EvolutionaryScale Asegura $142M para IA de Datos Biológicos

EvolutionaryScale ha cerrado una ronda de financiación inicial revelada de $142 million (evolutionaryscale.ai) liderada por Nat Friedman, Daniel Gross y Lux Capital para comercializar modelos de AI de frontera para datos biológicos. La inyección de capital marca una de las etapas iniciales más grandes en la historia de la AI centrada en la biotecnología, señalando un agresivo apetito del mercado por la "Physical AI": sistemas capaces de comprender y manipular los componentes fundamentales del mundo físico. En el núcleo del acuerdo se encuentra el lanzamiento de ESM3, un modelo generativo entrenado en un conjunto de datos propio y público que abarca 2.78 billion de secuencias de proteínas (evolutionaryscale.ai), lo que permite a los investigadores "programar" eficazmente la biología simulando miles de millones de años de evolución en un entorno digital.

La ventaja multimodal en los activos de datos biológicos

A diferencia de las iteraciones anteriores de modelos de lenguaje de proteínas, ESM3 es un modelo de frontera multimodal. No se limita a predecir la estructura; razona a través de la secuencia, la estructura y la función simultáneamente. Al procesar un conjunto de datos de 2.78 billion de secuencias y sus correspondientes estructuras 3D (evolutionaryscale.ai), el modelo puede generar proteínas completamente nuevas que no existen en la naturaleza. Esta capacidad transforma los datos biológicos de un registro pasivo de la evolución en un activo activo para el descubrimiento de fármacos, la captura de carbono y la ciencia de materiales. La empresa, fundada por el equipo detrás del proyecto ESM de Meta, se está posicionando como el "OpenAI de la biología", ofreciendo una versión del modelo a la comunidad científica mientras reserva versiones de alta capacidad para asociaciones comerciales.

Physical AI y el cambio en la monetización de datos

El acuerdo de EvolutionaryScale destaca una tendencia más amplia en la que los activos de datos más valiosos se están desplazando del texto generado por humanos a las observaciones del mundo físico. Mientras que los LLM para texto enfrentan rendimientos decrecientes y obstáculos legales sobre los derechos de autor, los datos biológicos ofrecen una frontera vasta y sin explotar. El modelo ESM3 fue entrenado utilizando aproximadamente 1.0 x 10^24 FLOPS de potencia de cómputo (evolutionaryscale.ai), una escala previamente reservada para modelos de propósito general de primer nivel. Esta inversión subraya el alto costo —y el alto retorno potencial— de entrenar modelos con datos físicos especializados y de alta fidelidad. A medida que la Physical AI madura, se espera que la concesión de licencias de conjuntos de datos biológicos, químicos y robóticos estructurados supere a los datos generales rastreados en la web en términos de valor por token.

El panorama competitivo: fosos de datos en las ciencias de la vida

EvolutionaryScale entra en un mercado actualmente dominado por AlphaFold 3 de DeepMind, pero con un enfoque distinto en el diseño generativo en lugar de solo la predicción estructural. El foso competitivo en este sector se está alejando de la arquitectura del modelo hacia la escala y la calidad del corpus de entrenamiento. Al abrir los pesos para una versión de 1.4 billion de parámetros de ESM3, la empresa intenta establecer el estándar de la industria para la representación de datos biológicos. Mientras tanto, otros actores del ecosistema están asegurando sus propios canales de datos; por ejemplo, se informa que Poolside está en conversaciones para recaudar un estimado de $500 million, según Bloomberg, para aplicar principios similares de modelos fundacionales a los datos de ingeniería de software, lo que ilustra aún más la prisa por dominar dominios de datos verticales específicos.

Regulación y legalidad de la adquisición de datos

A medida que estos modelos escalan, el marco legal sobre cómo se adquieren los datos sigue siendo un punto de inflexión crítico para los inversores. En un fallo significativo para la industria de los datos, un tribunal de U.S. dictaminó recientemente a favor de Bright Data en su larga batalla legal con Meta (brightdata.com), afirmando que el raspado de datos públicos no viola la Computer Fraud and Abuse Act (CFAA) ni incumple contratos cuando los datos no están detrás de un inicio de sesión. Este fallo proporciona un escudo legal vital para empresas de AI como EvolutionaryScale que dependen de la recolección a gran escala de bases de datos científicas públicas para aumentar sus conjuntos de entrenamiento patentados. Sin embargo, la presión regulatoria está aumentando en otros lugares; la European Commission informó recientemente a Apple de su opinión preliminar de que las reglas de su App Store infringen la Digital Markets Act (ec.europa.eu), un recordatorio de que los guardianes de datos están bajo un escrutinio cada vez mayor sobre cómo conrolan el acceso a los datos del ecosistema.

Innovaciones en infraestructura y licencias

La infraestructura necesaria para procesar estos conjuntos de datos biológicos también está evolucionando. Etched anunció recientemente una Serie A revelada de $120 million (etched.com) para construir chips especializados para modelos de transformadores, con el objetivo de proporcionar la eficiencia de cómputo necesaria para la próxima generación de Physical AI intensiva en datos. En el frente de las licencias, Perplexity AI ha lanzado un nuevo "Publishers Program" (perplexity.ai) para crear un modelo de reparto de ingresos con los propietarios de datos, incluidos Time y Der Spiegel. Este movimiento representa una maduración del mercado de datos para AI, alejándose del raspado no autorizado hacia acuerdos de licencia estructurados y plurianuales que proporcionan a las empresas de AI canales de datos estables y de alta calidad mientras compensan a los creadores originales.

Por qué es importante para los propietarios de datos

Para los propietarios de datos, el acuerdo de EvolutionaryScale demuestra que los conjuntos de datos no textuales altamente especializados —como las secuencias genómicas o las estructuras de proteínas— se encuentran ahora entre los activos más valiosos de la economía de la AI. A medida que los modelos fundacionales se trasladan a las ciencias físicas, la capacidad de proporcionar datos limpios, estructurados y de origen ético para la "Physical AI" exigirá tarifas de licencia premium. Los propietarios de datos deben centrarse en auditar sus conjuntos de datos patentados para determinar su potencial generativo, ya que el mercado está pasando rápidamente del simple almacenamiento de datos a la concesión activa de licencias de activos para el entrenamiento y el ajuste de modelos.