EvolutionaryScale 融资 1.42 亿美元以扩展生物数据模型

EvolutionaryScale 已完成披露的 1.42 亿美元（https://www.forbes.com/sites/alexkonrad/2024/06/25/evolutionaryscale-raises-142-million-for-biology-ai/）种子轮融资，以加速基于海量生物数据集训练的生成式 AI 模型开发。本轮融资由 Nat Friedman、Daniel Gross 和 Lux Capital 领投，使该公司能够将生物学视为一种可编程的数据资产，并利用其新的 ESM3 模型，该模型是在一个包含 27.8 亿个蛋白质序列（https://www.evolutionaryscale.ai/blog/esm3-release）的数据集上训练的。这一里程碑凸显了在争夺前沿 AI 能力的竞赛中，非文本、领域特定数据的价值日益增长。

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划和处理之上。ESM3 模型是一个多模态生成模型，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（https://www.evolutionaryscale.ai/blog/esm3-release），这家初创公司旨在使研究人员能够“编程”新的蛋白质，有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 vs. 诉讼：数据权的争夺

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白热化之际。OpenAI 和《时代》杂志最近敲定了一项多年内容许可协议（https://openai.com/index/openai-and-time-sign-multi-year-content-partnership-and-strategic-alliance/），授予 OpenAI 访问《时代》杂志 101 年历史档案的权限。尽管具体的财务条款未披露，但行业分析师指出，OpenAI 与 News Corp 达成的估计为 2.5 亿美元的交易（https://www.reuters.com/technology/news-corp-strikes-ai-content-licensing-deal-with-openai-2024-05-22/）是经过验证的人类新闻业目前所获溢价的基准。

相反，未经许可的数据获取成本正变得高昂得令人望而却步。代表索尼和环球音乐等主要唱片公司的 RIAA，在一项针对 AI 音乐初创公司 Suno 和 Udio 的版权侵权诉讼中，寻求高达每件作品 15 万美元的法定损害赔偿（https://www.reuters.com/legal/music-labels-sue-suno-udio-ai-copyright-infringement-2024-06-24/）。据称，由于未经许可使用了数十万首录音，总潜在赔偿可能高达估计的 135 亿美元（https://www.reuters.com/legal/music-labels-sue-suno-udio-ai-copyright-infringement-2024-06-24/）。这种法律压力正迫使从“合理使用”辩护向结构化的数据市场过渡，在这个市场中，每个训练令牌都有清晰的出处和价格标签。

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 在其 C 轮融资中筹集到披露的 4.5 亿欧元（https://www.reuters.com/technology/defense-ai-startup-helsing-raises-450-mln-euro-funding-round-2024-07-04/），公司估值估计为 50 亿欧元（https://www.bloomberg.com/news/articles/2024-06-17/defense-ai-startup-helsing-is-said-to-near-400-million-funding）。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 筹集到披露的 1.2 亿美元（https://techcrunch.com/2024/06/25/etched-raises-120m-to-build-a-chip-that-only-runs-transformer-models/），用于构建专门用于处理 Transformer 模型所需海量数据吞吐量的专用芯片。

在法律科技领域，初创公司 Harvey 据报道正在洽谈以估计的 20 亿美元估值筹集新资本（https://techcrunch.com/2024/06/25/legal-ai-startup-harvey-is-raising-600m-from-google-at-a-2b-valuation/）。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”而非仅仅算法的公司。

这对数据所有者意味着什么

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：对于那些合作的人来说是数百万美元的许可合作伙伴关系，对于那些未经同意就被侵占资产的人来说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。