Contexte et financement

En novembre 2026, MegaRobo Co. Ltd., start‑up chinoise fondée en 2016, a annoncé une levée de 200 millions de dollars auprès d’investisseurs dont Oman Investment Authority, Asia Investment Capital, Granite Asia, Sinovation Ventures et CMB International. Ce financement porte le total cumulé à 600 millions de dollars, incluant près de 300 millions levés lors de la série C en 2022. L’objectif déclaré est d’investir dans les technologies de base et d’étendre l’infrastructure automatisée de laboratoire afin de gérer des systèmes physiques de plus en plus complexes.

Architecture des plateformes Megalaxy Lab et CellVue

Le cœur de l’offre réside dans Megalaxy Lab, une plateforme expérimentale connectée à l’IA qui rend la configuration d’expériences « programmable ». Les chercheurs définissent les protocoles, le système orchestre le déplacement des échantillons, la mesure et la collecte de données, puis restitue les résultats sous forme machine‑readable. Cette chaîne de traitement s’appuie sur des instruments tels que le CellVue T2000 (imagerie cellulaire automatisée), le Auflo (préparation d’échantillons) et le Seloris (culture cellulaire automatisée). Chaque appareil intègre des capteurs de précision et des actionneurs robotisés, contrôlés par des modèles d’apprentissage supervisé qui ajustent les paramètres en temps réel.

Le One Intelligence Stack constitue la couche logicielle unificatrice. Il regroupe les pilotes matériels, les services de gestion de flux de données et les API d’apprentissage, créant ainsi une chaîne d’observation où l’IA peut « agir, apprendre et observer » dans un environnement physique. Les données brutes sont converties en « jumeaux numériques » – représentations virtuelles des lectures expérimentales – qui alimentent les cycles d’inférence et de conception, notamment dans le domaine de la protéine.

Enjeux scientifiques et limites

Le partenariat avec Tencent Cloud et Twist Bioscience permet de déployer la plateforme à l’échelle du cloud, facilitant le stockage des large data readouts et le calcul distribué nécessaire aux simulations de conception protéique. Le défi principal réside dans la validation expérimentale de plus de 10 000 séquences protéiques soumises via le concours Poreva Open. Cette validation implique la synchronisation de flux de données entre le laboratoire humide et les modèles d’IA, ce qui impose des exigences strictes en matière de latence, de bande passante et de traçabilité des métadonnées.

Malgré ces avancées, l’article ne fournit pas de spécifications détaillées sur les capacités de calcul embarquées, les taux de throughput des robots ni les protocoles de sécurité des données. L’absence de ces indicateurs rend difficile l’évaluation de la reproductibilité des expériences à grande échelle et la mesure du risque de contamination croisée entre les flux automatisés.

Perspectives d’intégration et partenaires

En rendant les expériences « programmables », MegaRobo vise à réduire le temps de cycle entre la conception d’une hypothèse et la génération de données empiriques. L’intégration de la plateforme avec des services cloud ouvre la voie à des collaborations inter‑institutionnelles, où plusieurs laboratoires peuvent partager des jumeaux numériques et des modèles d’apprentissage. Toutefois, la dépendance à des fournisseurs de cloud externes introduit une couche supplémentaire de gouvernance des données, notamment en ce qui concerne la conformité aux régulations de protection des données biomédicales.

En résumé, le financement de 200 M$ renforce la capacité de MegaRobo à développer une infrastructure robotique‑IA capable de piloter des expériences complexes, tout en soulignant la nécessité d’une transparence technique accrue pour garantir la scalabilité et la fiabilité des résultats scientifiques.