跨越5亿年自然演化史，AI蛋白质生成模型ESM3诞生，辉达也投资 body classpost

生物学前端人工智慧研究实验室 EvolutionaryScale 近日宣布获得超 1.42 亿美元种子轮融资，同时释出里程碑式 AI 模型 ESM3。本文将探讨这间公司在 AI 生命科学领域的独特理念，以及生物相关的技术突破。
（前情提要： Meta招募「元宇宙AI专家」年薪破千万！要求以生成式工具创造新游戏体验）
（背景补充： 把MetaMask变金融卡》冷钱包Tangem合作Visa，年底推出「Tangem Pay」）

本文目录

生物学前端人工智慧研究实验室 EvolutionaryScale 近日宣布获得超 1.42 亿美元种子轮融资，同时释出里程碑式 AI 模型 ESM3。这家成立仅一年的公司在 AI 生命科学领域有着怎样独特的理念？全新的蛋白质大模型又有着怎样的技术突破？以下是我们的第 17 期内容，Enjoy。

一周前，在 Meta 如火如荼地卷文字生影片的时候，那个被它解散的蛋白质团队 EvolutionaryScale 获得了超 1.42亿美元的种子轮融资，这个融资额在整个生物技术领域都可以说是高得离谱。

去年八月，Meta 官宣旗下的蛋白质折叠团队 Meta-FAIR 解散。这个纯粹的 「科学 + AI」 专案并不能让 Meta 快速获得收益，Meta专注商业化 AI 的决定看似也是情理之中。

然而，这个不被看好的团队竟用仅仅一年的时间就打了 Meta 的脸。他们最新推出的 ESM3 被认为是生物学领域具有里程碑意义的生成式 AI模型，为生物学程式设计开创了新的可能性。

01. 分钟专案速览

1. 专案名称：EvolutionaryScale

2. 成立时间：2023 年 7 月

3. 产品简介：开发用于创造新型蛋白质和其他生物系统的大型语言模型 ——ESM，目前已迭代到 ESM-3。

4. 创办人团队：

5. 融资情况：
2024 年 6 月 25 日完成了高达 1.42 亿美元的种子轮融资。本次融资由 Nat Friedman 和 Daniel Gross 以及 LuxCapital 领投，亚马逊、NVentures（NVIDIA的风险投资部门）和天使投资人参投。

02. 团队协同一致的理念追求

人工智慧的进步为生物科学研究创造了前所未有的机会，包括设计功能性生物分子，尤其是蛋白质。将人工智慧运用于蛋白质设计，不仅可以提升蛋白质设计的效率及成功率，还通过快速应对传染病爆发等方式，来帮助人类解决一些正在面临的挑战。

Alexander Rives 等人正是看到了蛋白质设计方面的缺口，决定开发基于深度学习的大模型，从而推动产业级蛋白质设计进入 「全自动智慧生成时代」。

于是，EvolutionaryScale 应运而生。它是一家专注于生物科学领域的前端 AI 研究实验室，致力于推出生物学前端的语言大模型。

有意思的是，该公司创始团队的八位成员全都来自于 Meta 的 FAIR（基础人工智慧研究）部门。尽管在世界级的社交媒介巨头那里吃了瘪，但初始团队的核心人员都没有放弃，反而快速地投入新战地，开始在原有团队成果的基础上开发下一代模型。

EvolutionaryScale的大模型支援健康、环境科学等领域的研究与开发，不停探索生物学的扩展套件性，为突破性的科学研究提供动力。其中最显着的成果就是蛋白质折叠技术的突破，ESM模型揭示了数亿个巨集基因组蛋白质的结构，帮助世界各地的科学家来模拟和理解蛋白质。

EvolutionaryScale 旨在通过开放、安全的研究方式，来指导蛋白质设计领域的人工智慧技术开发。

在此基础上，该公司作为签署方，引领了超 160位来自学术界、政府以及民间的全球利益相关者，共同发展这项技术，确保其安全可靠，从而达成造福人类健康和社会的愿景。

正是由于怀着引领生物学界先进 AI 技术的责任感，Alexander Rives 和他的团队从未停止脚步。

此前，EvolutionaryScale 曾释出过大型语言模型 ESM1，这被认为是第一个用于蛋白质的 transformer 语言模型，由 EvolutionaryScale 的创始团队在 Meta 的 FAIR 部门工作期间所构建。作为 ESM1 升级模型的 ESM2 拥有 1500万个引数，并且相较于旧模型 ESM1b（拥有 6.5 亿个引数）表现更佳。

