EvolutionaryScale تؤمن 142 مليون دولار لبيانات الذكاء الاصطناعي البيولوجي

أغلقت EvolutionaryScale جولة تمويل أولية (seed) معلنة بقيمة $142 million (evolutionaryscale.ai) بقيادة Nat Friedman و Daniel Gross و Lux Capital لتسويق نماذج الذكاء الاصطناعي المتقدمة للبيانات البيولوجية. يمثل هذا الضخ الرأسمالي واحدة من أكبر المراحل الأولية في تاريخ الذكاء الاصطناعي الموجه للتكنولوجيا الحيوية، مما يشير إلى شهية سوقية قوية لـ "Physical AI"—وهي أنظمة قادرة على فهم ومعالجة اللبنات الأساسية للعالم المادي. في قلب هذه الصفقة يكمن إصدار ESM3، وهو نموذج توليدي تم تدريبه على مجموعة بيانات خاصة وعامة تشمل 2.78 billion تسلسل بروتيني (evolutionaryscale.ai)، مما يسمح للباحثين بـ "برمجة" البيولوجيا بفعالية من خلال محاكاة مليارات السنين من التطور في بيئة رقمية.

الميزة متعددة الوسائط في أصول البيانات البيولوجية

على عكس الإصدارات السابقة من نماذج لغة البروتين، يعد ESM3 نموذجاً متقدماً متعدد الوسائط. فهو لا يتنبأ بالبنية فحسب؛ بل يقوم بالاستنتاج عبر التسلسل والبنية والوظيفة في آن واحد. من خلال معالجة مجموعة بيانات تضم 2.78 billion تسلسل وهياكلها ثلاثية الأبعاد المقابلة (evolutionaryscale.ai)، يمكن للنموذج توليد بروتينات جديدة تماماً غير موجودة في الطبيعة. تحول هذه القدرة البيانات البيولوجية من سجل سلبي للتطور إلى أصل نشط لاكتشاف الأدوية، واحتجاز الكربون، وعلوم المواد. تضع الشركة، التي أسسها الفريق الذي يقف وراء مشروع ESM التابع لـ Meta، نفسها كـ "OpenAI للبيولوجيا"، حيث تقدم نسخة من النموذج للمجتمع العلمي مع الاحتفاظ بنسخ عالية القدرة للشراكات التجارية.

Physical AI والتحول في تحقيق الأرباح من البيانات

تسلط صفقة EvolutionaryScale الضوء على اتجاه أوسع حيث تتحول أصول البيانات الأكثر قيمة من النصوص التي يولدها البشر إلى ملاحظات العالم المادي. وبينما تواجه النماذج اللغوية الكبيرة (LLMs) للنصوص عوائد متناقصة وعقبات قانونية تتعلق بحقوق الطبع والنشر، توفر البيانات البيولوجية آفاقاً واسعة وغير مستغلة. تم تدريب نموذج ESM3 باستخدام ما يقرب من 1.0 x 10^24 FLOPS من قوة الحوسبة (evolutionaryscale.ai)، وهو مقياس كان محجوزاً سابقاً للنماذج العامة عالية المستوى. يؤكد هذا الاستثمار على التكلفة العالية—والعائد المحتمل المرتفع—لتدريب النماذج على بيانات فيزيائية متخصصة وعالية الدقة. ومع نضوج Physical AI، من المتوقع أن يتفوق ترخيص مجموعات البيانات البيولوجية والكيميائية والروبوتية المنظمة على البيانات العامة التي يتم جمعها من الويب من حيث القيمة لكل رمز (token).

