EvolutionaryScale

1.1 身份、总部与商业模式

EvolutionaryScale, Inc. 是一家早期 AI 生物公司，总部位于 San Francisco, California，2023 年注册，约从 March 2024 起运营。公司宣称的使命是用大型生成式模型解码蛋白质序列语言，把蛋白质视为承载数十亿年生物进化的文本，并据此设计具备可编程功能的新蛋白。其核心商业产品是 Forge API 平台（forge.evolutionaryscale.ai），面向开发者，以程序化方式开放 ESM3 和 ESM Cambrian（ESM-C）模型家族。预期收入模式是软件即服务 API 订阅和按量计费，服务需要加速蛋白质工程的生物技术、制药、合成生物学客户。公司也通过 Hugging Face 发布开放权重 ESM3 模型（esm3-sm-open-v1），供非商业学术用途，在商业产品之外建设开发者社区。截至 November 2025，整个团队被 Chan Zuckerberg Initiative 旗下 CZ Biohub 吸收后，EvolutionaryScale 不再作为独立实体运营，独立商业公司的路径也随之终止。公司独立期间从未公开披露收入、ARR 或付费客户数。 [CO001, CO003, CO006, CO007, CO028, CO029]

1.2 创始人、领导层与关键人物风险

EvolutionaryScale 由四位曾在 Meta AI Research（FAIR）共事的研究员联合创立：Alexander (Alex) Rives、Tom Sercu、Zeming Lin、Sanjay Rao。Alex Rives 担任 CEO，是 ESM 蛋白质语言模型谱系的主要架构师；该谱系源于他的学术工作，并在公司拆分前延续到 Meta FAIR。Tom Sercu 担任联合创始人兼工程副总裁，带领基础设施和工程团队搭建 Andromeda H100 集群。Zeming Lin 与 Sanjay Rao 以技术联合创始人身份参与模型开发和研究。November 2025 收购后，Alex Rives 出任 Chan Zuckerberg Initiative Head of Science，其余创始团队进入 CZ Biohub 担任高级研究职务。公司整个创始团队都来自同一雇主（Meta FAIR），形成显著集中风险：团队在文化、方法论和技术假设上高度同质，且没有证据显示创始团队中存在独立董事、AI 研究圈之外的顾问，或具备商业化生物技术经验的高管。单一雇主来源也加重关键人物依赖；任何一位创始人离开，尤其是 CEO 和技术愿景核心 Rives 离开，都会对公司研究方向和投资人信心产生过大影响。 [CO002, CO004, CO005, CO022, CO030]

1.3 融资历史、估值与资本结构

在被 CZI 吸收前，EvolutionaryScale 完成了两轮已知融资。第一轮是种子轮，与 ESM3 于 June 25, 2024 公开发布同时宣布。NVIDIA、Amazon 均参与种子轮，Lux Capital、Nat Friedman、Daniel Gross 也参投。种子轮准确金额没有公开披露，但 NVIDIA 单独宣布了参投。Series A 很快跟进：September 26, 2024，EvolutionaryScale 宣布 $142M Series A，由 Amazon 和 NVIDIA 共同领投，Lux Capital、Nat Friedman、Daniel Gross 继续参投，隐含投后估值约 $1.35B。该轮在 ESM3 发布仅三个月后交割，是 2024 年规模最大的 AI 生物融资之一。值得注意的是，EDGAR 在 2024 至 2026 期间没有找到任何 “EvolutionaryScale” 变体名下的 SEC Form D 文件。Bloomberg 曾报道 Series A，但文章在付费墙后，公开渠道无法核验完整交易条款、投资人权利和任何老股交易部分。已确认累计融资为 $142M 加未披露金额的种子轮。公开记录中没有商业收入、债务融资或老股交易。CZI 收购时公司的资本结构仍未公开。 [CO015, CO016, CO017, CO018, CO019, CO036]

1.4 产品、技术与运营

EvolutionaryScale 的产品组合以 ESM（Evolutionary Scale Modeling）蛋白质语言模型家族为核心。ESM3 于 June 25, 2024 发布，是生成式多模态蛋白质模型，最高 98 billion 参数；发布时，它是公开发布的最大蛋白质语言模型。ESM3 用 2.78 billion 条蛋白质序列训练，总计 771 billion tokens，在公司内部称为 Andromeda 的 NVIDIA H100 GPU 集群上消耗约 1×10^24 浮点运算。公司称，ESM3 在一次生成过程中模拟 500 million 年蛋白质进化，从而设计具有用户指定结构和功能属性的新蛋白。Science 于 January 16, 2025 发表同行评审论文（DOI: 10.1126/science.ads0018），验证 ESM3 能设计真正全新的荧光蛋白，显著提升独立可信度。ESM Cambrian（ESM-C）于 December 4, 2024 发布，是下一代蛋白质语言模型，提供 300M、600M、6B 参数版本，针对高效推理优化。NVIDIA 将 ESM3 接入 BioNeMo 平台，并以 NVIDIA NIM 微服务形式开放，支持企业在 H100 基础设施上部署。公司维护一个 GitHub 组织，拥有 9+ 个仓库，包括 ESM 模型代码库、用于 mixture-of-experts 推理的 DeepEP 仓库，以及若干开源训练基础设施 fork。Forge API 平台承担商业开发者接口。收购前，LinkedIn 显示 EvolutionaryScale 员工数为 11 至 50 人。 [CO007, CO008, CO009, CO010, CO011, CO012]

1.5 关键里程碑与负面事件

EvolutionaryScale 的历史从 2023 年注册开始，经历快速的产品和融资阶段，到 November 2025 被 CZI 吸收为止；作为独立实体的总运营寿命不足三年。公司最重要的技术里程碑是 ESM3 Science 论文发表，首次用独立同行评审验证生成式蛋白质语言模型能够设计具备可编程属性的全新功能蛋白。September 2024，以约 $1.35B 估值完成 $142M Series A，距离产品发布仅三个月，反映出投资人对该技术的异常热情。但 November 2025 被 CZI/Biohub 收购，是最关键的负面治理事件：Series A 交割到并入非营利实体间隔不到 14 个月，商业投资人的退出路径高度不确定，因为 CZI 收购条款以及任何给股权持有人的补偿都没有公开披露。从营利性商业实体转为非营利研究项目，实质性引发几个问题：Series A 投资人如何处理、员工股权如何处理、Forge API 商业产品能否延续。其他负面事件还包括：没有任何 SEC Form D 文件，这对于一家融资 $142M 的公司并不寻常；ESM GitHub 仓库重定向到 biohub 组织，释放 IP 转移信号；公司没有 Wikipedia 页面，说明主流媒体记录有限。 [CO001, CO008, CO013, CO016, CO019, CO021]

2.1 市场定义与边界

EvolutionaryScale 的可服务市场有两个相互连接的层次。第一层是蛋白质语言模型（PLM）API 与平台市场——云托管或本地部署的 AI 模型，让蛋白质工程师无需耗尽湿实验室定向进化，就能生成、预测、优化蛋白质序列和结构。该市场不同于通用云计算、传统生物信息学管线、基因组测序平台、医学影像 AI 或临床试验管理软件。第二层是更广义的蛋白质工程研究工具市场，涵盖重组蛋白研究和设计中使用的全部试剂、仪器和软件；PLM API 是该更大可服务市场中的高增长 AI 子类别。 蛋白质 LM 平台的现状替代品包括：（1）AlphaFold2/3（Google DeepMind），用于蛋白质结构预测——通过包含 200 million+ 个预测结构的公共数据库，免费供非商业用途使用；（2）Rosetta 和 PyRosetta（University of Washington），用于计算蛋白质设计——开源，但计算密集，并要求较高专业能力；（3）湿实验室定向进化（反复随机诱变和筛选）——成本高、速度慢（每周期数周）、吞吐受限；（4）传统分子动力学和同源建模软件（GROMACS、MODELLER、Schrödinger Maestro）——成熟的结构引导设计工具，但不具备生成能力。ESM3 和 ESM-C 的差异化在于，在一个统一生成式模型内同时推理蛋白质序列、结构和功能。 相邻市场包括 AI 药物发现平台市场（加速小分子和生物药设计的全部计算工具）。Grand View Research 估计该市场 2025 年为 $2.35B，到 2033 年增至 $13.77B，CAGR 为 24.8%。工业生物技术——面向绿色化学、农业和生物材料的酶工程——是另一个相邻市场，采购模式与药物应用不同，监管负担也更低。最外层边界是全球药物发现市场（Precedence Research 估计 2025 年 $71.89B），包含所有模式和服务，远超 EvolutionaryScale 的直接覆盖范围。[CM001, CM002, CM003, CM004, CM005, CM006]

2.2 市场规模与分析师估算

已发布的蛋白质工程市场估算随口径不同而差异很大。MarketsandMarkets 估计市场从 $2.2B（2019）增至 2024 年 $3.9B，CAGR 12.4%；这是较窄口径，聚焦蛋白质工程工具和服务。Precedence Research 口径更宽，估计 2025 年 $5.09B，到 2035 年增至 $23.59B，CAGR 16.57%，纳入工业酶和生物制药等更多蛋白质工程应用。Allied Market Research 估计 2022 年 $2.2B，到 2032 年增至 $7.7B，CAGR 13.2%。Grand View Research 估计 2023 年 $2.60B，到 2030 年增至 $7.62B，CAGR 16.24%。方向性共识很清楚——未来十多年保持中双位数百分比年增长——但 $2.2B 与 $5.09B 的基数差异来自范围不一致，不是证据相互矛盾。 相邻的 AI 药物发现市场（Grand View Research）估计 2025 年 $2.35B，到 2033 年增至 $13.77B，CAGR 24.8%，增速显著快于单独的蛋白质工程工具市场，反映 AlphaFold 之后大型制药公司 AI 投资的拉动。更广义的药物发现市场（全部模式）估计 2025 年 $71.89B，到 2034 年增至 $158.74B，CAGR 9.2%（Precedence Research），可作为外层 TAM 参照。EvolutionaryScale 的可服务市场，是蛋白质工程工具客户中的一个子群：（a）拥有计算生物学基础设施，（b）正在采用 AI 原生工具而非传统生物信息学，（c）计算规模足以支持付费 API 订阅，而不是自托管开放权重。 EvolutionaryScale 目前可获取市场包括：来自生物制药和生物技术客户的 Forge API 订阅收入；通过 AWS SageMaker JumpStart 和 NVIDIA BioNeMo 获得的商业模型访问收入；以及在受监管环境中部署 ESM3 与 ESM-C 的企业授权。公司完成 $142M Series A 融资（Crunchbase），说明投资人认可市场机会，但 PLM API 在制药 R&D 中的独立 SOM 数字尚未发布。这是规模测算缺口部分记录的实质性尽调缺口。HuggingFace 下载指标（ESM-C 6,320+、ESM3 3,110+）和 129+ 篇 bioRxiv 引文，可以作为用户采用的代理指标，但不能证明商业收入牵引力。[CM007, CM008, CM009, CM010, CM011, CM012]

