Evolutionary Scale

Meta AI 分拆出来的公司，ESM3 的缔造者——这个蛋白质语言模型"模拟了 5 亿年的进化"——其团队已于 2025 年 11 月加入 Biohub（Chan Zuckerberg Initiative）。

1. 核心产品 / 服务

Evolutionary Scale 打造了 ESM3，一个多模态生成式蛋白质模型，可对序列、结构和功能进行联合推理，在数十亿条蛋白质上训练（包括一个 980 亿参数的前沿版本以及若干较小的开源版本）[1]。其标志性演示是生成 esmGFP——一种与已知 GFP 序列相似度约 58% 的全新荧光蛋白，被描述为在计算上模拟了约 5 亿年的进化 [1]。较小的版本（14 亿、70 亿参数）以开放权重形式发布，仅限非商业研究使用，商业使用权则通过 NVIDIA 的 BioNeMo 授权给制药公司 [1]。

在架构上，ESM3 是蛋白质专用模型，而非通用大语言模型——早期研究强调它不带有语言预训练信号，而是直接表示序列 / 结构，有别于通用模型（内部研究笔记）。

2. 目标用户与痛点

• 制药 / 生物技术公司：获取商业授权，用于蛋白质工程和药物发现任务。
• 学术研究者：使用开放的非商业权重。

解决的痛点：蛋白质设计传统上需要昂贵的定向进化或筛选；ESM3 直接生成以功能为条件的序列，压缩了搜索空间。

3. 竞争格局

4. 独立观察

• "Meta 分拆"的轨迹：团队在 Meta 于 2023 年效率裁员期间解散其 AI 蛋白质小组后离开，融到创纪录的种子轮，发布 ESM3，随后于 2025-11-06 以未披露条款的交易让团队加入 Biohub（由 CZI 和 CZ Biohub 组建的实体）——官方表述为团队"加入"，而非收购 [3]——走完了从大厂研究 → 创业公司 → 慈善研究机构的完整一圈 [1]。
• 通用 LLM vs 专用模型之争：ESM3 是对"直接在蛋白质数据上后训练通用 LLM"这一主张最清晰的反例——早期研究发现，通用 LLM（GPT-4o 约 0.6、DeepSeek-R1 约 0.57 BERTScore）在蛋白质任务上远远落后于蛋白质专用模型，而 ESM3 正是典型的专用模型（内部研究笔记）。
• 身份变化对行业的意义：其并入 Biohub——实际上终结了独立商业化路径——是首个未自行商业化的纯模型型蛋白质公司的退出，也让商业领域少了一家独立且资金充足的蛋白质模型公司，强化了整合以及大厂 / 慈善机构收编的趋势。

5. 财务 / 融资

• 种子轮：$142M（2024 年 6 月宣布；由 Nat Friedman、Daniel Gross、Lux Capital 领投；Amazon 和 NVIDIA NVentures 战略参投）[1]。
• 后续轮次——未经证实：一笔 $5.4 亿的 A 轮（2025 年 7 月；累计约 $6.82 亿，估值约 $33 亿）仅见于单一聚合平台的档案 [2]，无法在一手来源中确认；唯一经确认的融资是 $142M 种子轮 [3]。
• 退出：团队于 2025-11-06 加入 Biohub（CZI）；条款未披露。联合创始人 Alex Rives 出任 Biohub 科学负责人 [3]。约 50 人的团队规模仅由聚合平台报道 [2]。

6. 团队与关系

• 联合创始人：Alex Rives（CEO）、Tom Sercu、Salvatore "Sal" Candido（CTO）——均为前 Meta AI/FAIR ESM 团队成员。
• 投资人：Lux Capital、Nat Friedman、Daniel Gross、Amazon、NVIDIA（NVentures）、Khosla Ventures。
• 去向：Biohub / Chan Zuckerberg Initiative（团队于 2025 年 11 月加入）。
• 同业：alphafold3、chai-discovery、isomorphic-labs。

来源

• [1] EvolutionaryScale $142M 发布报道 (2026-08-24)
• [2] AI Wiki — EvolutionaryScale 档案 (2026-08-24) — 单一聚合来源；种子轮之外的融资数字未经证实
• [3] 研究笔记：AI 生物湿实验与商业模式核查，2026 年 10 月（汇总了 Biohub 公告、Gunderson 客户简报"EvolutionaryScale team joins Biohub"、TechCrunch 关于 $142M 的报道）