EvolutionaryScale Ottiene 142 Milioni di Dollari per Scalare Modelli di Dati Biologici per l'IA

EvolutionaryScale ha finalizzato un round di finanziamento seed dichiarato di $142 million (bloomberg.com) per commercializzare il suo modello ESM3, un'IA basata su transformer addestrata su un dataset proprietario di 2.78 billion di sequenze proteiche. Il round, guidato da Nat Friedman, Daniel Gross e Lux Capital (techcrunch.com), posiziona la startup come uno dei principali sfidanti nella corsa all'applicazione di architetture di modelli linguistici di grandi dimensioni (LLM) agli asset di dati biologici, un settore precedentemente dominato da AlphaFold di DeepMind.

La posta in gioco degli asset di dati biologici

Il valore fondamentale di EvolutionaryScale risiede nel suo modello ESM3, che è stato addestrato utilizzando circa 1 trillion di teraflop di potenza di calcolo: un investimento massiccio nell'elaborazione di dati di sequenze biologiche (https://www.evolutionaryscale.ai/blog/esm3-release). A differenza degli LLM per scopi generali addestrati su testo estratto dal web, gli asset di EvolutionaryScale sono costruiti su dati genomici e proteomici ad alta fedeltà. Questa mossa segnala una tendenza di mercato più ampia in cui le valutazioni più elevate si stanno spostando verso aziende che possiedono o curano dataset specializzati e non pubblici. Trattando il codice genetico come un linguaggio, EvolutionaryScale sta effettivamente creando un nuovo mercato per la progettazione di proteine sintetiche, dove i "dati" sono il set di istruzioni per la vita stessa.

Sovranità dei dati aziendali: il patto HPE-Nvidia

Mentre EvolutionaryScale si concentra sui dati biologici, il mercato aziendale più ampio sta virando verso il controllo dei dati localizzati. Hewlett Packard Enterprise (HPE) e Nvidia hanno recentemente lanciato "NVIDIA AI Computing by HPE" (hpe.com), una soluzione sviluppata congiuntamente progettata per consentire alle aziende di addestrare modelli di IA sui propri silos di dati privati. Questa partnership risponde alla crescente domanda di "Private AI", in cui gli asset di dati non lasciano mai il firewall aziendale. Mentre la capitalizzazione di mercato di Nvidia ha raggiunto $3.34 trillion (reuters.com) questa settimana, l'attenzione si è spostata dalle semplici vendite di hardware all'infrastruttura dati sottostante che alimenta questi modelli su scala industriale.

Precedenti legali nello scraping dei dati e nelle licenze

La valutazione degli asset di dati è influenzata anche da nuovi confini legali. In una sentenza storica, un giudice statunitense si è recentemente schierato con Bright Data nella sua battaglia legale contro Meta (reuters.com), concludendo che lo scraping di dati accessibili al pubblico non viola i termini di servizio di Meta. Questa decisione rappresenta una vittoria fondamentale per i marketplace e gli aggregatori di dati, rafforzando la legalità della raccolta di dati pubblici per l'addestramento dell'IA. Contemporaneamente, il Medio Oriente sta emergendo come un hub per gli investimenti in dati sovrani, come dimostrato dall'accordo dichiarato di $2 billion (reuters.com) tra Etisalat (e&) e AWS per espandere le capacità dei dati cloud e IA negli UAE nel prossimo decennio.

Acquisizioni strategiche nella Cloud Data Intelligence

Il consolidamento nel settore dei dati continua mentre i principali attori si muovono per acquisire livelli di intelligence specializzati. Nvidia starebbe acquisendo Shoreline.io per una cifra stimata di $100 million (bloomberg.com). La tecnologia di Shoreline si concentra sull'automazione della risposta agli incidenti negli ambienti cloud, fornendo a Nvidia un ricco flusso di dati operativi per ottimizzare la gestione dei data center guidata dall'IA. Ciò segue un modello di "acqui-hiring" e acquisizioni di asset di dati intesi a rafforzare l'affidabilità dei massicci cluster richiesti per l'addestramento dei modelli di prossima generazione.

Perché è importante per i proprietari di dati

Per i proprietari di dati, il round di EvolutionaryScale e la sentenza Bright Data sottolineano due percorsi divergenti ma redditizi: la monetizzazione di dataset proprietari iper-specializzati e la continua vitalità dell'aggregazione di dati pubblici. Con la crescita della domanda aziendale di "Private AI" attraverso l'alleanza HPE-Nvidia, il premio sugli asset di dati puliti, etichettati e legalmente conformi non è mai stato così alto. I proprietari di dataset unici in biologia, finanza e operazioni industriali sono ora posizionati come i definitivi kingmaker in un'economia dell'IA che è passata dall'era "compute-first" a una realtà "data-first".