2.3 买方与用户分层

EvolutionaryScale Forge API 的主要商业买方，是拥有活跃计算生物学或蛋白质工程项目的大型和中型制药 / 生物技术公司。经济买方通常是计算生物学副总裁、药物发现总监或首席科学官，采购权限通过 R&D 和 IT 预算下放。技术拥护者负责评估模型能力并推动采用，通常是嵌入发现团队的计算生物学家、结构生物学家或机器学习科学家。财务和采购负责人承担正式付款方角色，需要用减少湿实验室筛选周期或加快先导化合物识别周期来证明 ROI。 Forge 商业 API 面向需要大规模蛋白质序列生成和向量嵌入、且要求可用性和合规保障的企业客户。AWS SageMaker JumpStart 和 NVIDIA BioNeMo 是次级商业渠道，触达已嵌入这些云生态的制药客户。学术和政府研究实验室构成高体量但非收入的用户分层，他们从 HuggingFace 下载 MIT 许可下的 ESM-C 开放权重（6,320+ 次下载），并通过 PyPI `esm` 包安装——这种社区心智会反哺商业管线。 工业生物技术公司——为绿色化学、农业和特殊材料设计酶——代表一个实质上不同的买方分层，产品开发周期更短，监管负担更低。合同研究组织有双重角色：既可能购买蛋白质 LM API 来增强自身服务，也可能成为渠道伙伴，把带计算能力的蛋白质工程服务转售给制药客户。Series A–B 阶段的生物技术创业公司是新兴付费分层：它们具备计算基础设施，但缺乏内部资源训练前沿蛋白质 LM，因此购买 Forge API 访问在经济上合理。[CM015, CM016, CM017, CM018, CM019, CM020]

2.4 增长驱动因素与采用约束

五股结构性力量推动蛋白质 LM 市场增长。第一，蛋白质序列数据库指数级扩张：DNA 测序成本从 2011 年约 ~$10,000 / genome 降至 2023 年约 ~$100 / genome（National Human Genome Research Institute），推动数十亿条新蛋白质序列产生。ESM3 用 2.78 billion 条蛋白质序列和 98 billion 参数训练；这种规模只有在数据民主化之后才可实现。第二，AlphaFold2/3（Google DeepMind）生成了一个包含 200+ million 蛋白质结构的免费数据库，移除了历史上 $500,000+ 的晶体学成本壁垒，也训练行业接受计算蛋白质工具达到生产级。第三，NVIDIA BioNeMo 将生物基础模型训练提速 2×、模型推理提速 6×，降低企业 PLM 部署总拥有成本，压低 Forge API 替代方案的经济门槛，同时扩大 EvolutionaryScale 分发触达。第四，FDA 监管参与正在加速：2016 至 2023 年收到 500+ 份启用 AI/ML 的药物开发提交，2025 年发布草案指南，2024 年成立 CDER AI Council——这降低了制药客户评估 AI 原生发现工具时的监管不确定性。第五，ESM-C 以 MIT 许可开放权重发布，使 EvolutionaryScale 成为蛋白质 LM 的社区标准，类似 Hugging Face 开放权重策略推动 NLP 商业云 API 转化。 四个实质性约束限制采用速度。第一，开源商品化：ESM-C 权重以 MIT 许可免费开放；任何资源充足的实验室都可以自托管，压低付费转化率和非前沿市场的定价权。第二，湿实验室验证要求：没有任何完全由计算 AI 设计的蛋白质在缺少大量体外和体内确认的情况下进入监管批准流程——API 有价值，但不能替代实验瓶颈。第三，企业采购摩擦：制药 IT 安全审查、云数据治理政策、多年供应商评估周期，让商业部署时间比学术采用多出 12–24 个月。第四，Big Tech 竞争压力：Google DeepMind、NVIDIA BioNeMo、AWS HealthOmics 都有分发、算力和生态优势；如果前沿蛋白质 LM 能力走向商品化，它们会威胁 EvolutionaryScale。[CM022, CM023, CM024, CM025, CM026, CM027]

2.5 规模与采用尽调缺口

几个实质性证据缺口限制了市场分析精度。第一，针对制药 R&D 中蛋白质语言模型 API 的可服务市场，尚无独立发布的规模数字。所有蛋白质工程市场估算（$2.2B–$23.59B）都涵盖完整市场，包括试剂、仪器和服务；纯 API / 软件子市场没有在任何可访问的分析师报告中被单独测算。推导 PLM API SAM，需要估算蛋白质工程支出中有多大比例可由计算工具捕获——这是高度依赖假设、缺少独立可验证基础的推断。 第二，EvolutionaryScale 的 Forge API 定价和实际付费订阅数没有公开披露。HuggingFace 下载量（ESM-C 6,320+、ESM3 3,110+）和 PyPI 安装数显示开发者牵引力，但如果不知道 Forge 转化漏斗和定价结构，就无法转化为付费商业收入。第三，biorxiv 预印本搜索返回 129 篇引用 ESM3/EvolutionaryScale 的论文，ESM3 Science 论文（DOI: 10.1126/science.ads0018）也被广泛引用；但学术引用影响力不能直接映射到制药商业市场渗透。第四，蛋白质工程市场分析师估算在相邻基准年之间跨度达 10×（$2.2B 至 $23.59B）；该范围主要由口径差异驱动（仅工具 vs. 仪器 + 试剂 + 服务），不是市场真实分歧，但投资人跨来源比较时若不调整口径，可能得出错误结论。 为后续章节保留的证据：（a）未识别到付费客户披露——这是 Chapter 4（Business Model）的尽调缺口；（b）Chapter 3（Competitors）应获取相对于 OpenAI API、Anthropic API 和 AWS Bedrock 的可比蛋白质 LM API 定价基准；（c）ESM3 商业 Forge API 是否用于任何 IND 提交或监管申报尚未确认——该缺口应在 Chapter 5（Technology）或 Chapter 7（Regulatory）处理。[CM032, CM033, CM034, CM035, CM036]

2.6 展示材料

3.1 竞争宇宙与类别分层

EvolutionaryScale 的竞争位置在蛋白质语言建模、生成式生物学和 AI 赋能药物发现的交叉点。竞争宇宙可分为四类。 第一类也是最直接的一类，是 AI 蛋白质设计平台同行：专门为蛋白质工程和设计构建并商业化基础模型的公司。Profluent Bio（San Francisco，累计融资约 ~$44M）使用源自 ProGen 的模型，并推出 OpenCRISPR——其网站称之为全球首个 AI 设计的基因编辑器。Cradle.bio（Amsterdam，累计融资约 ~$73M）提供 SaaS 蛋白质工程平台，把自有湿实验室数据循环与客户数据结合，并声称可将开发周期提速 2–12x；客户中包括 Novonesis（原 Novozymes）。Generate Biomedicines（Somerville, MA，累计融资 ~$700M+）运营 Generate Platform——一个持续训练的生成式生物学闭环，已在 140,000+ sq ft 实验室空间中生成、构建并测试 42,000+ 种蛋白，并拥有活跃的大型制药合作。AbSci Corporation（NASDAQ: ABSI；Vancouver, WA）是唯一上市的直接同行，拥有面向 de novo 抗体设计的 AI Drug Creation Platform，采用 6 周迭代周期，并于 March 2026 向 SEC 提交 FY2025 10-K。Adaptyv Bio（Lausanne, Switzerland）定位为 Biopole Life Science Campus 的蛋白质设计师云实验室。 第二类包括基础模型和更广义的 bio-AI 同行。Isomorphic Labs（London，Alphabet 子公司）在 May 2024 Google DeepMind 联合公告之后，持有 AlphaFold 3 在药物发现领域的独家商业许可，并在 early 2024 与 Eli Lilly、Novartis 签署标志性交易。Chai Discovery（San Francisco）以开放模型形式发布 Chai-1，并在推进 Chai-2，用于具有原子级精度的药物样 de novo 抗体设计。Xaira Therapeutics（San Francisco，April 2024 启动时融资约 ~$1B）正在构建覆盖完整药物发现谱系的预测型和智能体 AI 模型。Iambic Therapeutics 使用 Enchant 和 NeuralPLexer AI 技术，并已有 IAM1363（HER2 inhibitor）Phase 1b 数据。Inceptive（Palo Alto/Berlin/Zurich，成立于 2021）专注于 RNA/mRNA/siRNA/ASO/peptide 基础模型。 第三类是 AI 药物发现整合商。Insilico Medicine（HKEX: 3696）在 AI-first 公司中临床证明最领先，已完成 ISM001-055（TNIK inhibitor for IPF）的 Phase 2 试验。Recursion Pharmaceuticals（NASDAQ: RXRX）收购 Exscientia，运营 50+ petabytes 表型组数据，并拥有 BioHive-2（与 NVIDIA 共建）。Schrödinger（NASDAQ: SDGR）是占主导地位的物理建模平台，拥有 30+ 年 R&D，以及 FEP+、WaterMap、LiveDesign 工具。 第四类覆盖学术和开源参与者。Institute for Protein Design（Baker Lab，UW）——其联合主任 David Baker 分享 2024 Nobel Prize in Chemistry——以免费开源工具形式分发 RFdiffusion 和 RoseTTAFold，并有一款免版税 COVID-19 疫苗在 UK 和 South Korea 获批。Google DeepMind 通过 AlphaFold Server（免费、非商业）和 EMBL-EBI AlphaFold DB（200M+ 结构，CC-BY-4.0）开放 AlphaFold 3。最具对抗性意义的开源威胁，是 Meta 的 ESM 模型家族（ESM2、ESMFold）——由 Alexander Rives、Zeming Lin、Tom Sercu、Salvatore Candido 创建，正是创办 EvolutionaryScale 的同一批人——并以 MIT 许可发布，为基础蛋白质语言建模建立了商品化底线。 [CP001, CP002, CP003, CP004, CP005, CP006]