上周，EvolutionaryScale 释出了最新的 ESM3 AI模型，这是朝着生物学的未来所迈进的一大步。凭藉这种模型的能力，有可能会加速广泛应用的发现，有利于创造有助于捕获碳的蛋白质，从而开发出新的癌症治疗方法。

03. AI 在生物学应用的先驱

ESM3 是一个生成式的 AI模型，主要功能是生成新型蛋白质。该模型通过深度学习技术，使用大量的蛋白质资料进行训练，从而学习蛋白质的序列、结构和功能之间的关系。

ESM3 的训练使用了超过 1 兆 teraflops 的计算能力，这是目前已知生物学领域中最大的计算规模。它在地球上自然多样性的 27.8亿种蛋白质资料集上进行了训练，使其能够同时对蛋白质的序列、结构和功能进行推理。

ESM3 的主要工作流程可简略为以下四个步骤：

目前，ESM3 最引人注目的使用案例之一是生成了一种新的绿色荧光蛋白（GFP）。

GFP 是自然界中最美丽和独特的蛋白质之一，负责水母的发光和珊瑚的鲜艳荧光色。ESM3 通过一系列思考过程，跨越了 5亿年的进化，创造了这种新的荧光蛋白。这一过程在自然进化中可能需要超过 5 亿年，而 ESM3 通过计算方法实现了这一飞跃。

ESM3 的释出也为药物发现和合成生物学领域带来了革命性的变化。

在药物发现方面，ESM3 能够生成具有特定生物活性的新型蛋白质，为药物筛选和优化提供了更多的候选分子。同时，ESM3还能够预测和优化药物与靶点的相互作用机制，为药物的设计和开发提供更加科学的依据。

在合成生物学方面，ESM3 能够生成具有特定功能的生物系统，为生物制造和生物能源等领域提供了新的解决方案。例如，ESM3可以生成出将二氧化碳高效转化为有机物的酶系统，为碳捕获和利用提供了新的途径。

EvolutionaryScale 的 ESM3 模型代表了 AI 在生物学领域的新里程碑。通过其强大的生成能力和与行业领导者的合作，ESM3有望加速新型蛋白质的发现和生物系统的设计，为未来的药物开发、材料科学和环境科学等领域带来革命性的影响。

04. 生物学领域创新之旅

合成生物学：程式设计生命

合成生物学是 EvolutionaryScale 未来发展的一个重要方向。通过设计和合成新的基因电路和生物路径等方式，科学家们可以建立具有特定功能的生物体。

若此项技术能继续发展，不仅将推动科学研究的前端发展，还能为医药、环境保护和农业等领域带来重要的应用前景。

资料驱动的个性化医疗
EvolutionaryScale 正通过 AI 和大资料分析技术推动个性化医疗的进步，为患者提供更加精准和高效的医疗服务。

个性化医疗是基于每个患者的独特生物学资讯和临床资料，量身订制最合适的治疗方案。其中一个关键领域是基因组分析。通过对患者的基因组进行全面测序和分析，科学家可以识别出与疾病相关的基因变异。

EvolutionaryScale 利用 AI技术，快速准确地解析大量基因组资料，从中发现潜在的疾病风险因素。这种方法可以帮助医生在疾病的早期阶段做出诊断，并采取预防措施。例如，通过分析乳腺癌患者的 BRCA1 和 BRCA2 基因突变，可以预测其患病风险，从而进行早期筛查和干预。

如今，EvolutionaryScale正站在生物学与人工智慧融合的前端，通过不断创新和探索，致力于实现生物系统的程式设计和优化。后续或将实现更多技术性的突破，为人类开创一个更加智慧和健康的未来。

📍相关报导📍

AI「筛检癌症」准确率达98%！剑桥研究只要DNA，就能加速早期诊断与治疗

Meta新推Ray-Ban智慧眼镜热销，能录影＋AI语音助理，打开元宇宙新大门

我到孙宇晨家吃饭：谈Vision Pro、AI、太空旅行…科技宅男无疑