一家前Meta研究人员创建的人工智能生物技术公司，已经从Lux Capital筹集了4000万美元

前Meta研究人员，他们开发了用于生物学的AI语言模型，已经推出了一家新的初创公司，并筹集了至少4,000万美元的资金。据福布斯报道。

EvolutionaryScale的领导人是亚历山大·里维斯（Alexander Rives），他曾在Meta AI的蛋白质折叠团队担任领导，直到今年四月该科技巨头关闭了这个项目。该公司的创始团队中有八名成员来自同一团队，他们在其中构建了一种基于蛋白质分子数据的基于Transformer的模型，类似于OpenAI的GPT-4或Google的Bard，以预测其他未知蛋白质的结构，并通过训练来进行预测。他们使用这个模型创建了一个数据库，目前其中包含7亿个可能的三维结构，这些结构是开发可以治疗疾病的药物、可以清除污染的微生物，或者可以用来制造工业化学品的关键拼图。

据福布斯报道，到6月份，这家初创公司正在向风险投资家寻求种子融资，以通过大幅增加其AI模型的规模来进一步推动其研究工作，根据一份推介文件。福布斯表示，Lux Capital领导了约4,000万美元的这轮融资，有三名知情人士透露。消息人士表示，此轮融资将EvolutionaryScale的估值定为2亿美元，领先的人工智能投资者Nate Friedman和Daniel Gross参与了此次投资。

里维斯拒绝置评，而Lux、Friedman和Gross则未回应置评请求。

蛋白质是由折叠的氨基酸链组成的大分子，是细菌、微生物和人类细胞的构建基块。它们的特定功能通常由其形状决定，当其与体内的其他化学物质或蛋白质相互作用时，这种形状可以发生变化。因此，蛋白质的特定部分经常成为治疗疾病的药物的目标。但是，预测蛋白质的形状是复杂的，因为它受到其中的数千个原子之间复杂相互作用的影响。（例如，卷发是由特定氨基酸中存在的硫原子之间的相互作用引起的。）这种预测对于科学家来说很重要，以便他们可以了解蛋白质的功能，从而设计出可以与其三维结构进行正确交互的药物。确定这么多蛋白质的结构有助于科学家确定哪些蛋白质值得投入资源进行研究。

2020年，Google子公司DeepMind通过开源发布了其预测蛋白质结构的AI系统Alphafold，在该领域掀起了最大的风浪。诺贝尔奖得主Venky Ramakrishnan在2020年发表的一篇公司博客中赞扬了DeepMind的工作，称其为“惊人的进展”，将“从根本上改变生物研究”。即使能够预测200万种蛋白质的结构，也对试图确定药物将如何与这些分子相互作用的科学家构成了巨大的挑战。这项研究随后发表在《自然》杂志上，DeepMind首席执行官Demis Hassabis和首席研究员John Jumper获得了300万美元的突破奖。

去年11月，里维斯领导的团队在一篇发表于《科学》杂志上的论文中描述了他们的模型。该模型的预测速度比Alphafold快60倍，尽管平均预测不太准确。迄今为止，人工智能在药物开发效率方面主要提供了渐进式的改进。而在文本生成AI领域，技术能力突然而迅速地改进，从而引发了商业繁荣的“启示时刻” – 在生物学领域尚未发生，一些传统制药公司并不相信它会发生，或者永远不会发生。

今年4月，里维斯的团队离开了Meta，因为受ChatGPT推动的通用AI难以商业化。尽管这家科技巨头成立了AI部门以追求广

泛的研究，但由于很少有项目显示出商业可行性，其重点已经收窄。类似地，OpenAI在2021年解散了其机器人团队，《金融时报》报道说这是一场广泛的裁员行动，并在母公司内部进行了战略转变，专注于像一系列AI聊天机器人之类的商业事务。在短期内，AI在生物学领域几乎没有潜力产生吸引人的商业回报。像Schrödinger这样的商业参与者，其市值目前不到30亿美元，正在基于旧式分子建模方法销售产品。

EvolutionaryScale是最新一家以大规模估值进行Transformer模型AI研究的公司。独角兽模型开发公司包括Inflection AI，其在今年6月筹集了13亿美元；Fog在今年5月宣布筹集了2.7亿美元；以及Adept在今年3月完成了3.5亿美元的投资。本周，忙碌的AI基础设施提供商Hugging Face宣布以45亿美元的估值获得了2.35亿美元的注资（据福布斯报道，该公司正在筹集资金的消息在上个月首次报道）。许多交易都表明微不足道的收入最终会累积起来。去年以10亿美元估值筹集了1亿美元的稳定AI正在努力产生收入，其中包括其他挑战。福布斯在6月的调查报道中提到。

进一步的蛋白质折叠AI技术进步也需要大量投资。DeepMind于2022年12月设立了新的药物发现部门Isomorphic Labs，而竞争对手Insitro和在纳斯达克上市的Recursion已经从私人和公共投资者那里分别筹集了超过10亿美元的资金（在一份推介文件中，EvolutionaryScale将这些公司列为“潜在合作伙伴”，可以通过其模型帮助实现）。即使有了这笔投资，药物发现需要通过FDA批准的平均时间约为7-10年。

里维斯的团队似乎正在认识到他们的“兼职”身份。根据推介文件，EvolutionaryScale估计其在第一年将花费3800万美元，其中1600万美元将用于计算能力。从那里开始，成本会逐渐增加，第二年为1.61亿美元，第三年为2.78亿美元（分别在计算方面花费1亿美元和2亿美元）。但是在整份文件中，该公司反复强调，生物学AI模型可能需要长达十年的时间才能帮助设计产品和治疗方法。

如果首先检验了他的假设，那就是这样。大量计算预算（和公司名称）指向了EvolutionaryScale的大赌注：扩大AI模型 – 为其提供更多数据并增加其规模 – 将在AI为生物学领域实现“潜在的突破”，在推介备忘录中表示。它将目前与2018年的自然语言处理进行比较。“我们目前看不到其他可信的专注于生物学规模假设的努力，”该文件指出。

根据备忘录，EvolutionaryScale的目标是每年创建一个新模型。到第三年，其雄心是不仅预测蛋白质结构，还要将来自DNA序列、基因表达和表观遗传状态的其他生物学数据整合在一起。其长期愿景包括销售一种通用的生物学AI模型，不专门针对任何特定用例。这一理论表明，该模型可以用于医学 – 例如，“可以检测和摧毁癌症或其他疾病的可编程细胞” – 但也可以用于其他生物技术应用，如清除有毒废物。或设计用于捕获碳的“分子机器”（但）这是一个更具挑战性的市场：这种想法反映了Ginkgo BioWorks的论点，该公司目前的市值比其IPO股票价格低84%。以前是）。要实现这一目标，EvolutionaryScale必须证明其相对于Alphafold的优势，后者在这个领域仍然是“重要存在”。其他公司正在涌现，以追求类似的目标，包括Inceptive，该公司旨在应用大型语言模型设计基于RNA的药物疗法。这家初创公司由Jakub Uszkorit共同创立，他是发明了Transformer的重要研究论文的合著者，这项技术突破是当今生成式AI狂热背后的技术突破。一位匿名的生物技术投资者猜测，未来更通用的大型语言模型，如OpenAI的GPT系列，可能足够高效，可以在生物学中实施。

这样的竞争战斗可能不会成为里维斯的全职关注点，他在文件中被描述为“代理CEO”。根据推介文件，他计划于明年加入MIT和

哈佛大学的Broad研究所，并创建一个“生物设计实验室”。