Gọi vốn

INFevo huy động hơn 100 triệu RMB ở vòng Pre-A để mở rộng nghiên cứu tế bào ảo bằng AI

Evan Mercer
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhINFevo kết hợp dự đoán tế bào ảo với xác nhận tự động trong phòng thí nghiệm ướt để…
Xem thêm
  • INFevo kết hợp dự đoán tế bào ảo với xác nhận tự động trong phòng thí nghiệm ướt để khép kín vòng lặp giữa giả thuyết và thực nghiệm.
  • Thứ hạng hàng đầu của Karl Workbench trên SciAgentArena chỉ bao gồm DeepSeek trong hai hạng mục omics chứ không phải là vị thế dẫn đầu khoa học toàn diện.
  • Phép thử quyết định là liệu kết quả đánh giá chuẩn có chuyển thành hiệu suất lặp lại được trên các organoid có nguồn gốc từ bệnh nhân và các quy trình công việc của ngành dược hay không.

Theo thông báo của nhà đầu tư Xinglian Capital, ngày 16 tháng 11 năm 2026, INFevo công bố đã huy động hơn 100 triệu RMB trong vòng Pre-A để mở rộng các mô hình tế bào ảo bằng AI và hệ thống thí nghiệm tự động. Khoản tiền này cũng sẽ hỗ trợ tăng cường hợp tác với các công ty dược phẩm, bệnh viện và viện nghiên cứu.

Xinglian Capital, Prosperity7 Ventures, Huagai Capital, Huakong Fund và DT Capital tham gia vòng gọi vốn. Các nhà đầu tư hiện hữu Shunwei Capital, HSG và Songhe Capital cũng rót thêm vốn. Khoản tài trợ này nối tiếp vòng gọi vốn thiên thần trị giá hàng chục triệu nhân dân tệ vào tháng 6 năm 2026, đưa tổng số vòng gọi vốn của INFevo lên hai trong vòng năm tháng; Xinglian mô tả đây là khoản huy động vốn trong một vòng lớn nhất từ trước đến nay đối với một công ty tế bào ảo của Trung Quốc.

Kết hợp tế bào ảo với thí nghiệm tự động

Phương pháp tế bào ảo của INFevo được thiết kế để dự đoán phản ứng của tế bào trước các can thiệp bằng thuốc hoặc di truyền, trước khi tiến hành thí nghiệm trong phòng lab. Nhờ đó, các nhà nghiên cứu có thể so sánh những mục tiêu tiềm năng, xếp hạng các phân tử ứng viên và dành năng lực thí nghiệm trong phòng lab cho những câu hỏi triển vọng hơn. XtalPi, đơn vị ươm tạo INFevo, đã mô tả trong thông báo ngày 16 tháng 7 năm 2026 cách các năng lực thiết kế phân tử và tổng hợp tự động của mình có thể bổ trợ cho những dự đoán này, hình thành một quy trình từ tạo phân tử, dự đoán phản ứng tế bào đến xác thực bằng thực nghiệm.

bài báo OCOO-T mô tả một mô hình khớp dòng tối giản, trong đó cấu trúc Transformer tiêu chuẩn hoạt động trực tiếp trên các hồ sơ biểu hiện gen liên tục. Việc dự đoán được xây dựng như một quá trình khử nhiễu theo thời gian liên tục, còn thông tin về tác nhân gây nhiễu, liều lượng và dòng hoặc loại tế bào được đưa vào thông qua chuẩn hóa lớp thích ứng và các token ngữ cảnh nội tại.

Các tác giả báo cáo kết quả tiên tiến nhất trên các bộ chuẩn Tahoe100M, Replogle và PBMC, bao quát các tác động gây ra bởi hóa chất, di truyền và cytokine. Mô hình cũng có thể mở rộng để xử lý các hồ sơ phiên mã dài bằng cách chia thành từng đoạn và ghép lại các ngữ cảnh tế bào.

Ngoài một mô hình đơn lẻ, INFevo đang xây dựng thứ mà công ty gọi là khám phá khoa học đệ quy: lưu giữ các câu hỏi khoa học, giả thuyết, phương pháp phân tích và kết quả thí nghiệm để chúng có thể hỗ trợ việc hình thành giả thuyết, thiết kế thí nghiệm và lựa chọn ứng viên về sau. Hệ thống phòng thí nghiệm tự động của công ty đảm nhiệm việc nuôi cấy tế bào, gây nhiễu và đo lường đa omics. Các dự đoán của mô hình giúp lựa chọn thí nghiệm, trong khi dữ liệu thu được dùng để kiểm nghiệm những dự đoán đó và tiếp tục cải thiện mô hình.

