EvolutionaryScale asegura $142M para "World Models" biológicos

EvolutionaryScale ha cerrado una ronda de financiación semilla de $142 millones (https://www.forbes.com/sites/alexkonrad/2024/06/25/evolutionaryscale-raises-142-million-for-biological-ai-model/) para acelerar el desarrollo de "world models" de IA capaces de simular e ingeniar sistemas biológicos. La ronda, liderada por Lux Capital, Nat Friedman y Daniel Gross, con la participación de Nvidia y Amazon, posiciona a la startup a la vanguardia de la carrera armamentista de "datos para biología". El capital está destinado a la mejora de ESM3, un modelo de lenguaje de vanguardia para biología que cuenta con 98 mil millones de parámetros (https://www.evolutionaryscale.ai/blog/esm3-release) y fue entrenado en un conjunto de datos masivo de 278 millones de proteínas (https://www.evolutionaryscale.ai/blog/esm3-release).

El Auge de los "World Models" Biológicos

A diferencia de la IA generativa tradicional que se enfoca en texto o píxeles, EvolutionaryScale está construyendo lo que los investigadores llaman un "world model" para las ciencias de la vida. Al tratar el código genético como un lenguaje, el modelo ESM3 ha demostrado la capacidad de generar proteínas fluorescentes completamente nuevas que se desvían significativamente de las encontradas en la naturaleza, simulando efectivamente 500 millones de años de evolución (https://www.evolutionaryscale.ai/blog/esm3-release) en un entorno digital. Esta capacidad señala un cambio en el mercado de activos de datos, donde los conjuntos de datos más valiosos ya no son solo texto extraído de la web, sino secuencias biológicas altamente especializadas y estructuradas que pueden usarse para "programar" la materia.

El Giro de la Licencia de Datos: De Uso Justo a Activos Pagados

La ronda de EvolutionaryScale coincide con un cambio de mercado más amplio hacia la licencia de datos de alta integridad. Mientras los datos biológicos se tokenizan para el descubrimiento de fármacos, los gigantes de los medios están asegurando sus propios archivos. OpenAI firmó recientemente un acuerdo de licencia de contenido multianual (https://time.com/6992661/time-openai-partnership/) con Time Magazine, otorgando al laboratorio de IA acceso a más de 100 años de archivos periodísticos. Si bien los términos financieros no se han revelado (https://www.reuters.com/technology/openai-time-strike-multi-year-content-licensing-deal-2024-06-27/), el acuerdo sigue el punto de referencia revelado de $250 millones (https://www.reuters.com/technology/news-corp-signs-multi-year-ai-content-deal-with-openai-2024-05-22/) establecido por el acuerdo de News Corp. De manera similar, YouTube está negociando (https://www.ft.com/content/22759e6f-479e-41a4-9e7b-f947702f23b2) con importantes sellos discográficos, incluidos Sony y Universal, para ofrecer sumas globales estimadas de varios millones de dólares (https://www.ft.com/content/22759e6f-479e-41a4-9e7b-f947702f23b2) para el acceso legal a catálogos musicales para el entrenamiento de IA.

Vientos Regulatorios y Procedencia de Datos

A medida que el valor de los datos de entrenamiento se dispara, los reguladores y creadores se oponen al uso no autorizado. Figma desactivó recientemente su función de IA "Make Design" (https://www.theverge.com/2024/7/1/24189917/figma-disables-ai-design-tool-apple-weather-app-copying) tras las acusaciones de que fue entrenada con diseños de aplicaciones existentes, lo que destaca los riesgos legales de las tuberías de datos opacas. Además, la inversión reportada de SoftBank de $10 millones a $20 millones (https://www.bloomberg.com/news/articles/2024-06-27/softbank-to-invest-in-search-startup-perplexity-ai/) en Perplexity AI se produce en medio de una avalancha de avisos de infracción de derechos de autor de editores, lo que sugiere que incluso las startups de IA de alto crecimiento ahora deben presupuestar fuertemente para el cumplimiento de datos y la liquidación. Esta tendencia se evidencia aún más en la ronda de financiación estimada de $100 millones de Harvey (https://techcrunch.com/2024/06/26/legal-ai-startup-harvey-is-raising-100m-at-a-1-5b-valuation/), que valora al especialista en datos legales en un estimado de $1.5 mil millones (https://techcrunch.com/2024/06/26/legal-ai-startup-harvey-is-raising-100m-at-a-1-5b-valuation/), una prima impulsada por su acceso a conjuntos de datos legales propietarios y de alto riesgo.

Por qué importa para los propietarios de datos

El acuerdo de EvolutionaryScale demuestra que la frontera más lucrativa para la monetización de datos está cambiando del contenido web general a los "world models" específicos de dominio. Para los propietarios de datos en biología, derecho y música, el mercado ha ido más allá de la simple licencia a un modelo de asociación estratégica donde los datos son el catalizador principal para avances científicos y creativos. A medida que los laboratorios de IA como OpenAI y Anthropic agotan los datos públicos de la web, la prima por conjuntos de datos limpios, propietarios y legalmente autorizados continuará aumentando, transformando archivos pasivos en activos financieros de alto rendimiento.