EvolutionaryScale sichert sich 142 Mio. US-Dollar zur Skalierung von biologischen Daten-für-KI-Modellen

EvolutionaryScale hat eine bekannt gegebene Seed-Finanzierungsrunde in Höhe von 142 Millionen US-Dollar (https://www.bloomberg.com/news/articles/2024-06-18/ai-startup-evolutionaryscale-raises-142-million-to-design-proteins) abgeschlossen, um sein ESM3-Modell zu kommerzialisieren. Dieses Transformer-basierte KI-Modell wurde auf einem proprietären Datensatz von 278 Millionen Proteinsequenzen trainiert. Die Runde, angeführt von Nat Friedman, Daniel Gross und Lux Capital (https://techcrunch.com/2024/06/18/evolutionaryscale-raises-142m-from-nat-friedman-daniel-gross-and-lux-capital-to-pioneer-generative-ai-for-biology/), positioniert das Startup als Hauptkonkurrenten im Rennen um die Anwendung von Large-Language-Model (LLM)-Architekturen auf biologische Datenbestände, einem Sektor, der zuvor von DeepMinds AlphaFold dominiert wurde.

Die hohen Einsätze biologischer Datenbestände

Der Kernwert von EvolutionaryScale liegt in seinem ESM3-Modell, das mit rund 1 Billion Teraflops Rechenleistung trainiert wurde – eine massive Investition in die Verarbeitung von biologischen Sequenzdaten (https://www.evolutionaryscale.ai/blog/esm3-release). Im Gegensatz zu Allzweck-LLMs, die auf aus dem Web gescraptem Text trainiert werden, basieren die Datenbestände von EvolutionaryScale auf hochpräzisen genomischen und proteomischen Daten. Dieser Schritt signalisiert einen breiteren Markttrend, bei dem die höchsten Bewertungen sich auf Unternehmen verlagern, die spezialisierte, nicht-öffentliche Datensätze besitzen oder kuratieren. Indem EvolutionaryScale den genetischen Code als Sprache behandelt, schafft das Unternehmen effektiv einen neuen Marktplatz für das Design synthetischer Proteine, bei dem die „Daten“ der Befehlssatz für das Leben selbst sind.

Unternehmensdatenhoheit: Der HPE-Nvidia-Pakt

Während sich EvolutionaryScale auf biologische Daten konzentriert, wendet sich der breitere Unternehmensmarkt der lokalen Datenkontrolle zu. Hewlett Packard Enterprise (HPE) und Nvidia haben kürzlich „NVIDIA AI Computing by HPE“ (https://www.hpe.com/us/en/newsroom/press-release/2024/06/hpe-and-nvidia-announce-nvidia-ai-computing-by-hpe-to-accelerate-the-generative-ai-industrial-revolution.html) auf den Markt gebracht, eine gemeinsam entwickelte Lösung, die es Unternehmen ermöglicht, KI-Modelle auf ihren eigenen privaten Datensilos zu trainieren. Diese Partnerschaft adressiert die wachsende Nachfrage nach „Private AI“, bei der Datenbestände niemals die Unternehmensfirewall verlassen. Da die Marktkapitalisierung von Nvidia diese Woche 3,34 Billionen US-Dollar erreichte (https://www.reuters.com/technology/nvidia-set-overtake-microsoft-worlds-most-valuable-company-2024-06-18/), hat sich der Fokus von reinem Hardwareverkauf auf die zugrunde liegende Dateninfrastruktur verlagert, die diese industriellen Modelle antreibt.

Rechtliche Präzedenzfälle bei Data Scraping und Lizenzierung

Die Bewertung von Datenbeständen wird auch durch neue rechtliche Grenzen geprägt. In einem wegweisenden Urteil gab ein US-Richter kürzlich Bright Data in seinem Rechtsstreit gegen Meta (https://www.reuters.com/legal/meta-loses-bid-block-bright-data-scraping-its-sites-2024-06-18/) Recht und entschied, dass das Scraping öffentlich zugänglicher Daten nicht gegen die Nutzungsbedingungen von Meta verstößt. Diese Entscheidung ist ein wichtiger Sieg für Datenmarktplätze und -aggregator und bekräftigt die Rechtmäßigkeit der Sammlung öffentlich zugänglicher Daten für das KI-Training. Gleichzeitig entwickelt sich der Nahe Osten zu einem Zentrum für souveräne Dateninvestitionen, was durch die bekannt gegebene Vereinbarung zwischen Etisalat (e&) und AWS über 2 Milliarden US-Dollar (https://www.reuters.com/technology/etisalat-aws-invest-2-bln-uae-cloud-expansion-2024-06-17/) zur Erweiterung der Cloud- und KI-Datenkapazitäten in den VAE über das nächste Jahrzehnt belegt wird.

Strategische Akquisitionen im Bereich Cloud Data Intelligence

Die Konsolidierung im Datensektor setzt sich fort, da wichtige Akteure spezialisierte Intelligenzschichten erwerben. Nvidia übernimmt Berichten zufolge Shoreline.io für geschätzte 100 Millionen US-Dollar (https://www.bloomberg.com/news/articles/2024-06-17/nvidia-is-said-to-acquire-software-startup-shoreline). Shorelines Technologie konzentriert sich auf die Automatisierung der Reaktion auf Vorfälle in Cloud-Umgebungen und versorgt Nvidia mit einem reichen Strom operativer Daten zur Optimierung des KI-gesteuerten Rechenzentrumsmanagements. Dies folgt einem Muster von „Acqui-Hiring“ und dem Erwerb von Datenbeständen, die darauf abzielen, die Zuverlässigkeit der für das Training von Modellen der nächsten Generation erforderlichen massiven Cluster zu verbessern.

Warum es für Dateneigentümer wichtig ist

Für Dateneigentümer unterstreichen die Runde von EvolutionaryScale und das Urteil von Bright Data zwei divergierende, aber lukrative Wege: die Monetarisierung von hyper-spezialisierten, proprietären Datensätzen und die fortgesetzte Rentabilität der öffentlichen Datenaggregation. Da die Nachfrage von Unternehmen nach „Private AI“ über die HPE-Nvidia-Allianz wächst, war die Prämie für saubere, gekennzeichnete und rechtlich konforme Datenbestände noch nie so hoch. Eigentümer einzigartiger Datensätze in den Bereichen Biologie, Finanzen und Industrieoperationen sind nun die ultimativen „Kingmaker“ in einer KI-Wirtschaft, die die Ära des „Compute-First“ hinter sich gelassen hat und sich zu einer „Data-First“-Realität entwickelt hat.