المشهد التنافسي: خنادق البيانات في علوم الحياة

تدخل EvolutionaryScale سوقاً يهيمن عليه حالياً AlphaFold 3 من DeepMind، ولكن بتركيز متميز على التصميم التوليدي بدلاً من مجرد التنبؤ الهيكلي. يبتعد الخندق التنافسي في هذا القطاع عن بنية النموذج ليتجه نحو حجم وجودة مجموعة بيانات التدريب. من خلال توفير أوزان نسخة من ESM3 تحتوي على 1.4 billion معلمة كمصدر مفتوح، تحاول الشركة وضع معيار الصناعة لتمثيل البيانات البيولوجية. وفي الوقت نفسه، يقوم لاعبون آخرون في النظام البيئي بتأمين خطوط بياناتهم الخاصة؛ على سبيل المثال، تفيد التقارير أن Poolside تجري محادثات لجمع ما يقدر بـ $500 million، وفقاً لـ Bloomberg، لتطبيق مبادئ النماذج الأساسية المماثلة على بيانات هندسة البرمجيات، مما يوضح بشكل أكبر الاندفاع للهيمنة على مجالات بيانات رأسية محددة.

التنظيم وقانونية الحصول على البيانات

مع توسع هذه النماذج، يظل الإطار القانوني لكيفية الحصول على البيانات نقطة ارتكاز حاسمة للمستثمرين. في حكم هام لصناعة البيانات، حكمت محكمة أمريكية مؤخراً لصالح Bright Data في معركتها القانونية الطويلة مع Meta (brightdata.com)، مؤكدة أن كشط البيانات العامة لا ينتهك قانون الاحتيال وإساءة استخدام الكمبيوتر (CFAA) أو يخرق العقود عندما لا تكون البيانات خلف تسجيل دخول. يوفر هذا الحكم درعاً قانونياً حيوياً لشركات الذكاء الاصطناعي مثل EvolutionaryScale التي تعتمد على الحصاد واسع النطاق لقواعد البيانات العلمية العامة لتعزيز مجموعات التدريب الخاصة بها. ومع ذلك، تتزايد الضغوط التنظيمية في أماكن أخرى؛ حيث أبلغت European Commission شركة Apple مؤخراً برأيها الأولي بأن قواعد App Store الخاصة بها تنتهك قانون الأسواق الرقمية (ec.europa.eu)، وهو تذكير بأن حراس البيانات يخضعون لتدقيق متزايد فيما يتعلق بكيفية تحكمهم في الوصول إلى بيانات النظام البيئي.

ابتكارات البنية التحتية والترخيص

تتطور أيضاً البنية التحتية المطلوبة لمعالجة مجموعات البيانات البيولوجية هذه. أعلنت Etched مؤخراً عن جولة تمويل من الفئة أ (Series A) معلنة بقيمة $120 million (etched.com) لبناء شرائح متخصصة لنماذج المحولات (transformer models)، بهدف توفير كفاءة الحوسبة اللازمة للجيل القادم من الذكاء الاصطناعي الفيزيائي كثيف البيانات. وعلى صعيد الترخيص، أطلقت Perplexity AI "برنامج الناشرين" الجديد (perplexity.ai) لإنشاء نموذج لمشاركة الإيرادات مع مالكي البيانات، بما في ذلك Time و Der Spiegel. تمثل هذه الخطوة نضجاً لسوق البيانات المخصصة للذكاء الاصطناعي، حيث تنتقل من الكشط غير المصرح به نحو اتفاقيات ترخيص منظمة ومتعددة السنوات توفر لشركات الذكاء الاصطناعي خطوط بيانات مستقرة وعالية الجودة مع تعويض المبدعين الأصليين.

لماذا يهم هذا مالكي البيانات

بالنسبة لمالكي البيانات، تثبت صفقة EvolutionaryScale أن مجموعات البيانات غير النصية عالية التخصص—مثل التسلسلات الجينومية أو هياكل البروتين—أصبحت الآن من بين الأصول الأكثر قيمة في اقتصاد الذكاء الاصطناعي. ومع انتقال النماذج الأساسية إلى العلوم الفيزيائية، فإن القدرة على توفير بيانات نظيفة ومنظمة ومصادرها أخلاقية لـ "Physical AI" ستفرض رسوم ترخيص ممتازة. يجب على مالكي البيانات التركيز على تدقيق مجموعات البيانات الخاصة بهم لمعرفة إمكاناتها التوليدية، حيث يتحول السوق بسرعة من مجرد تخزين البيانات إلى الترخيص النشط للأصول لتدريب النماذج وضبطها.