3.2 直接 AI 蛋白质设计同行：详细画像

在直接 AI 蛋白质设计平台同行中，每家公司相对于 EvolutionaryScale 都有不同的商业化模式和差异化策略。 Profluent Bio（San Francisco，2022）聚焦以蛋白质为中心的 AI，并对 OpenCRISPR 采取公共利益策略，以开放访问形式发布首个 AI 设计的基因编辑器。公司的核心 ProGen 模型架构面向蛋白质序列生成。Profluent 估计约 ~$44M 的融资基础显著小于 EvolutionaryScale 的 $142M，意味着算力和数据基础设施更有限。 Cradle.bio（Amsterdam，2021）通过 SaaS 平台差异化，把客户湿实验室数据与自有蛋白质工程模型结合。客户每次上传实验结果，模型都会改进（“models learn with you”），形成数据飞轮锁定效应。Cradle 声称客户可将蛋白质开发周期提速 2–12x，并明确采用无版税订阅模式，客户拥有所有生成 IP。公司在 Amsterdam 运营自有湿实验室，作为概念验证层。Cradle 与 Novonesis 的合作，代表全球最大工业生物技术公司之一把 AI 嵌入创新工作流。平台符合 SOC 2，并支持单点登录。 Generate Biomedicines（Somerville, MA，2018）是融资最重的直接同行，累计融资超过 $700M。Generate Platform 整合 AI 模型训练、高通量蛋白表达和迭代学习，覆盖 140,000+ sq ft 实验室空间。公司已测试 42,000+ 种蛋白，形成持续改进的反馈闭环。其领先项目 GB-0895 针对哮喘 TSLP，从一开始就共同优化更强生物效应和更低给药频率（具备一年两次潜力）。与大型生物制药公司的活跃合作，显示平台级制药验证。 AbSci Corporation（NASDAQ: ABSI，Vancouver, WA）是唯一上市的直接竞争对手。其 AI Drug Creation Platform 将湿实验室和 AI 整合进 6 周迭代周期，用于 de novo 生物药（抗体）设计和多参数先导优化。AbSci 的 ABS-201 是一款 AI 设计的抗体，靶向雄激素性脱发中的 prolactin receptors，已展示体内毛囊再生效果。FY2025 10-K 于 March 24, 2026 向 SEC 提交，提供私有同行没有的公开披露，但也让 AbSci 暴露在季度收入压力下。 Adaptyv Bio（Lausanne, Switzerland）定位为 Biopole Life Science Campus 的蛋白质设计师云实验室。与其他直接同行相比，公开信息显著有限，暗示公司仍处于早期或未充分公开阶段。 [CP018, CP019, CP020, CP021, CP022, CP023]

3.3 定价、包装与分销比较

AI 蛋白质设计领域的定价模式，反映出根本不同的商业化哲学。EvolutionaryScale 提供 Forge，这是面向 ESM3 和 ESMC 访问的商业 API 平台，公开测试版于 early 2025 宣布。ESM3 small model（open）和 ESMC（300M/600M）可在 HuggingFace 免费用于非商业和研究用途；更大模型和生成式 API 访问需要 Forge 账户。 Cradle.bio 明确定位为软件订阅（“no royalties, just a software subscription fee”），客户保留所有生成 IP，实验数据也绝不会用于为其他客户训练模型。这种 SaaS 粘性不同于 EvolutionaryScale 的按量 API 模式。 Meta 的 ESM2 采用 MIT 许可，在 GitHub 和 HuggingFace 上免费开放，所有用途包括商业用途都零成本。ESMFold 结构预测同样开放。DeepMind 的 AlphaFold DB（200M+ 结构）采用 CC-BY-4.0，可用于任何用途；AlphaFold Server 对非商业研究免费。AlphaFold 3 在药物发现中的商业使用，通过 Isomorphic Labs 与制药公司的独家许可安排实现。 Generate Biomedicines 和 AbSci 都采用面向大型制药公司的 B2B 合作与授权模式，而不是自助式 API。两者都没有公开定价页或开发者 API。Baker Lab/IPD 工具（RFdiffusion、RoseTTAFold）和 OpenFold 完全免费，使用宽松许可。 关键尽调缺口：Forge 企业标价、阶梯量价和实际每次调用成本没有公开披露。Isomorphic Labs 与 Lilly、Novartis 的交易经济性有报道，但公开信息没有拆分。 [CP027, CP028, CP029, CP030, CP031, CP032]

3.4 护城河耐久性、商品化风险与反向分析

EvolutionaryScale 最具结构性意义的竞争风险，是蛋白质语言模型的开源商品化。ESM2 和 ESMFold 由 Alexander Rives、Zeming Lin、Tom Sercu、Salvatore Candido 在 Meta AI FAIR 开发，在 GitHub 和 HuggingFace 上以 MIT 许可开放，可用于包括商业用途在内的任何目的。ESM2 版本覆盖 8M 至 15B 参数；ESMFold 预测蛋白质结构的速度最高可比此前 SOTA 快 60x。OpenFold 提供 AlphaFold 的独立开源复现，并采用宽松许可。任何生物技术或制药公司都可以部署这些免费模型作为基线，直接压缩 ESM3 在不需要多模态提示或前沿规模应用中的价值。 EvolutionaryScale 试图通过三种策略逃离这条底线：（1）前沿规模——ESM3 拥有 98B 参数和 10^24 FLOPs，是具备已验证涌现生成能力的最大蛋白质语言模型；（2）多模态差异化——ESM3 是首个同时推理蛋白质序列、结构和功能的模型，这一能力 ESM2 不具备；（3）R&D 速度——ESM Cambrian（ESMC）于 December 2024 发布，维持新模型发布节奏。 但反向信号也很明确。第一，Chai Discovery 的 Chai-2 推进原子级精度 de novo 抗体设计，Isomorphic Labs 持有 AlphaFold 3 商业独家权，说明多模态蛋白质设计空间正在变挤。第二，临床概念验证护城河掌握在 Insilico Medicine（AI 设计药物完成 Phase 2）和 Recursion（多项目临床管线）手中，而 EvolutionaryScale 没有披露内部管线。第三，Generate Biomedicines 的资本基础（$700M+）远超 EvolutionaryScale（$142M），能够支撑更资本密集、经实验室验证的策略。第四，制药客户可以并且确实会同时使用免费工具（AlphaFold、ESM2）和付费平台（Forge、Cradle、Generate），限制任何单一供应商的定价权。 [CP033, CP034, CP035, CP036, CP037, CP038]

3.5 展示材料

4.1 收入来源与定价模式

EvolutionaryScale 的收入模式围绕 Forge 构建。Forge 是商业 API 平台，向 ESM3、ESM Cambrian 及相关蛋白质语言模型提供推理访问。Forge 于 January 2025 进入公开测试版，对蛋白质序列生成和结构预测按 token 使用量收费。forge.evolutionaryscale.ai 界面没有公开列出准确价格表，需要登录；企业合同条款私下谈判。公开来源可识别三条收入流：（1）Forge API 按次付费，（2）企业年度 API 访问合同（按量），（3）通过战略伙伴分发——NVIDIA BioNeMo 平台和 AWS SageMaker JumpStart 提供云托管 ESM 模型访问，可能分别与 NVIDIA、Amazon 采取收入分成或推荐费模式。 ESM Cambrian（January 2025 发布）仅作为商业模型通过 Forge 发布，不同于 Meta AI Research 发布的开放权重 ESM2；后者仍可在 HuggingFace 免费使用。这种 ESM Cambrian 商业专属设计强化了 API 访问模式。Forge 产品页列出一个学术免费层，带有 token 额度上限。 EvolutionaryScale 作为独立实体运营期间，从未披露任何收入数字、ARR 或客户指标。November 2025 被 CZI Biohub 收购从根本上打断了商业路径；截至 May 2026，Forge API 在 CZI Biohub 管理下的运营状态和定价，公开来源尚未确认。 [CI001][CI002][CI003][CI004][CI005][CI006][CI007][CI008][CI009][CI010]

4.2 成本结构、毛利率驱动因素与资本强度

EvolutionaryScale 的成本结构由三类主导：研究人员、模型训练 GPU 算力，以及 Forge API 推理基础设施。公司训练 ESM3 消耗超过 10^24 FLOPs——按公司博客说法，高于此前任何生物模型——运行在其称为 “one of the highest throughput GPU clusters in the world today” 的集群上。按当时云端 GPU 价格（H100 每 GPU-hour $2–5）估算，单次训练成本约 $10–50 million，成为主导性资本开支。 人员成本受员工数限制：LinkedIn 显示公司处于 11-50 人区间，峰值可能约 25-50 FTE。按每名 FTE $200,000–$300,000 的综合全成本（San Francisco AI 研究人才的常规水平）计算，年度人员烧钱约 $5–15 million。Forge API 的持续推理成本会随 API 调用量增加而形成可变成本——98B 参数 ESM3 的蛋白质生成单次查询计算成本很高。 API 推理业务的毛利率，很大程度取决于公司自营 GPU 集群（资本密集、长期毛利更高）还是租用云算力（capex 更低、COGS 更高）。公司未披露毛利率数据。正向信号是 Amazon 领投 Series A：AWS 可能在交易结构中提供了可观的实物云抵扣，实质性降低近期基础设施成本。ESM2 模型在 HuggingFace 上开源，给向量嵌入市场建立了永久竞争成本底线，这是 ESM Cambrian 商业层的结构性毛利压缩风险。 [CI011][CI012][CI013][CI014][CI015][CI016][CI017]

