无界进化Pre-A轮融资超亿元:虚拟细胞单笔纪录被刷新
IT之家 11 月 16 日消息,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。 本轮融资由星连资本、Prosperity7 Ventures、华盖资本、华控基金及德同资本等机
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。这笔钱刷新了中国虚拟细胞企业单笔融资金额纪录。无界进化的核心方向是虚拟细胞与递归科学发现。

出资方包括星连资本、Prosperity7 Ventures、华盖资本、华控基金及德同资本等机构,几家联合投资。老股东顺为资本、红杉中国和松禾资本也没走,继续追加。
这是无界进化 2026 年 6 月拿下数千万元天使轮之后的第二轮融资,两轮之间只隔了五个月。按公司说法,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,从而搭建一个覆盖“靶点发现 — 虚拟筛选 — 临床方案优化”的全链路 AI 生物学平台,把前沿计算推向疾病精准干预与创新临床疗法的转化。
在生物医药领域,AI 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,目的是更高效地摸清药物、基因等干预会怎样改变复杂的生命系统。问题是,探索空间指数级扩大之后,计算端生成假说的能力,和传统湿实验的验证能力,在效率与通量上出现了严重错配。
湿实验验证这道坎怎么过?AI 驱动的虚拟细胞模型和高通量自动化实验室被看作可能的破局技术之一。模型能在实验之前预测药物或基因干预引发的细胞变化,再据此推断药物在更复杂生物系统(包括动物及人体)内的效果,帮研究者筛候选分子、比潜在靶点、排实验优先级。有限的实验资源因此可以投向更有价值的方向,早期发现的转化效率有望大幅提升,靶点发现与生物学机制解析的进程也会加快。

AI 与自动化技术把研发效率推上去的同时,科研体系更深一层的瓶颈也露了出来:科学发现过程中攒下的知识、分析方法和负结果经验,常常散落并流失在孤立项目里,难以沉淀成可复用的组织资产,科研探索于是长期陷在低效的重复试错中。这些中间研究成果能不能突破孤岛、实现规模化积累,并持续用于模型迭代、假说生成和实验设计及验证,关系到 AI4S 能否从单点效率提升走向系统性发现能力的跃迁。
无界进化给出的答案是递归科学发现(Recursive scientific discovery, RSD)。递归自我提升(Recursive self-improvement, RSI)盯的是 AI 系统自身能力的改进,RSD 则把这种持续提升延伸到了科学发现的全过程。
具体做法是对科学问题、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持续驱动后面的假说生成、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。
-
闭环的一头,是覆盖细胞多组学的自研基础大模型 OCOO,任务是预测药物、基因等干预引起的细胞响应;
-
另一头是自动化湿实验体系,涵盖细胞培养、扰动和多组学检测,用来检验关键预测并产生新数据。
模型帮忙挑出更有潜力的实验方向,实验结果反过来检验预测、改进模型,并指导后续研究。两端通过统一的数据与研究产物管理机制衔接,每次探索积累的证据与经验,都会持续用于改进系统的预测与实验设计能力。
靠这套底层架构,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拿下领先成果,相关能力也从模型研发走进了真实的研究场景。
模型这块,OCOO 系列里已经推出了虚拟细胞基础模型 OCOO-T,它建立在转录组数据之上。该模型把细胞在各种扰动下基因表达的变化直接拿来建模,架构走的是简洁、可扩展的路子,由此做到跨扰动类型的统一建模,预测表现也处在领先位置。在 Tahoe100M、Replogle、PBMC 三大单细胞扰动权威基准的同条件评测里,OCOO-T 都拿到了行业领先的成绩;模拟真实扰动生物学、支撑靶点发现与早期药效评价,也就有了底子。