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 million (bloomberg.com) abgeschlossen, um sein ESM3-Modell zu kommerzialisieren, eine Transformer-basierte KI, die auf einem proprietären Datensatz von 2.78 billion Proteinsequenzen trainiert wurde. Die Runde, angeführt von Nat Friedman, Daniel Gross und Lux Capital (techcrunch.com), positioniert das Startup als primären Herausforderer im Wettlauf um die Anwendung von Large Language Model (LLM)-Architekturen auf biologische Datenbestände, ein Sektor, der zuvor von DeepMinds AlphaFold dominiert wurde.

Der hohe Einsatz bei biologischen Datenbeständen

Der Kernwert von EvolutionaryScale liegt in seinem ESM3-Modell, das mit etwa 1 trillion Teraflops an 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 gescrapten Texten trainiert wurden, basieren die Assets von EvolutionaryScale auf hochpräzisen genomischen und proteomischen Daten. Dieser Schritt signalisiert einen breiteren Markttrend, bei dem sich die höchsten Bewertungen hin zu Unternehmen verschieben, die spezialisierte, nicht öffentliche Datensätze besitzen oder kuratieren. Indem EvolutionaryScale den genetischen Code als Sprache behandelt, schafft das Unternehmen effektiv einen neuen Marktplatz für synthetisches Proteindesign, auf dem die „Daten“ der Befehlssatz für das Leben selbst sind.

Souveränität von Unternehmensdaten: Der HPE-Nvidia-Pakt

Während sich EvolutionaryScale auf biologische Daten konzentriert, orientiert sich der breitere Unternehmensmarkt in Richtung lokalisierter Datenkontrolle. Hewlett Packard Enterprise (HPE) und Nvidia haben kürzlich „NVIDIA AI Computing by HPE“ (hpe.com) eingeführt, eine gemeinsam entwickelte Lösung, die es Unternehmen ermöglichen soll, KI-Modelle auf ihren eigenen privaten Datensilos zu trainieren. Diese Partnerschaft adressiert die wachsende Nachfrage nach „Private AI“, bei der Datenbestände niemals die Unternehmens-Firewall verlassen. Da die Marktkapitalisierung von Nvidia diese Woche $3.34 trillion (reuters.com) erreichte, hat sich der Fokus von reinen Hardwareverkäufen auf die zugrunde liegende Dateninfrastruktur verlagert, die diese Modelle im industriellen Maßstab antreibt.

Rechtliche Präzedenzfälle beim Data Scraping und der Lizenzierung

Die Bewertung von Datenbeständen wird auch durch neue rechtliche Grenzen geprägt. In einem wegweisenden Urteil stellte sich ein US-Richter kürzlich im Rechtsstreit gegen Meta (reuters.com) auf die Seite von Bright Data und kam zu dem Schluss, dass das Scraping öffentlich zugänglicher Daten nicht gegen die Nutzungsbedingungen von Meta verstößt. Diese Entscheidung ist ein entscheidender Sieg für Datenmarktplätze und Aggregatoren und stärkt die Rechtmäßigkeit der Erfassung 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 von Etisalat (e&) und AWS über $2 billion (reuters.com) zur Erweiterung der Cloud- und KI-Datenkapazitäten in den VAE im nächsten Jahrzehnt belegt wird.

Strategische Akquisitionen im Bereich Cloud Data Intelligence

Die Konsolidierung im Datensektor setzt sich fort, da große Akteure dazu übergehen, spezialisierte Intelligenzebenen zu erwerben. Berichten zufolge erwirbt Nvidia Shoreline.io für geschätzte $100 million (bloomberg.com). Die Technologie von Shoreline konzentriert sich auf die Automatisierung der Reaktion auf Vorfälle in Cloud-Umgebungen und liefert Nvidia einen reichhaltigen Strom an Betriebsdaten zur Optimierung des KI-gesteuerten Rechenzentrumsmanagements. Dies folgt einem Muster von „Acqui-hiring“ und Akquisitionen von Datenbeständen, die darauf abzielen, die Zuverlässigkeit der massiven Cluster zu stärken, die für das Training von Modellen der nächsten Generation erforderlich sind.

Warum es für Dateneigentümer wichtig ist

Für Dateneigentümer unterstreichen die EvolutionaryScale-Runde und das Bright Data-Urteil zwei unterschiedliche, aber lukrative Wege: die Monetarisierung hochspezialisierter, proprietärer Datensätze und die fortgesetzte Rentabilität der Aggregation öffentlicher Daten. Da die Nachfrage von Unternehmen nach „Private AI“ über die HPE-Nvidia-Allianz wächst, war der Aufschlag für saubere, gekennzeichnete und rechtskonforme Datenbestände noch nie so hoch. Besitzer einzigartiger Datensätze in den Bereichen Biologie, Finanzen und Industriebetrieb sind nun als die ultimativen Kingmaker in einer KI-Wirtschaft positioniert, die über die „Compute-first“-Ära hinaus in eine „Data-first“-Realität übergegangen ist.