4.3 资本充足性与 CZI Biohub 交易

EvolutionaryScale 的资本路径很清楚：先是 2023 年底约 $3M 的种子轮，随后在 September 26, 2024 完成 $142M Series A（CNBC、Axios 和 NVIDIA 同步披露）。 这一轮由 Amazon 和 NVIDIA 领投，Lux Capital、Nat Friedman、Daniel Gross 跟投；据报道投后估值约 $1.35B。累计融资约 $145M。 按每月 $5–15M 的估计烧钱速度（员工数 + 算力 + 管理开销）测算，$142M Series A 自 September 2024 交割起，理论上可支撑 9–28 个月现金跑道。实际现金跑道在 November 2025 结束——距离 Series A 交割仅约 14 个月——EvolutionaryScale 团队随后加入 CZI Biohub。 联合创始人兼首席科学家 Alex Rives 出任 CZI Biohub 科学负责人。交易条款未披露；研究未在 EDGAR 或其他公开监管数据库中找到由该交易触发的 SEC 文件（例如 Form D 修订、Hart-Scott-Rodino 披露或收购通知）。 $142M Series A 投资人（Amazon、NVIDIA、Lux Capital 和天使投资人）的财务结果仍不清楚。 如果 CZI/Biohub 交易是对实体的现金收购，投资人应获得分配；如果只是未购买实体的人才收购（acqui-hire）， 交易发生时 $142M 资本大概率已被大幅消耗，投资人回收有限。没有任何公开交易金额披露，这一风险评估只能保持开放。 研究中发现一个值得注意的财务合规缺口：SEC EDGAR 中没有出现 EvolutionaryScale 任何名称变体的 Form D 文件（检索过 "EvolutionaryScale"、"Evolutionary Scale"、"Evolutionary Scale Inc"，以及关键人物 "Alexander Rives"）。私营公司通过 Regulation D 豁免融资 $142M，通常需要在首次出售后 15 天内向 SEC 提交 Form D。没有任何 Form D，可能说明文件以其他法律实体名称提交、使用了其他证券豁免（例如面向离岸投资人的 Regulation S），也可能就是申报缺口。 [CI018][CI019][CI020][CI021][CI022][CI023][CI024][CI025][CI026][CI027][CI028]

4.4 同业资本基准与定位

EvolutionaryScale 的 $142M Series A 和 $1.35B 估值，处在蛋白质 AI 融资活动的中高区间： 高于 Profluent（约 $44M）、Cradle（约 $73M）这类纯基础设施公司，但明显低于 Generate:Biomedicines（约 $700M+）和 Xaira Therapeutics（创立时 $1B）等全栈药物发现 AI 公司。 对一家员工少于 50 人、尚未产生收入的基础模型蛋白质 AI 公司来说，$1.35B 估值隐含了显著溢价。 按人均融资额看，EvolutionaryScale 的资本强度极高，约每名员工融资 $3–6M。这反映的是世界级 AI 研究人才和重算力模型开发的成本，而不是已规模化的商业运营。相比之下，上市 AI 药物发现公司（AbSci、Recursion） 相对融资额拥有更大的员工基数，资金被临床和制造运营摊薄。同业对比说明，Series A 时的 EvolutionaryScale 更像前沿研究载体，而不是规模化商业企业；$1.35B 估值中内嵌的商业收入爬坡假设因此需要被追问。 [CI029][CI030][CI031][CI032]

4.5 财务信息缺口与尽调路径

EvolutionaryScale 的公开财务记录几乎为空。作为私营公司，EvolutionaryScale 不需要向 SEC 提交财务报表； Form D 文件缺失，又进一步压缩了公开监管渠道可验证的信息。已审阅的公开来源中，没有任何一个披露以下关键指标： 实际收入、年经常性收入（ARR）、毛利率、客户数、流失率、现金余额或确认后的月度烧钱速度。Crunchbase 将 $142M Series A 错误归为「种子投资」，说明私募市场数据聚合器并不适合做可验证的财务分析。 CZI 交易之后，财务尽调现在必须穿透到 CZI Biohub——一家由 Chan Zuckerberg Initiative 支持的非营利机构。 尽调路径因此被根本改写：问题不再是标准 VC 财务尽调，而是（1）CZI 交易条款，以及前投资人和股东拿到了什么； （2）CZI 体系下 Forge API 与 ESM 模型家族的持续运营状态和商业化策略；（3）是否还有任何残留商业实体 （持有 IP 的 EvolutionaryScale 实体）继续独立运营。所有未完成的财务分析，都需要查看 CZI Biohub 内部文件和任何交易披露。 [CI033][CI034][CI035][CI036]

4.6 财务结论

EvolutionaryScale 的财务叙事，是异常强的早期融资之后，突然战略转向，独立商业化路径随之终止。 Amazon 和 NVIDIA 领投的 $142M Series A、$1.35B 估值，本质上是在押注 ESM3 成为蛋白质 AI 的基础层，而不是押注近期商业收入。商业产品 Forge API 于 January 2025 公开上线，但没有披露收入指标、 客户数或定价。November 2025 的 CZI Biohub 交易发生在 Series A 交割后 14 个月内，确认公司在进入 CZI 体系前，并未以独立公司身份实现商业突破。 收入质量评估：数据不足，无法判断。Forge API 机制本身成立——自研基础模型按 token 推理收费——但如果缺少更完整的药物发现工作流， 付费蛋白质 AI API 访问的可服务市场偏窄；开放权重替代品（Meta 的 ESM2）又压住了通用向量嵌入场景的付费意愿上限。 相比商业牵引，资本强度非常高。SEC Form D 申报缺口是值得关注的合规信号。主要尽调阻塞点包括：（1）CZI Biohub 交易条款；（2）经确认的 Forge API 收入或客户指标；（3）交易前实际烧钱速度；（4）CZI 交易中的投资人回报情况。 仅凭公开来源，无法对投资回报形成可承销级财务结论。 [CI033][CI034][CI035][CI036][CI037][CI038]

4.7 证据展品

5.1 ESM 产品组合与模型家族

EvolutionaryScale 基于 ESM（Evolutionary Scale Modeling）底座，提供两条明确的产品线：ESM3 生成式蛋白质语言模型，以及 ESM-C（Cambrian）蛋白质向量嵌入家族。两者合计覆盖开放权重和商业 API 两个层级， 共八个模型 SKU。 ESM3 分为三个权重档位：ESM3-small-2024-08（1.4B 参数）、ESM3-medium-2024-08 （7B 参数）和 ESM3-large-2024-03（98B 参数）。ESM3-small 是唯一开放权重的 ESM3 变体，通过 HuggingFace 以 esm3-sm-open-v1 形式提供，并适用 Cambrian 非商业许可协议。 ESM3-medium 和 ESM3-large 属于商业模型，只能通过 Forge API 访问。98B 的 ESM3-large 被用于设计 esmGFP——一种从头生成的荧光蛋白，与最近的天然 GFP 仅有 58% 序列同一性，相当于约 500 million years 的进化分化，并已由 Science（January 2025）同行评议论文验证。 ESM-C（Cambrian）是独立的向量嵌入模型家族，包含三个规模：ESMC-300M、ESMC-600M 和 ESMC-6B。 ESMC-300M 与 ESMC-600M 在同一 Cambrian 非商业许可下开放权重。ESMC-6B 面向学术用户可通过 Forge API 访问，商业部署则通过 AWS SageMaker JumpStart。ESM-C 模型采用带旋转位置嵌入和 SwiGLU 激活的 Pre-LN transformer 架构；EvolutionaryScale 的基准测试显示，它们在各自规模上达到序列表征模型的最先进水平。 Forge API（forge.evolutionaryscale.ai）是主要商业变现载体。Forge 于 January 2025 与 Science 论文同步开放公测，通过可经 pip 安装的 Python SDK，为 ESM3 和 ESMC 模型家族提供同步和异步 REST API 访问。 SDK 内含面向高吞吐工作负载的批处理执行器。商业 Forge 访问价格未公开披露；学术访问条款可直接通过平台获取。[CE001, CE002, CE003, CE004, CE005, CE006]

5.2 技术架构：多轨 Transformer、训练规模与 Token 化

ESM3 最核心的架构创新，是多轨 transformer 设计：在统一 transformer 框架内，模型同时处理三条并行 token 序列——氨基酸序列 token、结构 token（编码 3D 坐标）和功能注释 token（基于关键词的 GO term 标签）。 每一轨都采用离散 token 化。结构坐标通过向量量化变分自编码器（VQVAE）编码进有限的结构 token 码本， 让模型无需连续坐标回归，就能原生读取并生成三维蛋白质结构。 预训练使用掩码语言建模（MLM）目标，并同时施加在三条轨道上，使模型学到覆盖序列—结构—功能空间的联合表征。 98B 参数的 ESM3-large 在约 2.78 billion 条蛋白质序列（771 billion 个唯一 token）上训练， 训练消耗 1.07×10²⁴ 次浮点运算；训练集群为 Andromeda HPC，使用 NVIDIA H100 GPU 和 Quantum-2 InfiniBand 网络。NVIDIA 称，ESM3-large 相比前代 ESM2 使用约 25× 更多 FLOPs 和 60× 更多数据。ESM3-large 还应用了基于人类反馈的强化学习（RLHF），使蛋白质设计输出更贴合人类偏好。 ESM-C（Cambrian）采用另一套架构：带旋转位置嵌入（RoPE）和 SwiGLU 前馈激活的 Pre-Layer Normalization （Pre-LN）transformer，并用掩码语言建模预训练。ESMC-300M（30 层、隐藏宽度 960）训练消耗 1.26×10²² FLOPs； ESMC-600M（36 层、宽度 1152）为 2.17×10²² FLOPs；ESMC-6B（80 层、宽度 2560）为 2.37×10²³ FLOPs。 训练数据覆盖三个大型序列数据库：UniRef（83 million 个簇）、MGnify（372 million 个簇）和 JGI metagenomics （2 billion 个簇），全部按 70% 序列同一性聚类。 开源 DeepEP 库展示了 EvolutionaryScale 的内部基础设施能力。DeepEP 是面向 H800 GPU 的 Mixture-of-Experts 专家并行通信自定义 CUDA/NCCL 实现，拥有 1,253 个 GitHub 星标，说明公司具备活跃的 HPC 工程能力，可支撑大规模分布式训练和推理。[CE009, CE010, CE011, CE012, CE013, CE014]

