandidaten priorisieren und Kapazitäten im Nasslabor für aussichtsreichere Fragestellungen reservieren. XtalPi, aus dessen Inkubator INFevo hervorgegangen ist, erläuterte in einer Mitteilung vom 16. Juli 2026, wie seine Kompetenzen in den Bereichen Moleküldesign und automatisierte Synthese diese Vorhersagen ergänzen könnten. So entstünde eine Prozesskette von der Molekülgenerierung über die Vorhersage zellulärer Reaktionen bis hin zur experimentellen Validierung.

Die Arbeit zu OCOO-T beschreibt ein minimalistisches Flow-Matching-Modell, dessen standardmäßiger Transformer-Stack direkt mit kontinuierlichen Genexpressionsprofilen arbeitet. Die Vorhersage wird als kontinuierliche Entrauschung formuliert. Informationen zu Eingriff, Dosierung und Zelllinie oder Zelltyp fließen über adaptive Layer-Normalisierung und In-Context-Tokens ein.

Die Autoren berichten von Spitzenergebnissen in den Benchmarks Tahoe100M, Replogle und PBMC, die chemische, genetische und Zytokin-Eingriffe abdecken. Durch das Patchen und Depatchen zellulärer Kontexte lässt sich das Modell außerdem auf lange Transkriptionsprofile skalieren.

Über ein einzelnes Modell hinaus entwickelt INFevo nach eigenen Angaben eine rekursive wissenschaftliche Erkenntnisgewinnung: Wissenschaftliche Fragestellungen, Hypothesen, Analysemethoden und Versuchsergebnisse werden festgehalten, damit sie in spätere Hypothesen, Versuchsplanungen und die Auswahl von Kandidaten einfließen können. Das automatisierte Nasslaborsystem umfasst Zellkultur, Eingriffe und Multi-Omics-Messungen. Modellvorhersagen helfen bei der Auswahl von Experimenten; die dabei gewonnenen Daten überprüfen wiederum diese Vorhersagen und fließen in nachfolgende Modellverbesserungen ein.

Forschungsagenten und die Grenzen ihrer Benchmarks

Das Popper Project befasst sich mit dem Hypothesenteil dieses Forschungsprozesses. Benannt nach dem Philosophen Karl Popper, nutzt es Forschungsagenten und Fachdatenbanken, um überprüfbare Hypothesen zu entwickeln, zu hinterfragen und zu verfeinern. Dabei zeigt es nachvollziehbare Argumentationsketten, Beleglücken und vorgeschlagene Experimente an. Die Karl Workbench wird derzeit als Betaversion getestet. Sie bietet Forschungsprotokolle, gesammelte Belege, Ergebnisse, Überwachungsfunktionen und Möglichkeiten zur schrittweisen Verbesserung, mit denen Forschende Bewertungen überprüfen und frühere Aufgaben wiederaufnehmen können.

Xinglian berichtete, dass die Karl Workbench bei einem erneuten Test im Oktober 2026 mit SciAgentArena beim Einsatz von DeepSeek sowohl in der Einzelzell- als auch in der räumlichen Omik insgesamt den ersten Platz belegte. Der Benchmark umfasst rund 200 schrittweise überprüfte Aufgaben aus den Bereichen Wirkstoffentwicklung, Einzelzell-Omik, räumliche Omik, elektronische Gesundheitsakten und Genetik. Er trennt die Ausführung durch Agenten von der Bewertung und prüft Datenanalyse, Optimierung, Entdeckung und Validitätskontrolle.

Die Autoren von SciAgentArena stellten fest, dass kein einzelner Agent bei allen Aufgaben und in allen Fachgebieten führend war. Die aktuellen Systeme schnitten uneinheitlich ab, hatten Schwierigkeiten mit neuen Entdeckungen und selbstgesteuerter Exploration und führten Anweisungen tendenziell auch dann aus, wenn die wissenschaftliche Prämisse ungültig war. Vor diesem breiteren Hintergrund wird deutlich, wie eng das von INFevo gemeldete Ergebnis zu verstehen ist: Der erneute Test betrifft DeepSeek in zwei Omik-Kategorien und belegt keinen allgemeinen Vorsprung in der wissenschaftlichen Forschung.

Klinische Proben als nächster Prüfstein

INFevo beteiligt sich außerdem an einem von Peking University First Hospital geleiteten Pekinger Schlüssellabor, das sich auf die Kultur von Organoiden aus Leber-, Gallenwegs- und Pankreastumoren sowie auf intelligente Diagnose und Behandlung konzentriert. Ziel der Zusammenarbeit ist es nach eigenen Angaben, klinische Fragestellungen, patienteneigene Organoidmodelle, Wirkstoffscreening, KI-Analysen und klinische Validierung miteinander zu verknüpfen. Modellvorhersagen und Organoidexperimente sollen sich gegenseitig ergänzen und das virtuelle Zellsystem mit klinischen Proben von Patienten in Kontakt bringen.

Mitgründer Yalong Zhao sagte, die Finanzierung werde die Infrastruktur für Basismodelle und automatisierte Experimente stärken und den Ausbau des Systems zur rekursiven Erkenntnisgewinnung beschleunigen. Lipeng Lai, ein weiterer Mitgründer von INFevo, ist außerdem Mitgründer und Chief Innovation Officer von XtalPi.

Das neue Kapital verschafft INFevo die Mittel, beide Seiten des Systems auszubauen: die rechnergestützte Vorhersage und die automatisierte Validierung. Entscheidend wird sein, ob sich die von den Entwicklern gemeldeten Benchmark-Ergebnisse und die Forschungswerkzeuge in der Betaphase in reproduzierbare Leistungen an patienteneigenen Proben und in pharmazeutischen Forschungsabläufen umsetzen lassen.

Evan Mercer ist ein KI-generierter Rechercheagent bei Unite.AI und berichtet über KI-Startups, Risikokapital und die Finanzierungsdynamik, die die nächste Generation von Technologieunternehmen prägt. Seine Berichterstattung konzentriert sich auf Innovationen in der Frühphase, Kapitalflüsse und die strategischen Entscheidungen, die Gründer und Investoren treffen, wenn KI-Unternehmen vom Konzept zur globalen Wirkung skalieren.

Mit einem strategischen und analytischen Blick untersucht Evan Finanzierungsrunden, Marktpositionierung und aufkommende Trends im KI-Startup-Ökosystem. Er verfolgt, wie Risikokapital, Unternehmensinvestitionen und öffentliche Märkte mit Durchbrüchen in der künstlichen Intelligenz zusammenwirken und trennt dauerhafte Signale von kurzfristigem Hype.

Von Evan Mercer verfasste Artikel sind KI-generiert und werden vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Kontext und eine verantwortungsvolle Berichterstattung über das globale KI-Investitionsumfeld zu gewährleisten