EvolutionaryScale 获得 1.42 亿美元用于扩展生物数据模型

EvolutionaryScale 已完成一项已披露的 1.42 亿美元（forbes.com）种子轮融资，以加速开发基于海量生物数据集训练的生成式 AI 模型。本轮融资由 Nat Friedman、Daniel Gross 和 Lux Capital 领投，使公司能够将生物学视为一种可编程的数据资产，并利用其新推出的 ESM3 模型，该模型在包含 27.8 亿个蛋白质序列（evolutionaryscale.ai）的数据集上进行了训练。这一里程碑式事件凸显了非文本、领域特定数据在争夺前沿人工智能能力方面日益增长的价值。

生物数据资产的兴起

与抓取公共网络的通用 LLM 不同，EvolutionaryScale 的价值主张建立在专业生物信息的策展和处理之上。ESM3 模型是一种多模态生成模型，可以对蛋白质的序列、结构和功能进行推理。通过处理来自自然界的数万亿个数据点（evolutionaryscale.ai），这家初创公司旨在使研究人员能够“编程”新的蛋白质，从而可能将药物发现时间从数年缩短到数周。这种“生物学领域的 ChatGPT”方法突显了一个更广泛的市场趋势：专有的、高保真的科学数据集的货币化，这些数据集无法被通用爬虫轻易复制。

许可与诉讼：数据权利之争

像 EvolutionaryScale 这样数据密集型初创公司的融资正值数据获取的法律环境达到沸点之际。OpenAI 和《时代》杂志最近敲定了一项为期多年的内容许可协议（openai.com），允许 OpenAI 访问《时代》杂志 101 年的历史档案。虽然具体的财务条款尚未披露，但行业分析师指出，OpenAI 与新闻集团（reuters.com）达成的估计为 2.5 亿美元的交易，是经过验证的人类新闻业目前所受到的重视程度的基准。

相反，未经许可的数据获取成本正变得高得令人望而却步。代表索尼和环球音乐等主要唱片公司的 RIAA，在其对 AI 音乐初创公司 Suno 和 Udio 的诉讼中，正寻求每件作品高达 15 万美元的法定损害赔偿（reuters.com）。据称，由于数十万首录音未经许可就被使用，总赔偿金额可能高达估计的 135 亿美元（reuters.com）。这种法律压力正迫使人们从“合理使用”辩护转向结构化的数据市场，在这个市场中，每个训练令牌都有清晰的来源和价格标签。

资本流入数据密集型基础设施

对数据就绪型 AI 的需求也引发了大规模的基础设施投资。欧洲国防 AI 公司 Helsing 在 C 轮融资中获得了已披露的 4.5 亿欧元（reuters.com），公司估值估计为 50 亿欧元（bloomberg.com）。Helsing 的软件定义防御系统依赖于战场传感器数据的实时处理，代表了公共部门数据资产货币化的关键垂直领域。同样，Etched.ai 筹集了已披露的 1.2 亿美元（techcrunch.com），用于构建专门用于处理 Transformer 模型所需的海量数据吞吐量的专用芯片。

在法律科技领域，初创公司 Harvey 据报道正在洽谈以约 20 亿美元的估值（techcrunch.com）筹集新资金。Harvey 的核心资产是其访问和处理专有法律数据的能力，这进一步证明了市场正在奖励那些控制“数据护城河”而非仅仅控制算法的公司。

对数据所有者的意义

对于机构数据所有者而言，EvolutionaryScale 和 OpenAI-Time 的交易证实了免费数据抓取时代即将结束。数据不再是业务运营的副产品；它是一种主要的资产类别。无论是生物序列、历史档案还是法律先例，市场现在提供了两条截然不同的道路：对于合作者而言，是数百万美元的许可合作伙伴关系；对于未经同意就被侵占资产者而言，是数十亿美元的诉讼。随着 AI 模型变得越来越专业化，小众、高完整性数据集的价值将继续超过通用网络抓取内容的价值。