5.3 部署与生态：Forge API、AWS、NVIDIA 与社区

EvolutionaryScale 搭建了多层分发策略：一端用开放权重吸收社区采用，另一端通过商业 API 和云市场提供访问。 Forge API（forge.evolutionaryscale.ai）于 January 2025 开放公测，是 ESM3 与 ESMC 商业使用的主要编程接口。 官方 Python 客户端（pip install evoscale-sdk）托管在 github.com/evolutionaryscale/esm，同时提供同步推理和异步批处理执行。 截至 May 2026，Forge API 门户可访问且运行中，但详细定价未公开列出。 AWS SageMaker JumpStart 通过 CloudFormation 堆栈提供 ESMC-6B 商业部署，可在 15-25 分钟内配置专用 GPU 实例。esm-sagemaker GitHub 仓库记录了该集成，目标客户是需要大规模向量嵌入工作流和可预测 SLA 的企业生物信息学用户。 Amazon 既是 EvolutionaryScale Series A 的共同投资人，也是部署合作伙伴。 ESM3 于 June 2024 首次发布时，NVIDIA 宣布将 ESM3 集成进 BioNeMo NIM 平台，用于 GPU 优化推理； EvolutionaryScale 的 ESM-C 博客（December 2024）把 BioNeMo 列为即将上线的分发渠道。NVIDIA NGC 目录也单独列出 ESM3 资源。 在 GitHub 上，EvolutionaryScale 维护九个公开仓库。除旗舰 esm 仓库外，面向社区的重要项目还包括 DeepEP （1,253 个星标）、一个 NCCL 分叉、一个 Hugging Face transformers 分叉和一个 Mamba 实现。HuggingFace 组织页（huggingface.co/evolutionaryscale）托管开放权重模型卡；esm3-sm-open-v1 模型页显示上月 3,105 次下载、291 个点赞，ESMC-300M 为 6,320 次下载，ESMC-600M 为 1,490 次下载。这些指标说明研究社区已有实质采用。[CE019, CE020, CE021, CE022, CE023, CE024]

5.4 知识产权与竞争护城河

EvolutionaryScale 的 IP 护城河靠三根柱子支撑：（1）高影响力期刊上的发表深度；（2）自研训练规模和基础设施； （3）esmGFP 展示了模型在自然进化未探索过的蛋白质序列空间中生成新蛋白的能力。 旗舰 Science 论文（Hayes et al., Science, January 2025, Vol 387, Issue 6736, pp. 850-858, DOI 10.1126/science.ads0018）在本次研究观察到的引用指标中，已累计 341 次引用、68,494 次下载； 其中 318 次引用发生在发表后前 12 个月。ESM3 在 bioRxiv 上的预印本（10.1101/2024.07.01.600583, July 2024）第一年内被 129+ 篇下游论文引用。这一发表速度让 ESM3 跻身被引用最多的新蛋白质 ML 方法之一。 esmGFP 结果是 ESM3 生成能力最强的公开证明。该设计蛋白在 229 个氨基酸位置上携带 96 个突变（与最近已知天然 GFP 的汉明距离为 58%），进化距离可类比珊瑚与水母这两个不同门类之间的分化。EvolutionaryScale 已就 esmGFP 及相关蛋白质设计方法提交专利。复现 ESM3-large 需要的算力投入（1.07×10²⁴ FLOPs，相当于训练当时 GPT-4 训练预算的两倍以上）形成了有意义的成本壁垒。 主要竞争对手更多是轴向差异，而非完全重叠。AlphaFold3（DeepMind，May 2024）擅长蛋白质结构预测，包括小分子和抗体复合物， 但在设计意义上并非生成式模型，且商业使用限制在学术研究。Chai-1（Chai Discovery，2024）聚焦高精度蛋白质复合物结构预测。 ESM2（Meta AI，2022）是 650M 参数的开放权重前代模型，提供序列向量嵌入，但缺少生成式的序列—结构—功能联合建模。 EvolutionaryScale 的独特定位，是能够同时围绕序列、结构和功能推理的生成式蛋白质设计。[CE027, CE028, CE029, CE030, CE031, CE032]

5.5 产品路线图、CZI Biohub 过渡与负责任开发

在 NVIDIA 早期种子投资之后，EvolutionaryScale 于 September 2024 完成由 Lux Capital 领投、Amazon 和 NVIDIA 参与的 $142 million Series A。November 2025，公司团队加入 CZI Biohub，成为 Chan Zuckerberg Initiative 宣布的重大「Frontier AI & Biology」计划的一部分。在这一过渡中，联合创始人兼首席科学家 Alex Rives 出任 Biohub 科学负责人，EvolutionaryScale 研究团队则并入 Biohub 由生物科学家、AI 工程师和技术人员组成的综合团队。 CZI Biohub 已宣布，到 2028 年将算力扩张至 10,000 GPUs，以支持该计划。 截至 May 2026 报告日，Forge API 和开放权重模型分发仍在运行。EvolutionaryScale 的公益公司（PBC）章程， 以及开放权重适用的 Cambrian 非商业许可，共同写入了对研究访问的承诺，同时把商业能力保留给 Forge API 收入模式。 关键的信任与安全维度需要尽调关注。生成式蛋白质设计的双重用途风险——包括被误用于病原体工程——是全行业问题。 EvolutionaryScale 通过开放权重的非商业许可限制和 Forge API 访问控制来应对，但尚未公开记录生物安全筛查政策或独立生物安全审计。 December 2024 发表的一篇独立 BioRxiv 预印本发现，如果把每个变体各自松弛后的不同蛋白质结构作为输入，而不是使用单一一致结构作为骨架， ESM3 的结合预测性能会下降——这是一个「结构更多，准确率更低」悖论；涉及异质结构输入的部署场景，应由尽调团队专门测试。 Forge API 提交序列的数据留存政策也未公开披露，这可能成为受监管行业企业客户的合规顾虑。未找到 EvolutionaryScale 的 SEC Form D 文件，与其私营公司身份一致。[CE034, CE035, CE036, CE037, CE038, CE039]

5.6 证据展品

6.1 客户基础分层

EvolutionaryScale 的客户基础最适合拆成四个访问层级，每层买方画像、访问机制和证据深度都不同。最大、证据最充分的一层是学术和独立研究人员； 他们通过 GitHub 和 HuggingFace 直接访问开放权重的 ESM3（1.4B，非商业许可）和 ESM-C（300M、600M，开放权重）。 这些用户主要来自大学、研究机构和政府实验室，身份多为计算生物学家、结构生物学家和生物信息学家。使用场景包括蛋白质序列表征、 结构预测微调、功能注释、抗体设计和下游模型开发。开放权重用户不产生收入，但构成商业转化漏斗顶端信号。 第二层是商业云平台用户，他们通过 Amazon Web Services SageMaker Marketplace（ESM-C 模型可商业部署）和 NVIDIA BioNeMo（列为即将上线）接触 ESM 模型。这些买方通常是药企和生物技术公司的生物信息学与计算生物学团队， 相比直接订阅 API，更偏好云原生、由基础设施托管的模型部署。AWS 和 NVIDIA 是渠道合作伙伴，不是终端客户； 真正的企业买方是它们的下游客户。订阅用户数和部署指标未公开披露。 第三层是 Forge API beta 用户。截至 January 2025，EvolutionaryScale 开放了限时免费的 Forge API 公测， 让用户规模化访问 ESM3 和 ESM-C 模型。Forge API 面向需要超过 1.4B 开放模型推理能力的学术科学家和商业构建者。 Forge 公测后的商业定价尚未公开宣布。API 注册需要访问 token；用户数未披露。 第四层是为企业平台访问付费的大型药企 R&D 买方。这是价值最高的细分群体，但公开证据最弱。Adaptyv Bio （一家位于瑞士 Lausanne 的蛋白质工程公司）已确认是具名 ESM 生态合作伙伴。Pfizer、Eli Lilly、 Novartis、Roche 或其他全球 top-20 药企交易均未公开宣布；相较 Generate Biomedicines 和 Isomorphic Labs， 这是实质性的商业证明缺口。[CU023, CU031, CU012, CU008, CU010, CU011]

6.2 采用轨迹与开放访问使用

最清晰、最客观可衡量的采用信号来自开放访问渠道。在 HuggingFace 上，截至研究日，biohub/esm3-sm-open-v1 模型（ESM3 的 1.4B 开放权重版本）约有 3,110 次下载、291 个点赞；biohub/esmc-300m-2024-12 约有 6,320 次下载、30 个点赞；biohub/esmc-600m-2024-12 约有 1,490 次下载、32 个点赞。截至 May 2026，两个开放模型合计带来约 7,810 次 ESM-C 家族下载。ESM-C 模型在研究缓存日期前两天仍有更新， 说明维护活跃。这些下载数很可能低估实际使用，因为很多学术用户会克隆 GitHub 仓库，或通过官方 esm Python package 访问模型权重，而不是直接走 HuggingFace hub。 在 GitHub 上，evolutionaryscale/esm 仓库是主要开源分发渠道。该组织维护九个或更多仓库，包括衍生技术基础设施 （DeepEP 1,253 个星标、NCCL 分叉 1,270 个星标）、模型权重，以及明确标注为合作伙伴协作的 esm-partner 仓库。 March–May 2026 期间仍有活跃 commit 记录，说明开发活动持续。 学术引用证据扎实：截至 May 2026，Semantic Scholar API 搜索返回 32 篇基于 ESM3 的论文；bioRxiv 搜索 "evolutionaryscale ESM3" 返回 129 个预印本结果。具名下游应用包括 MegSite（核酸结合残基预测）、 ProteinReasoner（带链式思维推理的多模态蛋白质语言模型）、iNClassSec-ESM（非经典分泌蛋白发现）， 以及用于色谱纯化的亲和肽设计，覆盖学术、临床和工业应用。ESM3 Science 论文（发表于 January 16, 2025, DOI 10.1126/science.ads0018）提供权威学术认可，也成为商业沟通中的可信度锚点。[CU001, CU002, CU003, CU004, CU005, CU006]

