EvolutionaryScale залучила $142 млн для масштабування моделей біологічних даних для ШІ

EvolutionaryScale завершила оголошений раунд посівного фінансування на суму 142 мільйони доларів (bloomberg.com) для комерціалізації своєї моделі ESM3, ШІ на основі трансформера, навченої на пропрієтарному наборі даних з 2,78 мільярда послідовностей білків. Раунд, очолюваний Nat Friedman, Daniel Gross та Lux Capital (techcrunch.com), позиціонує стартап як основного конкурента в гонці за застосування архітектур великих мовних моделей (LLM) до біологічних даних, сектору, який раніше домінував AlphaFold від DeepMind.

Високі ставки біологічних даних

Основна цінність EvolutionaryScale полягає в її моделі ESM3, яка була навчена з використанням приблизно 1 трильйона терафлопсів обчислювальної потужності — величезні інвестиції в обробку даних біологічних послідовностей (https://www.evolutionaryscale.ai/blog/esm3-release). На відміну від універсальних LLM, навчених на текстах, зібраних з Інтернету, активи EvolutionaryScale побудовані на високоточних геномних та протеомних даних. Цей крок сигналізує про ширшу ринкову тенденцію, коли найвищі оцінки зміщуються до компаній, які володіють або курують спеціалізовані, непублічні набори даних. Розглядаючи генетичний код як мову, EvolutionaryScale фактично створює новий ринок для синтетичного дизайну білків, де "дані" є набором інструкцій для самого життя.

Суверенітет корпоративних даних: пакт HPE-Nvidia

У той час як EvolutionaryScale зосереджується на біологічних даних, ширший корпоративний ринок переорієнтовується на локалізований контроль даних. Hewlett Packard Enterprise (HPE) та Nvidia нещодавно запустили "NVIDIA AI Computing by HPE" (hpe.com), спільно розроблене рішення, призначене для того, щоб дозволити корпораціям навчати моделі ШІ на власних приватних сховищах даних. Це партнерство відповідає зростаючому попиту на "Приватний ШІ", де активи даних ніколи не покидають корпоративний брандмауер. Оскільки ринкова капіталізація Nvidia досягла 3,34 трильйона доларів (reuters.com) цього тижня, фокус змістився з простого продажу обладнання на базову інфраструктуру даних, яка живить ці промислові моделі.

Юридичні прецеденти у зборі та ліцензуванні даних

Оцінка даних також формується новими юридичними межами. У знаковому рішенні суддя США нещодавно став на бік Bright Data у її юридичній боротьбі проти Meta (reuters.com), дійшовши висновку, що збір загальнодоступних даних не порушує умови обслуговування Meta. Це рішення є критично важливою перемогою для ринків даних та агрегаторів, підтверджуючи законність збору загальнодоступних даних для навчання ШІ. Водночас Близький Схід стає центром інвестицій у суверенні дані, про що свідчить оголошена угода Etisalat (e&) та AWS на суму 2 мільярди доларів (reuters.com) щодо розширення хмарних можливостей та можливостей ШІ в ОАЕ протягом наступного десятиліття.

Стратегічні придбання в галузі хмарної аналітики даних

Консолідація в секторі даних триває, оскільки великі гравці рухаються до придбання спеціалізованих рівнів аналітики. Nvidia, за повідомленнями, купує Shoreline.io за приблизно 100 мільйонів доларів (bloomberg.com). Технологія Shoreline зосереджена на автоматизації реагування на інциденти в хмарних середовищах, надаючи Nvidia багатий потік операційних даних для оптимізації управління центрами обробки даних на основі ШІ. Це відповідає моделі "acqui-hiring" та придбання активів даних, спрямованих на підвищення надійності масивних кластерів, необхідних для навчання моделей наступного покоління.

Чому це важливо для власників даних

Для власників даних раунд EvolutionaryScale та рішення Bright Data підкреслюють два різні, але прибуткові шляхи: монетизація гіперспеціалізованих, пропрієтарних наборів даних та подальша життєздатність агрегації загальнодоступних даних. Зі зростанням корпоративного попиту на "Приватний ШІ" через альянс HPE-Nvidia, премія за чисті, марковані та юридично відповідні активи даних ніколи не була вищою. Власники унікальних наборів даних у галузі біології, фінансів та промислових операцій тепер позиціонуються як головні королі в економіці ШІ, яка вийшла за межі ери "спочатку обчислення" в реальність "спочатку дані".