EvolutionaryScale

1.1 公司身份、结构演变与运营模式

EvolutionaryScale 于 2024 年 2 月注册为特拉华州公益公司，总部位于纽约州纽约市，并在加州旧金山设有研究工程办公室。公司成立的目标，是把生物尺度建模转化为可编程疗法与酶。被收购前，公司估计有 10 至 49 名员工，主要是深度学习研究人员和计算生物学家。其商业模式将非商业开放研究发布，与通过 EvolutionaryScale Forge 云平台及 AWS、Nvidia 基础设施上的企业 API 分发实现的专有变现结合起来。然而，由于没有强制公开 SEC 注册要求，历史商业收入、ARR 倍数和活跃客户名单从未得到独立披露。2025 年 11 月，Chan Zuckerberg Initiative 将公司机构性吸收到 CZ Biohub，运营治理由独立、风险投资支持的商业实体，根本转为慈善科学研究组织。[CO001, CO003, CO004, CO006, CO007, CO011, CO012]

1.2 创始团队、科学谱系与关键人物依赖

EvolutionaryScale 的人才与知识核心直接来自 Meta Platforms 的 Fundamental AI Research（FAIR）团队。联合创始人兼首席科学家 Alex Rives 领导最初的 ESM 研究团队，于 2019 至 2023 年间开发 ESM-1、ESM-2 和 ESMFold 基础架构。Meta 内部重组并解散蛋白质部门后，Rives 与联合创始人 Salvatore Candido 一同离开；Candido 后任 CTO，深度学习研究员 Tom Sercu 也随之离开。研究文件中确认的其他技术联合创始人包括 Thomas Hayes、Roshan Rao 和 Halil Akin。运营高管也加入领导层，包括 COO Katrin Malin 和资深 CFO Tim Hanley。公司存续期间对 Rives 博士和 Candido 博士的关键人物依赖始终极其严重，因为专有架构、多轨训练方法和 ESM 系列的科学地位，都与他们的直接领导不可分割。[CO002, CO008, CO009, CO010]

1.3 资本化历程、战略支持者与治理动态

2024 年 6 月 25 日，EvolutionaryScale 宣布完成计算生物学领域规模最大的首轮融资之一，获得 $142 million 种子轮融资。该轮由风险投资公司 Lux Capital 与天使投资人 Nat Friedman、Daniel Gross 的合作伙伴关系 NFDG 共同领投，Amazon 和 Nvidia 的 NVentures 进行了战略性企业投资。此次资本化使 EvolutionaryScale 的投后估值估计达到 $1.0 billion 至 $1.35 billion，反映市场对生成式生物学的强烈热情。公司通过多平台商业化巩固了与 Amazon、Nvidia 的战略协同：承诺在包括 Bedrock 和 SageMaker 在内的 Amazon Web Services 环境部署 98-billion parameter 的 ESM3，同时接入 Nvidia NIM 微服务以加速企业推理。尽管背后有一线投资者支持，但二级股权披露完全缺失，CZ Biohub 吸收后的后续财务条款也未公布，优先股持有人的实际财务回报因此无法判断。[CO004, CO005, CO006, CO007, CO012]

1.4 从 FAIR 谱系到 Biohub 整合的里程碑轨迹

EvolutionaryScale 的运营轨迹从隐身分拆到被非营利机构吸收，推进速度前所未有。创始团队在 Meta FAIR 的 2019 至 2023 年间打下了序列尺度生物建模的学术基础。公司于 2024 年 2 月注册后，在 2024 年 6 月正式发布 ESM3——一个用 2.78 billion 种天然蛋白训练、能够同时推理生物序列、3D 结构和酶功能的前沿语言模型。在一次标志性湿实验验证中，公司设计出 esmGFP，这种合成荧光蛋白与天然水母 GFP 的序列同一性为 58%，理论上需要 500 million 年的自然演化漂移才能产生。之后，公司推出 ESM Cambrian 序列表征系列，并采用要求在纽约县进行 JAMS 约束性仲裁的标准客户协议。2025 年 11 月，Mark Zuckerberg 宣布 CZI 收购 EvolutionaryScale 并将团队整合进 Biohub，公司独立的法人存在随之结束。[CO001, CO002, CO005, CO011, CO013, CO014, CO015]

1.5 图表

2.1 市场边界定义与生成式生物学范围

EvolutionaryScale 位于生物基础模型与计算生物制药工程的交叉地带。其主要产品 ESM3 是 98-billion-parameter 多模态生成模型，能够同时推理蛋白质序列、3D 结构和生物功能（CM001）。核心可寻址边界包括企业基础模型 API 访问、定制权重许可，以及用于药物发现和学术研究的计算机模拟蛋白质设计软件；实体湿实验机器人、高通量试剂筛选，以及缺乏生物领域基础的通用文本语言模型不在其中。平台已展示生成具有合成演化跃迁的新型荧光蛋白，但企业采用仍需把计算预测与严格的湿实验连接起来。EvolutionaryScale 争议解决框架下的商业条款提供标准 SaaS 保护，包括纽约县强制约束性仲裁，以及将责任上限限制在历史已付费用内（CM009）。最初商业模式依靠企业 API 分层、云基础设施集成和下游许可费（CM004）。[CM001, CM004, CM009]