6.3 具名部署与集成伙伴

EvolutionaryScale 的具名商业部署和集成证据，主要由三个已确认渠道和一个具名伙伴支撑。第一，AWS SageMaker Marketplace 在 Cambrian Inference Clickthrough License Agreement 下列出 ESM-C 模型，可用于商业部署。 GitHub README 给出明确部署说明：需要管理员级 AWS 访问权限，通过 SageMaker Marketplace 订阅，并基于 CloudFormation 启动，耗时 15–25 分钟。GPU 成本直接计入订阅者的 AWS 账户。这是一条可验证的商业部署路径， 但订阅用户数未披露。 第二，截至 December 2024，NVIDIA BioNeMo 将 ESM-C 列为即将上线的集成。NVIDIA BioNeMo 面向药物发现、 分子设计、虚拟筛选和蛋白质结合剂设计场景，正好匹配 ESM-C 的预期商业应用。NVIDIA 也是 EvolutionaryScale 战略投资人（Series A 参与方），对深度集成有结构性激励。Series A 公告（BusinessWire）和 NVIDIA 关于种子投资的专门新闻稿， 都确认了 NVIDIA 的投资人关系。 第三，Adaptyv Bio——位于瑞士 Lausanne 的 Biopole Life Science Campus 的一家蛋白质工程公司——已确认为具名 ESM 生态伙伴。Adaptyv Bio 聚焦蛋白质设计，与 ESM 模型能力直接对齐。该合作关系反映出小型且成长中的生物技术客户群： 它们可以使用开放权重或 API 访问，而不承担大型药企的采购开销。 第四，Forge API 公开 beta（January 2025 上线）构成商业平台的客户证明，尽管注册用户规模和付费转化未披露。 EvolutionaryScale GitHub ESM partner 仓库（evolutionaryscale/esm-partner，标注为「用于合作伙伴协作的仓库」） 暗示 Adaptyv Bio 之外还有正式合作伙伴管线，但没有公开具名其他伙伴。 重要的是，早期 ESM 家族（ESM1b、ESM2）已有企业用户记录：BioNTech 和 InstaDeep 在 COVID 刺突蛋白 上微调 ESM 模型，创建变体早期预警系统，标记全部 16 个 WHO 关注变体；Hie et al. 用 ESM1v/ESM1b 进化抗体； Shanker et al. 用 ESM-IF1 针对 SARS-CoV-2 做抗体进化。这些企业和学术用户的历史用例验证了 ESM 家族的实用性， 但并不构成 EvolutionaryScale 当前付费产品的商业客户。[CU007, CU008, CU009, CU010, CU011, CU013]

6.4 留存、耐久性与满意度证据

截至 May 2026，EvolutionaryScale 未披露净留存率（NRR）、总留存率（GRR）、客户流失率、合同续约统计或客户满意度分数。 以公司当前商业化阶段看，缺少这些指标并不意外：Forge API beta 只在 January 2025 上线，AWS SageMaker 上架也较新，且没有披露条款的企业软件交易宣布。主要可观察留存信号都是间接的：HuggingFace 下载持续增长（ESM-C 在研究日前数日内更新）、April–May 2026 期间 GitHub commit 活跃、下游学术论文持续累积（自 ESM2 发布以来， 已有 37 个月围绕 ESM 模型继续构建）。 对 Forge API 渠道而言，公开 beta 的免费访问明确服务于客户开发。公司 January 2025 博客称这是 「公开 beta，让学术界和产业界科学家限时免费预览」——这暗示 beta 后付费转化是预期留存机制， 但尚未验证。ESM GitHub 仓库 SDK 能在本地、Forge 和 SageMaker 部署模式之间无缝集成（同一套 API 代码不受端点差异 影响），架构上形成低切换成本、高粘性的留存条件，但商业层面尚未验证。 对 AWS SageMaker 渠道而言，留存由 AWS 云基础设施锁定效应中介。一旦客户通过 CloudFormation 在自有 AWS 环境内部署 ESM-C，迁移到竞争性蛋白质 LM 需要有意重新集成，因此渠道粘性更持久。 ESM2 前代模型可在非商业许可下免费使用，是付费意愿分析的重要下限。如果客户用免费的 ESM2（最高 15B 参数） 就能满足蛋白质表征任务，除非性能优势足以证明溢价合理，否则为 ESM-C 商业访问付费的动力有限。针对具体药物应用证明可量化性能提升， 是仍未解决的关键留存证据缺口。[CU022, CU027, CU028, CU030, CU032, CU035]

6.5 扩张驱动因素与集中度风险

EvolutionaryScale 的扩张轨迹由两股相互竞争的力量塑造。第一股有利：AWS 和 NVIDIA 的战略投资，带来优先渠道位置、 联合营销，以及潜在的优先触达两家公司企业客户网络。NVIDIA BioNeMo 声称训练快 2x、推理快 6x，再叠加 ESM 模型集成， 把 EvolutionaryScale 模型放进一个高采用度 GPU 基础设施平台。AWS 将 ESM-C 纳入 SageMaker JumpStart， 也让数千家在 AWS 上部署工作负载的生命科学公司更容易发现它。「免费学术层 → Forge API beta → 企业 SageMaker 合同」 这一漏斗在架构上成立。 第二股不利：EvolutionaryScale 没有披露药企锚定客户，没有落地后扩张案例研究，也没有公开宣布可支持市场标准比较的定价。 Generate Biomedicines 披露了 $1.9B 的 Amgen 合作；Isomorphic Labs 宣布与 Eli Lilly 和 Novartis 达成交易，潜在里程碑价值合计超过 $3B。EvolutionaryScale 的前沿蛋白质语言模型在学术资质上或许更强 （Science 论文、98B 参数 ESM3），但相对这些蛋白质 AI 直接竞争对手，商业证明明显更弱。客户集中度风险目前无法衡量—— 没有具名企业客户，技术上客户集中度为零，但这掩盖了更大的风险：一家 27 个月融资 $142M 的公益公司，完全没有企业收入。 扩张逻辑的结构性风险包括：（1）开放权重 ESM2 替代——很多下游用户用免费的 15B 参数 ESM2 就能得到足够好结果， 不必为 ESM-C 或 ESM3 商业访问付费；（2）生物安全约束——负责任开发框架和双重用途风险评估（NTI 和 safe.ai 有记录） 为前沿蛋白质设计模型设置访问门槛提供了正当理由，从而限制可服务商业用户基础；（3）学术开源竞争——AlphaFold3、ESMFold 和 RoseTTAFold 都可免费用于结构预测，把可服务市场压缩到 ESM3 真正有差异化的生成和多模态推理任务。[CU014, CU017, CU018, CU019, CU024, CU026]

6.6 证据展品

7.1 生物安全与双重用途风险

生物安全风险是 EvolutionaryScale 投资逻辑中最根本的风险维度。esmGFP 已经展示，ESM3 能生成与任何已知天然蛋白相距 「相当于 500 million years 的进化」序列距离的功能蛋白。同一种支撑药物发现的生成能力，原则上也可能被导向增强病原体毒力、 生成新型毒素，或工程化出监测系统所覆盖已知序列空间之外的生物制剂。MIT 2023 年发表在 arXiv 的研究（Sandbrink & Shulman, 2306.03809）显示，大语言模型可在一小时会话内，为没有实验室训练的非科学人员识别潜在大流行病原体、 合成路线和 CRO 合作伙伴。尽管该研究聚焦通用 LLM，而非蛋白质专用模型，担忧机制直接类比：蛋白质语言模型降低了设计功能性生物制剂的门槛。 US Executive Order 14110（October 30, 2023）明确把生物技术列为国家安全 AI 风险领域，要求评估那些可能降低生物、 化学、核或放射性大规模伤亡武器制造门槛的 AI 系统。NIST AI Risk Management Framework（AI RMF 1.0， January 2023 发布；Generative AI Profile 于 July 2024 更新）为识别和管理这些风险提供自愿性指南。 EU AI Act（Regulation 2024/1689，OJ 12 July 2024）也在 Annex III 及相关条款下，将生物相关双重用途 AI 纳入高风险范围。 EvolutionaryScale 发布过负责任开发框架（Responsible Development Framework），包含四项核心原则：沟通收益与风险、部署前严格评估模型、 采用护栏，并与政府和公民社会互动。ESM Cambrian 发布博客称：「ESM C 经科学专家委员会审查，委员会认为发布模型的收益大幅超过任何潜在风险。」 但是，在访问日（2026-05-18），该框架的规范 URL（/blog/responsible-development） 返回 404 错误，说明该框架文件可能无法公开访问；这本身就是透明度风险。EvolutionaryScale 的模型安全评估没有公开披露任何独立第三方验证。 Biological Weapons Convention（BWC，1972，截至 May 2025 有 189 个缔约方）禁止开发和储存生物武器， 但没有正式核查机制，也没有专门处理 AI 设计蛋白质的机制。Center for AI Safety 2023 年声明——由 Hinton、 Bengio 等人签署——把 AI 引发的大流行级生物风险列为最高级别灭绝风险之一。Johns Hopkins Center for Health Security 明确将 AI 与生物安全交叉作为核心研究领域。行业通过负责任 AI 生物框架自律（Anthropic 的 RSP、OpenAI 的安全承诺）仍处早期， 且不约束 EvolutionaryScale 这样的第三方。[CR001, CR002, CR003, CR004, CR005, CR006]

