无界进化宣布完成超亿元 Pre-A 轮融资,称“刷新中国虚拟细胞企业单笔融资纪录”
以虚拟细胞与递归科学发现为核心的 AI for Science(科学智能,AI4S)企业无界进化(INFevo)今日宣布完成超亿元 Pre-A 轮融资,刷新中国虚拟细胞企业单笔融资金额纪录。
11 月 16 日,AI for Science(科学智能,AI4S)企业无界进化(INFevo)对外宣布,公司已完成超亿元 Pre-A 轮融资。这家公司以虚拟细胞与递归科学发现为核心业务,此轮融资创下中国虚拟细胞企业单笔融资金额的新纪录。

资金来自多家机构联合出手:星连资本、Prosperity7 Ventures、华盖资本、华控基金及德同资本等共同参与本轮投资,老股东顺为资本、红杉中国和松禾资本则继续追加。
这距离无界进化 2026 年 6 月完成数千万元天使轮融资仅过去五个月,是公司在该时间段内的第二轮融资。按规划,本轮资金将用于加快 AI4S 基础设施建设,让细胞响应预测、科学假说检验与高通量自动化实验反馈三者深度协同,进而打造一条覆盖“靶点发现 — 虚拟筛选 — 临床方案优化”的全链路 AI 生物学平台,推动前沿计算更快转化为疾病精准干预手段与创新临床疗法。
眼下,AI 在生物医药领域的落点正从分子设计延伸到细胞及系统生物学层面的动态研究,目的是更高效地弄清药物、基因等干预会如何改变复杂的生命系统。问题在于,探索空间呈指数级扩大之后,计算端生成假说的能力与传统湿实验验证能力之间,出现了效率与通量上的严重错配。
面对湿实验验证这道瓶颈,AI 驱动的虚拟细胞模型以及高通量自动化实验室被看作可能的破局技术之一。模型能在实验前预测药物或基因干预引发的细胞变化,再据此推测药物在动物及人体等更复杂生物系统中的效果,帮助研究者筛选候选分子、比较潜在靶点、排定实验优先级,把有限的实验资源投向更值得检验的方向,从而提升早期发现的转化效率,加快靶点发现与生物学机制解析。不过,AI 与自动化技术推高研发效率的同时,科研体系更深层的瓶颈也暴露出来:科学发现过程中积累的知识、分析方法和负结果经验,常常散落并流失在孤立项目里,难以沉淀为可复用的组织资产,科研探索因此长期困在低效的重复试错中。怎么让这些中间研究成果走出孤岛、实现规模化积累,并持续用于模型迭代、假说生成以及实验设计与验证,成了 AI4S 从单点效率提升迈向系统性发现能力跃迁的关键。

针对这一难题,无界进化提出了递归科学发现(Recursive scientific discovery, RSD)理念。递归自我提升(Recursive self-improvement, RSI)关注的是 AI 系统自身能力的改进,RSD 则把这种持续提升扩展到科学发现的全过程。该体系对科学问题、假说推演、分析方法与实验结果做结构化留存、关联和复用,让记录下来的证据与经验不断驱动后续的假说生成、实验设计和候选筛选。

在 RSD 框架之上,无界进化搭起了“AI 基础大模型+高通量自动化实验”的双驱闭环体系。一端是公司自研、覆盖细胞多组学的基础大模型 OCOO,负责预测药物、基因等干预引起的细胞响应;另一端是涵盖细胞培养、扰动和多组学检测的自动化湿实验体系,负责检验关键预测并产生新数据。
模型会辅助判断哪些实验方向更有潜力,实验结果反过来检验预测、改进模型,并指导接下来的研究。两者通过统一的数据与研究产物管理机制衔接起来,使每一次探索积累的证据和经验都能持续用于提升系统的预测与实验设计能力。
依靠上述底层架构,无界进化成立数月内就在靶点发现、虚拟筛选与临床前评估等核心场景取得领先成果,相关能力也从模型研发走向真实研究场景。模型研发方面,公司已发布 OCOO 系列中基于转录组数据的虚拟细胞基础模型 OCOO-T,直接对细胞在各类扰动下的基因表达变化建模,以简洁、可扩展的架构实现跨扰动类型的统一建模和领先的预测表现。在 Tahoe100M、Replogle 和 PBMC 三大单细胞扰动权威基准的同条件评测中,OCOO-T 均取得行业领先表现,这为其模拟真实扰动生物学、支撑靶点发现与早期药效评价打下了基础。