การระดมทุน
INFevo ระดมทุนรอบ Pre-A ได้มากกว่า 100 ล้านหยวน เพื่อขยายงานวิจัยเซลล์เสมือนด้วย AI

ประเด็นสำคัญINFevo…
ดูเพิ่มเติม
- INFevo จับคู่การทำนายเซลล์เสมือนกับการตรวจสอบในห้องปฏิบัติการเปียกแบบอัตโนมัติเพื่อปิดวงจรระหว่างสมมติฐานและการทดลอง
- อันดับสูงสุดของ Karl Workbench ใน SciAgentArena ครอบคลุมเพียง DeepSeek ในสองหมวดหมู่โอมิกส์เท่านั้น ไม่ใช่ความเป็นผู้นำทางวิทยาศาสตร์ในวงกว้าง
- การทดสอบที่ชี้ขาดคือผลลัพธ์จากเกณฑ์มาตรฐานจะแปลงเป็นการทำงานที่ทำซ้ำได้บนออร์แกนอยด์ที่ได้จากผู้ป่วยและกระบวนการทำงานของบริษัทยาหรือไม่
INFevo ประกาศเมื่อวันที่ 16 พฤศจิกายน 2026 ว่า บริษัทระดมทุนรอบ Pre-A ได้มากกว่า 100 ล้านหยวน เพื่อขยายโมเดลเซลล์เสมือนด้วย AI และระบบการทดลองอัตโนมัติ ตามที่ ประกาศของ Xinglian Capital นักลงทุน ระบุ เงินทุนที่ได้จะนำไปสนับสนุนความร่วมมือที่ลึกซึ้งยิ่งขึ้นกับบริษัทยา โรงพยาบาล และสถาบันวิจัยด้วย
Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund และ DT Capital เข้าร่วมการระดมทุนรอบนี้ ส่วนผู้ลงทุนเดิมอย่าง Shunwei Capital, HSG และ Songhe Capital ได้ลงทุนเพิ่มเติม การระดมทุนครั้งนี้เกิดขึ้นหลังจาก INFevo ระดมทุนรอบแองเจิลได้หลายสิบล้านหยวนในเดือนมิถุนายน 2026 ทำให้เป็นการระดมทุนครั้งที่สองของบริษัทภายในห้าเดือน โดย Xinglian ระบุว่าเป็นการระดมทุนรอบเดียวที่มีมูลค่าสูงสุดเป็นประวัติการณ์สำหรับบริษัทเซลล์เสมือนของจีน
ผสานเซลล์เสมือนเข้ากับการทดลองอัตโนมัติ
แนวทางเซลล์เสมือนของ INFevo ออกแบบมาเพื่อคาดการณ์การตอบสนองของเซลล์ต่อการแทรกแซงด้วยยาหรือพันธุกรรมก่อนทำการทดลองในห้องปฏิบัติการ จากนั้นนักวิจัยจะสามารถเปรียบเทียบเป้าหมายที่มีศักยภาพ จัดอันดับโมเลกุลที่เป็นตัวเลือก และสำรองขีดความสามารถในห้องปฏิบัติการสำหรับคำถามวิจัยที่มีแนวโน้มมากกว่า XtalPi ซึ่งเป็นผู้บ่มเพาะ INFevo อธิบายใน ประกาศเมื่อวันที่ 16 กรกฎาคม 2026 ว่าความสามารถด้านการออกแบบโมเลกุลและการสังเคราะห์อัตโนมัติของบริษัทสามารถเสริมการคาดการณ์ดังกล่าวได้อย่างไร เพื่อสร้างกระบวนการต่อเนื่องตั้งแต่การสร้างโมเลกุล การคาดการณ์การตอบสนองของเซลล์ ไปจนถึงการตรวจสอบความถูกต้องด้วยการทดลอง
บทความวิจัย OCOO-T อธิบายโมเดลจับคู่การไหลแบบเรียบง่าย ซึ่งใช้โครงสร้าง Transformer มาตรฐานประมวลผลโปรไฟล์การแสดงออกของยีนแบบต่อเนื่องโดยตรง โดยกำหนดการคาดการณ์เป็นการลดสัญญาณรบกวนแบบต่อเนื่องตามเวลา ขณะที่ข้อมูลการรบกวน ขนาดยา และสายเซลล์หรือชนิดเซลล์จะป้อนเข้าสู่โมเดลผ่านการปรับมาตรฐานเลเยอร์แบบปรับได้และโทเค็นตามบริบท
ผู้เขียนรายงานผลล้ำสมัยในชุดทดสอบ Tahoe100M, Replogle และ PBMC ซึ่งครอบคลุมการรบกวนทางเคมี พันธุกรรม และไซโตไคน์ โมเดลยังรองรับโปรไฟล์การถอดรหัสที่มีความยาวมากได้ด้วยการแบ่งและประกอบบริบทระดับเซลล์กลับคืน
นอกเหนือจากโมเดลเดี่ยว INFevo กำลังพัฒนาสิ่งที่เรียกว่า «การค้นพบทางวิทยาศาสตร์แบบวนซ้ำ» โดยเก็บรักษาคำถามทางวิทยาศาสตร์ สมมติฐาน วิธีวิเคราะห์ และผลการทดลองไว้ เพื่อนำไปใช้ประกอบการตั้งสมมติฐาน การออกแบบการทดลอง และการคัดเลือกตัวเลือกในภายหลัง ระบบห้องปฏิบัติการอัตโนมัติของบริษัทครอบคลุมการเพาะเลี้ยงเซลล์ การรบกวน และการตรวจวัดหลายโอมิกส์ การคาดการณ์จากโมเดลช่วยเลือกการทดลอง ขณะที่ข้อมูลที่ได้จะใช้ทดสอบการคาดการณ์เหล่านั้นและป้อนกลับไปปรับปรุงโมเดลในขั้นต่อไป
