没想到，Meta的AI蛋白质团队以一种全新的方式杀回来了。
前不久智药局曾经报道过，
近日福布斯爆料，前 Meta AI 蛋白质折叠团队负责人 Alexander Rives 创立了“AI+蛋白质折叠”初创公司 EvolutionaryScale，该团队8个核心成员均加入了公司。
团队曾经在Meta的科研经历也为新公司做了一次良好的背书。
到今年 6 月，该公司完成了超4000 万美元的种子轮融资，此次融资由 Lux Capital 领投，著名人工智能投资者 Nat Friedman 和 Daniel Gross 跟投，完成后 EvolutionaryScale 的估值为 2 亿美元。
出自Meta AI
今年 4 月， 作为公司内部大规模裁员的一部分，Meta将其AI蛋白质折叠团队也裁掉。
此前，该团队以 OpenAI 的 GPT-4 和谷歌的 Bard 的风格创建了一个基于 Transformer 的蛋白质预测模型——ESMFold。
Meta AI 声称 AlphaFold 2 和 RoseTTAFold 具有相似的准确性，但 ESMFold 推理速度更快，能够探索宏基因组蛋白的结构空间。
AlphaFold 使用基于网络的模型，而 ESMFold 利用大规模语言模型进行蛋白质预测。Meta AI团队表示，语言建模复杂性和结构学习的改进持续通过150亿个参数。相比之下，他们最新的模型 ESM2（拥有 1500 万个参数）优于旧模型 ESM1b（拥有 6.5 亿个参数）。
被裁后，ESMFold 团队的 8 名创始人员成立了 EvolutionaryScale，再次并肩作战，该初创公司致力于基于人工智能技术的蛋白质预测模型研究
创始人 Alexander Rives 是美国纽约大学计算机科学博士，Facebook 前人工智能科学家，专注于生物学的大规模语言模型。
同时，Alexander Rives也是Fate Therapeutics、Syros Pharmaceuticals（均在纳斯达克上市）和Kallyope的联合创始人。
如此看，离开Meta，再成立EvolutionaryScale，更像是重操旧业，也是Alexander Rives一直坚持的研究方向。
有意思的是，公司名称“EvolutionaryScale”，正是在ESM模型（Evolutionary Scale Modeling ）基础上设立的。
在去年 11 月，该团队名为《Evolutionary-scaleprediction of atomic-level protein structure with a language model》的研究文章，发表在了《Science》杂志上。
论文中提到，尽管 ESMFold 模型预测的平均准确度较低，但其预测速度比 AlphaFold快 60 倍。
根据《福布斯》获得的一份推介文件，到 6 月，这家初创公司正在向风险投资家寻求种子轮融资，以通过大幅扩大其人工智能模型的规模来推进其研究工作。
四位知情人士表示，Lux Capital 领投了这轮约 4000 万美元的融资。
Lux Capital 成立于 2000 年，总部位于纽约，该公司倾向于投资新兴科技公司，重点关注3D打印、机器学习和人工智能、飞行和手术机器人等领域。
两位消息人士称，此次融资后 EvolutionaryScale 的估值为 2 亿美元，著名人工智能投资者Nat Friedman 和 Daniel Gross参与了此次融资。
Nat Friedman 和 Daniel Gross 被称为“硅谷AI投资双子星”，在 Chroma、Magic、Digits 等AI初创明星公司投资列表中，都能找到他们的身影。
而 EvolutionaryScale 背靠 Meta AI 这棵大树，刚成立就能得到这两位的亲睐，似乎也就不意外了。
一场豪赌
众所周知，人工智能蛋白质折叠技术的进一步发展需要大量投资。
例如，DeepMind 于 2022 年 12 月成立了新的药物发现部门 Isomorphic Labs，而其竞争对手 Insitro 和纳斯达克上市的 Recursion 已从私人和公共投资者那里筹集了超过 10 亿美元。
但即便有这样的高额投资，药物从发现到 FDA 批准的平均时间约为 7-10 年，在资金方面还是有不小的压力。
根据推介文件介绍，在成本制定上，EvolutionaryScale 预计*年将花费 3800 万美元，其中超 42% 的资金，也就是1600 万美元用于计算费用。
第二年高达 1.61 亿美元，第三年高达 2.78 亿美元，其中，计算费用分别为 1 亿美元和 2 亿美元，占比逐年增加。
但在整个文件中，该公司反复强调，生物人工智能模型可能需要十年时间才能帮助设计产品和疗法。
也就是说，如果他们的假设一开始是准确的。这样密集的计算成本预算暗示了 EvolutionaryScale 就是一个“大赌注”。
发展阶段大致是：扩大人工智能模型——为其提供更多数据并增加其规模——将产生“生物人工智能的能力突破”。
该文件称：“我们目前没有看到任何其他相关可信的研究集中在生物学中。”
现实也是如此，生物学领域的人工智能在短期内不太可能提供丰厚的商业回报。像薛定谔这样的商业公司目前公开交易的市值都低于 30 亿美元，他们正在销售基于老式分子建模方法的产品。
三步走战略
EvolutionaryScale 要达到什么目标？
根据公司文件介绍，首先是每年建立一个新模型。
到第三年时，重点是整合蛋白质结构预测之外的其他生物数据类型，包括 DNA 序列、基因表达和表观遗传数据。
最后，长期愿景是销售一种通用的生物学人工智能模型，而不是特定于任何一个用例。
理论上该模型可用于医学，例如开发“寻找并消灭癌症或其他疾病的可编程细胞”；也可用于其他生物技术应用，例如设计“分子机器”来清理有毒废物或捕获碳。
为了实现这一目标，EvolutionaryScale 必须证明其相对于 AlphaFold 的优势。
但不可否认，AlphaFold 仍然是该领域的*。
目前，也有其他公司想要实现类似的目标，其中包括 Inceptive，该公司旨在应用大型语言模型来设计基于 RNA 的药物疗法。
Inceptive 是一家位于旧金山的生物技术公司，由前谷歌 AI 研究科学家 Jakob Uszkoreit 在 2021 年与 Rhiju Das 共同创立，目前已经获得 2000 万美元融资，团队规模超过 20 人。
一位匿名接受《福布斯》采访的生物技术投资者推测，更通用的大型语言模型的未来版本，例如 OpenAI 的 GPT 系列，可能会变得足够熟练，可以应用于生物学。
值得一提的是，Alexander Rives 在公司文件中被描述为“临时首席执行官”。根据文件介绍，他明年将加入麻省理工学院和哈佛大学布罗德研究所，并建立一个“生物设计实验室”。
“临时”，说明 Alexander Rives 目前并未打算长期直接带领该公司发展，而加入新的研究所，也意味着他将会分化出一部分的精力。
EvolutionaryScale 刚刚成立，*年至关重要，在找到下一个接手人之前，Alexander Rives 压力不小。
参考链接：
https://www.forbes.com/sites/kenrickcai/2023/08/25/evolutionaryscale-ai-biotech-startup-meta-researchers-funding/