Các tác nhân nghiên cứu và giới hạn của những bộ chuẩn

Dự án Popper tập trung vào khâu hình thành giả thuyết trong quy trình nghiên cứu này. Được đặt theo tên triết gia Karl Popper, dự án sử dụng các tác nhân nghiên cứu và cơ sở dữ liệu chuyên ngành để tạo ra, phản biện và hoàn thiện những giả thuyết có thể kiểm chứng; đồng thời hiển thị các chuỗi lập luận có thể truy xuất, những khoảng trống bằng chứng và các thí nghiệm được đề xuất. Karl Workbench của dự án đã bước vào giai đoạn thử nghiệm beta, với các chức năng ghi chép nghiên cứu, tích lũy bằng chứng, tạo đầu ra, giám sát và cải tiến lặp lại, cho phép nhà nghiên cứu xem xét các nhận định và tiếp tục những tác vụ trước đó.

Xinglian cho biết trong đợt đánh giá lại vào tháng 10 năm 2026 bằng SciAgentArena, Karl Workbench đứng đầu bảng xếp hạng tổng thể ở cả lĩnh vực omics đơn bào và omics không gian khi chạy trên DeepSeek. Bộ chuẩn này gồm khoảng 200 tác vụ được xác minh theo từng bước, thuộc các lĩnh vực khám phá thuốc, omics đơn bào, omics không gian, hồ sơ sức khỏe điện tử và di truyền học. Bộ chuẩn tách riêng việc thực thi của tác nhân khỏi khâu đánh giá, đồng thời xem xét năng lực phân tích dữ liệu, tối ưu hóa, khám phá và kiểm tra tính hợp lệ.

Các tác giả của SciAgentArena nhận thấy không có tác nhân đơn lẻ nào vượt trội trong mọi tác vụ và lĩnh vực. Các hệ thống hiện nay đạt kết quả không đồng đều, gặp khó khăn trong việc khám phá những điều mới và tự định hướng quá trình tìm tòi, đồng thời có xu hướng thực hiện yêu cầu ngay cả khi tiền đề khoa học không hợp lệ. Kết quả tổng thể đó cho thấy phạm vi của thành tích INFevo báo cáo có ý nghĩa quan trọng: đợt đánh giá lại chỉ xét DeepSeek trong hai nhóm omics, chứ không chứng minh vị thế dẫn đầu nói chung trong nghiên cứu khoa học.

Mẫu lâm sàng là phép thử tiếp theo

INFevo cũng tham gia một phòng thí nghiệm trọng điểm cấp Bắc Kinh do Peking University First Hospital đứng đầu, tập trung vào nuôi cấy bào quan khối u gan, đường mật và tuyến tụy, cũng như chẩn đoán và điều trị thông minh. Mục tiêu được nêu của chương trình hợp tác là kết nối các câu hỏi lâm sàng, mô hình bào quan có nguồn gốc từ bệnh nhân, sàng lọc thuốc, phân tích bằng AI và xác thực lâm sàng. Các dự đoán của mô hình và thí nghiệm trên bào quan được kỳ vọng sẽ hỗ trợ lẫn nhau, đưa hệ thống tế bào ảo tiếp xúc với các mẫu lâm sàng có nguồn gốc từ bệnh nhân.

Đồng sáng lập Yalong Zhao cho biết khoản tài trợ sẽ hỗ trợ nền tảng mô hình nền tảng và cơ sở hạ tầng thí nghiệm tự động, đồng thời đẩy nhanh hệ thống khám phá đệ quy. Lipeng Lai, một đồng sáng lập khác của INFevo, cũng là đồng sáng lập kiêm giám đốc đổi mới sáng tạo của XtalPi.

Nguồn vốn mới giúp INFevo mở rộng cả hai mặt của hệ thống: dự đoán bằng tính toán và xác thực tự động. Phép thử quan trọng là liệu kết quả chuẩn do nhà phát triển báo cáo và các công cụ nghiên cứu đang thử nghiệm beta có thể mang lại hiệu suất lặp lại ổn định trên các mẫu có nguồn gốc từ bệnh nhân và trong quy trình nghiên cứu dược phẩm hay không.

Evan Mercer là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên đưa tin về các công ty khởi nghiệp AI, vốn đầu tư mạo hiểm và các động lực tài trợ định hình thế hệ tiếp theo của các công ty công nghệ. Bản tin của anh tập trung vào đổi mới giai đoạn đầu, dòng vốn, và các quyết định chiến lược mà các nhà sáng lập và nhà đầu tư thực hiện khi các công ty AI mở rộng từ ý tưởng đến tác động toàn cầu.

Với góc nhìn chiến lược và phân tích, Evan xem xét các vòng tài trợ, vị trí thị trường và các xu hướng mới nổi trong hệ sinh thái khởi nghiệp AI. Anh theo dõi cách vốn đầu tư mạo hiểm, đầu tư doanh nghiệp và thị trường chứng khoán đại chúng giao thoa với những đột phá trong trí tuệ nhân tạo, tách biệt các tín hiệu bền vững khỏi sự thổi phồng ngắn hạn.

Các bài viết do Evan Mercer viết được tạo ra bởi AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác, ngữ cảnh và việc đưa tin có trách nhiệm về bối cảnh đầu tư AI toàn cầu