เอเจนต์วิจัยและข้อจำกัดของเกณฑ์มาตรฐาน
โครงการ Popper มุ่งจัดการกับการตั้งสมมติฐานในกระบวนการวิจัยดังกล่าว โครงการนี้ตั้งชื่อตาม Karl Popper นักปรัชญา และใช้เอเจนต์วิจัยกับฐานข้อมูลเฉพาะทางเพื่อสร้าง ท้าทาย และปรับปรุงสมมติฐานที่ตรวจสอบได้ พร้อมแสดงลำดับการให้เหตุผลที่ตรวจสอบย้อนกลับได้ ช่องว่างของหลักฐาน และการทดลองที่เสนอ ระบบ Karl Workbench ได้เริ่มทดสอบรุ่นเบตาแล้ว โดยมีฟังก์ชันบันทึกงานวิจัย รวบรวมหลักฐาน แสดงผลลัพธ์ กำกับดูแล และปรับปรุงแบบวนซ้ำ ซึ่งช่วยให้นักวิจัยตรวจสอบข้อวินิจฉัยและกลับมาทำงานที่ค้างไว้ก่อนหน้าได้
Xinglian รายงานว่า การทดสอบซ้ำในเดือนตุลาคม 2026 โดยใช้ SciAgentArena จัดให้ Karl Workbench เป็นอันดับหนึ่งโดยรวมทั้งในด้านโอมิกส์เซลล์เดี่ยวและโอมิกส์เชิงพื้นที่ เมื่อทำงานบน DeepSeek เกณฑ์มาตรฐานนี้ประกอบด้วยงานประมาณ 200 รายการที่ผ่านการตรวจสอบทีละขั้น ครอบคลุมการค้นพบยา โอมิกส์เซลล์เดี่ยว โอมิกส์เชิงพื้นที่ เวชระเบียนอิเล็กทรอนิกส์ และพันธุศาสตร์ โดยแยกการปฏิบัติงานของเอเจนต์ออกจากการประเมิน และประเมินการวิเคราะห์ข้อมูล การหาค่าที่เหมาะสม การค้นพบ และการตรวจสอบความถูกต้อง
ผู้เขียน SciAgentArena พบว่าไม่มีเอเจนต์ใดโดดเด่นเหนือเอเจนต์อื่นในทุกงานและทุกสาขา ระบบในปัจจุบันทำผลงานได้ไม่สม่ำเสมอ มีปัญหาในการค้นพบสิ่งใหม่และการสำรวจด้วยตนเอง และมักดำเนินการตามคำขอแม้ตั้งอยู่บนสมมติฐานทางวิทยาศาสตร์ที่ไม่ถูกต้อง ผลการประเมินในภาพรวมนี้ทำให้ขอบเขตของผลที่ INFevo รายงานมีความสำคัญ กล่าวคือ การทดสอบซ้ำประเมิน DeepSeek ในหมวดโอมิกส์สองประเภท ไม่ใช่การเป็นผู้นำโดยทั่วไปในงานวิจัยทางวิทยาศาสตร์
ตัวอย่างทางคลินิกคือบททดสอบขั้นต่อไป
INFevo ยังเข้าร่วมในห้องปฏิบัติการสำคัญแห่งหนึ่งของปักกิ่ง ซึ่งนำโดย Peking University First Hospital และมุ่งเน้นการเพาะเลี้ยงออร์แกนอยด์จากเนื้องอกในตับ ทางเดินน้ำดี และตับอ่อน ตลอดจนการวินิจฉัยและการรักษาอัจฉริยะ เป้าหมายที่ระบุไว้ของความร่วมมือคือการเชื่อมโยงคำถามทางคลินิก แบบจำลองออร์แกนอยด์ที่ได้จากผู้ป่วย การคัดกรองยา การวิเคราะห์ด้วย AI และการตรวจสอบความถูกต้องทางคลินิก โดยตั้งใจให้การคาดการณ์จากโมเดลและการทดลองกับออร์แกนอยด์นำข้อมูลมาประกอบกันและกัน เพื่อให้ระบบเซลล์เสมือนได้ทำงานกับตัวอย่างทางคลินิกที่ได้จากผู้ป่วย
Yalong Zhao ผู้ร่วมก่อตั้งกล่าวว่า เงินทุนที่ระดมได้จะสนับสนุนโครงสร้างพื้นฐานสำหรับโมเดลพื้นฐานและการทดลองอัตโนมัติ พร้อมเร่งพัฒนาระบบการค้นพบแบบวนซ้ำ Lipeng Lai ผู้ร่วมก่อตั้ง INFevo อีกคนหนึ่ง ยังเป็นผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายนวัตกรรมของ XtalPi ด้วย
เงินทุนใหม่ช่วยให้ INFevo มีทรัพยากรสำหรับขยายระบบทั้งสองด้าน ได้แก่ การคาดการณ์เชิงคำนวณและการตรวจสอบความถูกต้องแบบอัตโนมัติ บททดสอบสำคัญคือ ผลการประเมินตามเกณฑ์มาตรฐานที่ผู้พัฒนารายงานและเครื่องมือวิจัยรุ่นเบตาจะนำไปสู่ผลลัพธ์ที่ทำซ้ำได้กับตัวอย่างจากผู้ป่วยและในกระบวนการวิจัยของบริษัทยาได้หรือไม่












