Financiación
INFevo recauda más de 100 millones de RMB en una ronda Pre-A para ampliar su investigación sobre células virtuales con IA

Puntos claveINFevo combina la predicción de células virtuales con la validación automatizada en…
Ver más
- INFevo combina la predicción de células virtuales con la validación automatizada en laboratorio húmedo para cerrar el ciclo entre hipótesis y experimento.
- La máxima clasificación de Karl Workbench en SciAgentArena abarca solo a DeepSeek en dos categorías ómicas, en lugar de un liderazgo científico amplio.
- La prueba decisiva es si los resultados de los benchmarks se traducen en un rendimiento repetible en organoides derivados de pacientes y en flujos de trabajo farmacéuticos.
INFevo anunció el 16 de noviembre de 2026 que había recaudado más de 100 millones de RMB en una ronda de financiación Pre-A para ampliar sus modelos de células virtuales con IA y sus sistemas experimentales automatizados, según el anuncio del inversor Xinglian Capital. Los fondos también respaldarán una colaboración más estrecha con empresas farmacéuticas, hospitales e instituciones de investigación.
Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund y DT Capital participaron en la ronda. Los inversores existentes Shunwei Capital, HSG y Songhe Capital realizaron inversiones adicionales. La financiación llegó después de una ronda semilla de decenas de millones de yuanes en junio de 2026, por lo que fue la segunda ronda de INFevo en cinco meses; Xinglian la describió como la mayor financiación obtenida en una sola ronda por una empresa china de células virtuales.
Combinar células virtuales con experimentos automatizados
El enfoque de células virtuales de INFevo está diseñado para predecir las respuestas celulares a intervenciones farmacológicas o genéticas antes de realizar experimentos de laboratorio. Así, los investigadores podrían comparar posibles dianas, clasificar moléculas candidatas y reservar capacidad de laboratorio para las preguntas más prometedoras. En un anuncio del 16 de julio de 2026, XtalPi, que incubó a INFevo, explicó cómo sus capacidades de diseño molecular y síntesis automatizada podrían complementar esas predicciones y crear una cadena que va desde la generación de moléculas hasta la predicción de respuestas celulares y su validación experimental.
El artículo sobre OCOO-T describe un modelo minimalista de emparejamiento de flujos cuya arquitectura Transformer estándar opera directamente sobre perfiles continuos de expresión génica. La predicción se formula como eliminación de ruido en tiempo continuo, mientras que la perturbación, la dosis y la información sobre líneas celulares o tipos celulares se incorporan mediante normalización adaptativa por capas y tokens en contexto.
Los autores informan de resultados de vanguardia en las pruebas de referencia Tahoe100M, Replogle y PBMC, que abarcan perturbaciones químicas, genéticas y de citocinas. El modelo también se adapta a perfiles transcripcionales largos mediante la división en bloques y la reconstrucción de los contextos celulares.
Más allá de un único modelo, INFevo está desarrollando lo que denomina descubrimiento científico recursivo: conserva preguntas científicas, hipótesis, métodos analíticos y resultados experimentales para que puedan orientar hipótesis posteriores, el diseño de experimentos y la selección de candidatos. Su sistema automatizado de laboratorio abarca el cultivo celular, la perturbación y la medición multiómica. Las predicciones del modelo ayudan a elegir los experimentos, mientras que los datos resultantes ponen a prueba esas predicciones y alimentan mejoras posteriores del modelo.
Los agentes de investigación y los límites de sus pruebas de referencia
The Popper Project aborda la parte del proceso de investigación dedicada a las hipótesis. Llamado así por el filósofo Karl Popper, utiliza agentes de investigación y bases de datos especializadas para generar, cuestionar y perfeccionar hipótesis comprobables, y muestra cadenas de razonamiento trazables, lagunas de evidencia y experimentos propuestos. Su Karl Workbench ha entrado en fase de pruebas beta e incluye funciones de registro de investigaciones, recopilación de evidencia, generación de resultados, supervisión y mejora iterativa, que permiten a los investigadores revisar los juicios y reanudar tareas anteriores.
Xinglian informó de que, en una nueva prueba realizada en octubre de 2026 con SciAgentArena, Karl Workbench ocupó el primer puesto general tanto en ómica unicelular como en ómica espacial al ejecutarse en DeepSeek. La prueba de referencia consta de aproximadamente 200 tareas verificadas paso a paso en los ámbitos del descubrimiento de fármacos, la ómica unicelular, la ómica espacial, las historias clínicas electrónicas y la genética. Separa la ejecución de los agentes de la evaluación y mide el análisis de datos, la optimización, el descubrimiento y la verificación de validez.
Los autores de SciAgentArena concluyeron que ningún agente destacaba en todas las tareas y ámbitos. Los sistemas actuales ofrecían resultados desiguales, tenían dificultades con los descubrimientos novedosos y la exploración autónoma, y tendían a ejecutar las solicitudes incluso cuando la premisa científica no era válida. Este panorama más amplio hace importante delimitar el alcance del resultado comunicado por INFevo: la nueva prueba se refiere a DeepSeek en dos categorías ómicas, no a un liderazgo general en investigación científica.
Las muestras clínicas, la siguiente prueba
INFevo también participa en un laboratorio clave de Pekín dirigido por Peking University First Hospital, centrado en el cultivo de organoides de tumores hepáticos, biliares y pancreáticos, así como en el diagnóstico y tratamiento inteligentes. El objetivo declarado de la colaboración es conectar las preguntas clínicas, los modelos de organoides derivados de pacientes, el cribado de fármacos, el análisis con IA y la validación clínica. Se pretende que las predicciones del modelo y los experimentos con organoides se informen mutuamente, poniendo el sistema de células virtuales en contacto con muestras clínicas derivadas de pacientes.
El cofundador Yalong Zhao afirmó que la financiación respaldaría la infraestructura de modelos fundacionales y experimentación automatizada, y aceleraría el sistema de descubrimiento recursivo. Lipeng Lai, otro cofundador de INFevo, también es cofundador y director de innovación de XtalPi.
El nuevo capital proporciona a INFevo recursos para ampliar ambos componentes del sistema: la predicción computacional y la validación automatizada. La prueba decisiva será determinar si los resultados de referencia comunicados por los desarrolladores y las herramientas de investigación en fase beta pueden traducirse en un rendimiento reproducible con muestras derivadas de pacientes y en los flujos de trabajo de la investigación farmacéutica.