7.2 技术风险

ESM3 的性能取决于训练分布质量。模型在 2.78 billion 条蛋白质序列上训练，但新型家族中功能蛋白的天然多样性——例如非核糖体合成肽、 新型酶骨架或完全从头折叠——可能远在这一分布之外。蛋白质语言模型可能「幻觉式」生成高置信度序列，但这些序列并不按预测折叠或发挥功能； 任何 ESM3 生成序列用于治疗或工业用途前，都需要湿实验室验证。由此产生延迟风险：客户为 Forge API 调用付费， 但在产生商业价值前仍要承担昂贵实验验证；相较开放替代品，溢价定价的经济论据因此变弱。 基准饱和是近期技术风险。ESM3-98B 发布时在 CASP15 单体预测上达到最先进水平，但 Chai-1（Apache 2.0，免费） 已报告 Cα LDDT 0.849 vs ESM3-98B 的 0.801，以及 77% vs 76% 的 PoseBusters 成功率，在结构预测上接近商业模型。 AlphaFold 3 及其开放数据库（截至 March 2026，含蛋白质复合物在内超过 200 M+ 个结构）持续扩大免费覆盖。 Baker Lab 的 RFdiffusion（Nature 2023）可免费用于结合体设计。这些开放工具降低了 Forge API 门控访问的边际价值。 ESM3 的训练从 Meta 的 ESM2 权重初始化。根据 Meta 自有模型卡和 facebookresearch/esm GitHub 仓库条款， Meta 保留 ESM2 模型家族的 IP。ESM3 相比 ESM2 在架构和训练上有实质进步，但如果 Meta 对祖先权重仍有任何残留 IP 主张， 可能限制 EvolutionaryScale 商业化 98B 模型或再许可权重的能力。公司已就部分工作提交专利（ESM3 bioRxiv 预印本竞争利益声明中披露）， 但完整专利组合及其与 Meta 在先技术的关系仍未披露。 对 NVIDIA（H100/H200 集群）和 Amazon（AWS）的算力依赖是一把双刃剑：两者既是投资人和渠道伙伴，理论上也可能限制访问或降低工作负载优先级。 GPU 供应约束可能推迟模型训练或 API 扩容；尤其是 ESM3 训练消耗 1×10²⁴ FLOPs，是发布时任何生物模型中规模最大的算力投入之一。[CR011, CR012, CR013, CR014, CR015, CR016]

7.3 竞争商品化风险

蛋白质 AI 工具正在快速商品化。Google DeepMind 的 AlphaFold 3 数据库通过与 EMBL-EBI 的合作，免费提供超过 2 亿个预测蛋白质复合体结构（March 2026 更新后纳入蛋白质复合体）。Meta 的 ESM2 通过 facebookresearch/esm 以 MIT 许可证发布；OpenFold 使用 Apache 2.0。Chai-1 使用 Apache 2.0，允许免费商用。 Baker Lab 的 RFdiffusion 和 ProteinMPNN 可从 IPD/UW 免费获取。这些可免费使用的模型覆盖结构预测和结合体设计工作流， 正是 Forge API 的核心用例。 EvolutionaryScale 的防御性靠三点支撑：（1）ESM3 的生成式多模态能力不止结构预测，而是把序列、结构、功能放在一起生成； （2）98B 参数旗舰模型通过 API 闸门和商业许可控制；（3）药物发现所需的领域微调离不开专有数据。不过，Chai-1 技术报告称其无需 MSA 就能达到最先进的多聚体预测水平，直接冲击 ESM3 的关键差异点。如果学术团队和 VC 支持的对手（Profluent、Generate Biomedicines、AbSci、Isomorphic Labs）用宽松许可证发布有竞争力的生成模型， Forge 的定价权会被压缩。 投资人和合作伙伴重叠进一步放大竞争风险：Amazon（AWS）通过 SageMaker JumpStart 分发 EvolutionaryScale 模型， 但也投资并向竞争性生物 AI 公司提供算力；Nvidia 通过 BioNeMo 分发模型，而 BioNeMo 本身也是竞争性的模型分发平台。 合作伙伴利益和投资人利益一旦冲突，这些平台可能优先扶持替代方案。[CR019, CR020, CR021, CR022, CR023, CR024]

7.4 监管格局

AI 设计蛋白质的监管环境仍在早期，且高度碎片化。还没有任何司法辖区出台专门规则，管控生成式蛋白质语言模型的商业部署。 美国、欧盟和英国都在制定框架，未来可能按不同风险分类覆盖 EvolutionaryScale 的产品。 在美国，EO 14110（October 30, 2023）要求超过定义阈值的双用途基础模型开发者向政府报告安全评估，尤其关注 “生物安全、网络安全和关键基础设施”风险。NIST AI RMF（January 2023）及其 Generative AI Profile（July 2024）提供自愿指引。FDA 通过软件即医疗器械（SaMD）框架和 2024 AI/ML 行动计划监管 AI/ML 医疗器械，但只覆盖诊断或治疗决策 AI，不覆盖纯发现阶段的蛋白质设计工具。BIS（工业与安全局） 已开始研究可用于生物武器场景的 AI 模型出口管制框架，但还没有最终规则专门管控蛋白质语言模型。 在欧盟，AI Act（Regulation 2024/1689，August 2024 生效；多数条款自 August 2026 起适用）会根据应用场景， 将可能造成双用途生物危害的 AI 系统划入高风险或禁止类别。待法案条款全面执行后，ESM3 的双用途 API 访问可能需要合格评定、 透明度义务和人工监督措施。 英国的生物安全审查仍在 Biosecurity Strategy 和 AI Safety Institute 框架下推进，该框架与美国及国际伙伴合作评估 AI 带来的生物风险。Biological Weapons Convention（已有 189 个国家签署并批准）禁止发展和生产生物武器，但没有 AI 专门条款，也缺少正式核查机制。 监管尾部风险不对称：新的强制性规则（强制安全评估、出口管制、访问限制）可能抬高合规成本、限制国际分发，或要求模型删减—— 任何一项都会削弱 Forge 的商业模式，而且没有先例可判断限制会持续多久、强度多高。[CR025, CR026, CR027, CR028, CR029, CR030]

7.5 财务与运营风险

EvolutionaryScale 累计融资约 $145 M（种子轮加 $142 M Series A，September 2024），投后估值 $1.35 B。 运行 98B 参数级别的前沿蛋白质语言模型，需要大量持续算力。训练 ESM3 消耗 1×10²⁴ FLOPs，依托高吞吐 GPU 集群； 商业规模下的持续推理服务和模型迭代会反复产生硬件成本。公司没有公开收入披露；截至已知访问日，公司仍处于收入前或极早期收入阶段。 按一家拥有前沿 GPU 集群、50–80 人 AI 基础设施公司的典型开支速度，除非 Forge API 很快转化为有意义的商业收入， $145 M 对应的现金跑道大约只有 2–4 年。该估值意味着相对于当前 Forge 采用度可支撑的任何前瞻收入预测，倍数都超过 10×； 如果商业爬坡慢于投资人预期，下轮估值下调风险会出现。 Amazon 和 Nvidia 的投资人 / 合作伙伴集中带来双重冲突：两家公司同时是 EvolutionaryScale 的主要云算力供应商、 主要分发渠道（SageMaker JumpStart、BioNeMo）和 Series A 投资人。如果 EvolutionaryScale 需要重谈云合约或寻求竞争性报价， 投资人关系会限制谈判筹码。反过来，如果 Amazon 或 Nvidia 发展竞争能力（两者已经在做：BioNeMo 已纳入 ESM 模型， 也包含竞争工具），它们可能有动力把客户从 Forge API 引走。 除 Forge API 订阅外，公司没有披露任何 IP 变现策略。如果开放的 ESM3 1.4B 模型（学术用途免费）满足了大部分学术需求， 从而蚕食商业 Forge 采用；同时制药客户更愿意自建能力而不是支付 API 费用，商业模式在规模化时可能低于预期。[CR032, CR033, CR034, CR035, CR036, CR037]

7.6 人才、关键人物与文化风险

已披露姓名的四位创始人——Alexander Rives（CEO）、Tom Sercu（President）、Zeming Lin（CTO）和 Salvatore Candido——都来自 Meta AI 的 FAIR 蛋白质研究团队。单一雇主出身带来文化集中风险：团队共享同一套研究范式、人脉网络和职业经历。 文化单一能加快一致决策，但在评估战略转向或监管威胁时，会削弱认知多样性；FAIR 的学术文化也未必让团队为这些问题做好准备。 关键人物风险很高。Alexander Rives 是最早的 ESM 模型创建者，也是主要科学愿景负责人。BioRxiv 预印本作者名单显示， Tom Sercu 和 Zeming Lin 是 ESM3 与 ESM Cambrian 的主要技术架构师。任何一位创始人离开，都可能拖慢模型开发速度并削弱投资人信心。 公司没有公开披露继任计划或 CEO 独立性安排。 公司位于湾区 AI 人才市场，这是全球竞争最激烈的人才市场之一。面对资本充足的超大规模云厂商（Google DeepMind、Meta、 Microsoft）或制药 AI 部门（Isomorphic、Xaira）的挖角，在 $1.35 B 估值且没有公开流动性的情况下留住资深 ML 研究员， 是结构性挑战。Amazon 和 Nvidia 的投资人身份可能降低来自这两方的团队收购风险，但无法降低人才流向其他超大规模云厂商的风险。[CR038, CR039, CR040, CR041]

7.7 法律与 IP 风险

EvolutionaryScale 的 ESM3 以 ESM2 权重为起点训练。Meta 的 facebookresearch/esm GitHub 仓库（托管 ESM2） 没有为模型权重本身附上标准开源许可证；ESM2 模型权重适用 Meta 自己的模型卡条款。ESM3 商业权重与 ESM2 祖先权重之间的关系， 公开来源没有完整说明；如果 Meta 主张衍生作品权利，就会形成潜在 IP 来源风险。 biorxiv 预印本的利益冲突声明写明，“已就本工作的若干方面提交专利申请”。这些专利的性质、 权利要求和状态没有公开披露。ESM3 使用的蛋白质建模离散 token 方法（将 3D 结构和功能 token 化为离散字母表）可能面对来自学术团队的既有技术， 包括 Baker Lab、Meta FAIR 和 Oxford 研究者。任何侵权主张——或专利冲突程序——都可能拖慢商业化，或要求昂贵的授权安排。 EvolutionaryScale 注册为公益公司（PBC）。这一形式提供一定治理弹性，但也围绕公共利益使命产生义务， 可能约束纯商业决策，尤其是开放模型访问与商业闸门之间的取舍。[CR042, CR043, CR044, CR045]

7.8 附录

8.1 投资逻辑与反向逻辑

EvolutionaryScale 的投资逻辑建立在四个相互强化的支柱上。第一，创始人的领域权威：Alexander Rives、Tom Sercu、 Zeming Lin 和 Salvatore Candido 是 Meta AI FAIR 时期 ESM 蛋白质语言模型家族的真正创造者，拥有任何竞争团队都无法从零复制的机构知识和发表记录。 第二，经同行评审的科学验证：ESM3 于 January 16, 2025 发表在顶级同行评审期刊 Science Magazine，记录了一个新型荧光蛋白的生成， 等同于模拟 5 亿年进化——这一非凡科学主张已经通过编辑评审公开验证，并以超过 1×10^24 FLOPs 训练算力被索引。第三，结构性的云分发护城河： Amazon（AWS）和 NVIDIA 不只是财务投资人；它们也是分发渠道伙伴，把 Forge 嵌入 AWS SageMaker JumpStart 和 NVIDIA BioNeMo， 让 EvolutionaryScale 直接触达几乎所有全球制药和生物技术 R&D 组织使用的云基础设施。第四，独特的多模态生成能力：ESM3 同时在蛋白质序列、结构和功能上推理——同类蛋白质 AI 创业公司（Profluent、Cradle.bio、Absci）还没有在单一基础模型中做出这一能力。 反向逻辑同样有证据支撑。第一，收入披露为零：截至 May 2026，Forge 没有公开确认 ARR、客户数或毛利率；$1.35B Series A 估值完全建立在前瞻预期上，使其成为 AI 生物技术领域估值最高的收入前项目之一。第二，开源替代威胁：ESM2（前代模型）可免费开源使用； AlphaFold 3（Google DeepMind）向全球超过 300 万研究人员免费提供非商业蛋白质结构和相互作用预测；两者都直接替代 EvolutionaryScale 商业产品的核心。第三，关键人物集中：四位联合创始人全部来自同一前雇主（Meta AI FAIR）；如果同时离开， 这是高度相关的集中风险，在可比创业公司中几乎没有先例。第四，双用途和生物安全监管阴影：ESM3 的生成式蛋白质设计能力存在生物安全风险， 责任发展框架也承认这一点；客户筛查协议未披露，监管暴露仍不确定。第五，VC 估值倍数压缩风险：KPMG 2024 Venture Pulse 报告明确警告， 投资人正在“更审慎判断 AI 领域谁可能成为赢家”，并会偏好商业模式可信的公司；公开证据看， EvolutionaryScale 还没有达到这一标准。[CV001, CV002, CV006, CV007, CV009, CV022]

8.2 建议、置信度与风险评级

建议为继续研究 / 保持关注。这不是买入建议，原因有三点且都有证据支撑。第一，估值置信度为中等：$1.35B 投后 Series A 锚点经 Crunchbase 和 Bloomberg 确认，但没有 Forge 收入、ARR、毛利率或客户数数据——这些目前都未披露——就无法建立内在价值模型。 第二，进入倍数激进：在 $1.35B 且收入前的状态下，EvolutionaryScale 隐含的价格 / 已融资倍数（投后估值 / 已融资约 ~9.5x） 明显高于收入前生物技术公司的行业常态；没有商业牵引力可见度，很难证明这一估值合理。第三，悲观情景风险不对称：开源 ESM2 和免费的 AlphaFold 3 是真实替代品，可能压缩 API 定价，并在收入逻辑兑现前摧毁它。 整体置信度为中等。产品证据强（Science 发表、模型架构），团队证据强（Meta AI 背景、GitHub 活动、HuggingFace 存在）， 融资证据也强（已确认且多来源）。商业侧证据弱（无收入、无 ARR、无客户披露、无合作财务条款）。风险评级为高，原因包括： 以高估值进入收入前公司；四位联合创始人均来自同一前雇主，关键人物高度集中；开源和免费层竞争替代；双用途生物安全监管不确定； 以及商业分发结构性依赖 Amazon 和 NVIDIA。 估值判断是基础设施 / 平台 AI 溢价，但没有临床验证上浮。不同于临床阶段 AI 药物发现公司（Insilico Medicine、Recursion）， EvolutionaryScale 的价值完全在平台和基础模型层——更像一家把基础模型 API 公司（Anthropic、Cohere）套用到垂直生物领域的企业， 但没有通用模型的规模，同时市场暴露集中得多。买入建议需要三个条件：披露 Forge ARR 至少 $10M+、拥有活跃的多制药客户群、 并确认毛利率高于 60%。[CV001, CV002, CV005, CV011, CV013, CV030]

8.3 融资、估值背景与进入纪律

EvolutionaryScale 于 September 26, 2024 完成 $142M Series A，由 Amazon（AWS）和 NVIDIA 共同领投。 Lux Capital、Nat Friedman 和 Daniel Gross（AI Grant 组织）参投。包括种子轮在内，累计融资约 $145M。投后估值约 $1.35B——由 Crunchbase、Bloomberg（付费墙）和 PitchBook（付费墙）确认。SEC EDGAR 全文检索数据库中没有找到 “EvolutionaryScale” 的 Form D 证券备案；这与公司的私营状态一致，也可能意味着其使用 Regulation D 但未公开披露。 以历史生物技术创投标准看，收入前阶段给出 $1.35B 估值偏高；但放在 2024 AI 估值环境下，大体仍说得通：仅 Q4 2024， 美国就有五家公司各自完成 $4B+ 融资（KPMG Venture Pulse）。Amazon 和 NVIDIA 投资的战略性质显著改变了风险调整后的投资逻辑： 两者都是分发渠道伙伴，投资本身会形成自我强化的商业激励，把制药 API 流量导向 Forge。AWS SageMaker JumpStart 和 NVIDIA BioNeMo 合计触达几乎所有主要全球制药 R&D 组织，渠道护城河真实且持久。 进入纪律要求先确认商业牵引力，再给出买入建议。优先股堆叠、股权结构表和 Series A 带来的稀释压力都未知；没有经审计财务或备考股权结构披露， 就无法在任何给定企业价值下精确计算普通股价值。Amazon 和 NVIDIA 共同投资，从结构上降低了敌意人才收购或灾难性下轮的概率， 因为任何一方都不会受益于一笔破坏其云平台战略的困境出售。[CV001, CV002, CV003, CV004, CV005, CV009]

8.4 可比估值组

EvolutionaryScale 的可比组横跨三类：上市 AI 药物发现公司、私有 AI 生物技术同行，以及近期融资交易。由于 EvolutionaryScale 的定位独特——一家收入前蛋白质基础模型 API 公司，并由全球最大的两家科技公司提供战略云分发——没有完美的单一可比对象。 上市可比公司中，Absci（NASDAQ:ABSI）按商业模式最接近——纯 AI 生物制剂设计，没有 Phase 2 或临床项目。ABSI 截至 May 2026 市值约 $800M，为一家 AI 药物创造平台提供了公开市场估值底部；其披露收入为 $2.8M（FY2025），净亏损 $115.2M。 隐含收入倍数极高（约 285x FY2025 收入），反映市场为平台可选性定价，而不是为近期基本面定价。Recursion Pharmaceuticals （NASDAQ:RXRX）市值约 ~$1.555B，但 Q1 2026 收入只有 $6.47M，累计亏损 $2.1B；它按拥有管线可选性的临床阶段 AI 平台交易。Schrödinger（NASDAQ:SDGR）市值约 ~$893M，披露了软件加基于结构的药物发现收入；其倍数更常规，但混合模式不同。 私有可比公司中，Generate Biomedicines 累计融资约 ~$700M，最近披露估值约 $2.5B——按模态（蛋白质生成式 AI）看最接近。 Xaira Therapeutics 于 April 2024 以 $1B Series A 启动——当时是有史以来最大的 AI 药物发现 Series A——估值约 ~$1B。Isomorphic Labs（Alphabet 支持）未披露独立估值，但正在与 Lilly 和 Novartis 进行数十亿美元级合作。Profluent 融资 $44M，Cradle.bio 融资约 ~$73M；两者都服务蛋白质工程用例，但阶段更早、估值低得多。 若以基础模型平台可比公司并按垂直市场狭窄度调整：Anthropic（约 ~$60B）、Mistral（约 ~$6B）和 Cohere（约 ~$5B） 提供了收入前 AI 基础模型公开市场情绪的上界。EvolutionaryScale 的 $1.35B 约为 Anthropic 估值的 2–3%，模型质量主张可比， 但可服务市场窄得多（仅生物）。鉴于总可用市场（TAM）集中，相比横向基础模型打折是合理的；但相较临床阶段 AI 药物发现上市可比公司， 它仍有溢价。[CV011, CV012, CV013, CV014, CV015, CV016]

8.5 退出准备度与最终尽调问题

EvolutionaryScale 近期最可能的退出路径包括：（1）被 Amazon 战略收购（人才收购或整体收购，把 Forge 嵌入 AWS AI Services）或被 NVIDIA 收购（加深 BioNeMo 的可微蛋白质设计能力）；（2）在 ARR 证明商业产品市场契合后，被寻求蛋白质 AI 平台的大型药企收购（AstraZeneca、Pfizer、Genentech、Novartis）；（3）如果 Forge 达到 $25M+ ARR 并拥有多家制药客户， 以 $2B+ 估值完成 Series B 或 Series C；或（4）达到 $50M+ ARR、毛利率 >60% 后 IPO——最早也大概率不会早于 2028。 Amazon 的结构性投资人关系显著降低悲观情景概率：一家由 AWS 支持、且 Forge 已部署在 SageMaker JumpStart 上的公司， 除非 Amazon 主动采取敌意决策，否则很难遭遇灾难性下轮。不过，同一个 Amazon 关系也让退出路径集中：如果 Amazon 是最可能买家， 二级投资人必须接受 M&A 定价纪律，而这未必能为非战略投资人最大化估值。 买入建议发布前，有五个尽调问题至关重要：（1）截至 Q2 2026 的 Forge ARR 和客户数；（2）Forge API 收入毛利率； （3）Amazon 和 NVIDIA 合作中的收入分成与排他条款；（4）与 Meta Platforms 之间的 ESM2/ESM3 IP 转让协议（如有）， 确认 IP 权属链清晰；（5）生物安全和双用途客户筛查协议。五项得到确认前，估值置信度仍为中等，建议仍是继续研究 / 观察。[CV005, CV009, CV034, CV037, CV038]

8.6 附录