2.2 可寻址市场规模、测算视角与估值足迹

生成式生物学软件的市场规模不能只依赖一个宽泛预测，而要从多个分析视角评估。独立行业分析师预计，AI 驱动的生物设计与生成式发现平台总市场到 2030 年约达 $15.0 billion，复合年增长率为 28.5%（CM002）。在 2024 年约值 $8.2 billion 的更广泛临床前软件和信息学领域内，专注于计算机模拟生物基础模型的可服务可寻址市场，估计在北美和欧洲合计为 $1.8 billion。EvolutionaryScale 的资本化反映早期投资者的强烈信念：2024 年 6 月由 Nat Friedman、Daniel Gross 和 Lux Capital 领投 $142 million 种子轮，报告投后估值约 $1.0 billion（CM003、CM011）。但公司约 20 名员工的早期组织规模，以及未披露企业软件 ARR，使其可服务可获取市场受到明显限制（CM004）。Chai Discovery、Generate Biomedicines、Cradle 和 Profluent Bio 等直接同业也筹得大额风险资本，争夺分子结构预测和生物制剂工程的细分市场（CM012）。[CM002, CM003, CM004, CM011, CM012]

2.3 客户细分、采用约束与 Biohub 吸收

生成式生物学的目标客户生态包括四类：全球制药公司、风险投资支持的生物技术初创公司、学术研究实验室和工业生物工艺制造商（CM010）。对顶级生物制药企业而言，采购决策由中央研发 IT 预算和发现生物学负责人主导，他们希望压缩持续数年的候选物发现周期（CM014）。通过 SageMaker、HealthOmics 与 Amazon Web Services 的分发合作，加上 Nvidia NIM 微服务，公司搭建了企业部署通道，让客户能在企业防火墙后微调专有模型（CM005）。尽管完成了这些商业集成，EvolutionaryScale 的独立轨迹在 2025 年 11 月发生根本变化：Chan Zuckerberg Biohub 收购公司，并将核心创始研究人员纳入 Biohub 科学领导层（CM006）。行业观察人士将这笔交易视为 EvolutionaryScale 作为独立风险投资支持商业实体实际终结的标志（CM007）。进入 Biohub 后，战略重点从企业商业变现转向开放科学计划，由大规模 GPU 集群支持，并发布 ESM3 等模型供非商业研究和云协作使用（CM008、CM013）。[CM005, CM006, CM007, CM008, CM010, CM013, CM014]

2.4 图表

3.1 竞争格局与同业分类

生物基础模型和生成式蛋白质设计的竞争场由四类运营者构成：风险投资支持的直接基础模型开发商、成熟科技生物企业、专业蛋白质工程 SaaS 平台，以及开源研究生态。EvolutionaryScale 于 2023 年从 Meta 的 Fundamental AI Research（FAIR）蛋白质团队中诞生，希望用 98-billion-parameter 的 ESM3 架构建立通用生物基础模型。但 2025 年 11 月被 Chan Zuckerberg Biohub 收购后，其竞争定位彻底改变，从激进的风险投资支持初创公司转为基金会支持的研究实体。直接同业中，Chai Discovery 等新进入者推出 Chai-1 等多模态模型，无需多序列比对即可预测蛋白质、核酸和小分子之间的相互作用。与此同时，Cradle Bio 等专业工程供应商把 AI 嵌入迭代湿实验设计周期，处理下游实验室工作流。在市场高端，Alphabet 旗下 Isomorphic Labs 利用庞大算力和专有 AlphaFold3 架构，争取数十亿美元规模的制药共同开发协议；Hugging Face 上的开源社区则继续普及基础模型权重，给标准预测生物学任务带来显著降价压力。[CP001, CP002, CP003, CP004, CP005, CP006, CP014]

3.2 技术架构与功能矩阵差异化

生物基础模型的技术差异，取决于架构是把蛋白质当作孤立的序列字符串，还是同时推理序列、三维结构和生物功能这三个相互耦合的维度。EvolutionaryScale 的 ESM3 可同时以坐标、功能关键词和序列基序为条件进行生成式提示，并通过从头生成 esmGFP 等荧光蛋白证明这一点，构成重要技术里程碑。但直接同业已在特定领域迅速达到或超过这一架构范围。Chai Discovery 的 Chai-1 统一架构可预测含小分子配体和修饰碱基的复合物，覆盖纯蛋白模型难以处理的药物发现工作流。此外，EvolutionaryScale 虽支持开放权重、托管 API，以及 AWS Bedrock 和 Nvidia NIM 云市场等灵活分发方式，但实际临床证据仍局限于计算预测和实验室概念验证，而非已验证的治疗候选物。AI Health Index 的第三方审查指出，EvolutionaryScale 没有发布错误率校准或治疗管线候选物。企业合规评估还显示，公司完全没有独立 SOC 2 Type II 报告、ISO 27001 认证或专门信任中心；企业生物制药采购委员会将其与成熟生命科学软件供应商比较时，这构成重大治理障碍。[CP003, CP006, CP007, CP011, CP012, CP013]

3.3 商业 GTM、定价模式与买方切换成本

生物基础模型商业化的特点是合同透明度低、制药项目范围定制化，以及买方严重锁定风险。EvolutionaryScale 采用双轨策略分发访问：以宽松许可免费提供开源权重，同时在 Biohub Platform 上提供托管 API。SoftFinders 的软件行业分析和 AI Health Index 的平台评测显示，EvolutionaryScale 没有透明的自助订阅定价，而是采用销售主导的定制生物制药合作协议和按积分计量的开发者控制台计费。开发者虽可获得名义上的初始免费 API 积分，企业定价层级和批量费率表却完全未报价。限制性合同风险分配进一步放大了这种定价不透明。EvolutionaryScale 的官方争议条款将总责任严格限制在一百美元 或客户过去十二个月付款额两者中的较高者，同时排除所有间接和后果性损害。对其专有靶序列代表数亿美元临床知识产权的生物制药买方而言，供应商责任上限、未经验证的安全控制和未对冲的云计算成本叠加，造成很高的切换摩擦和严重的多云使用顾虑。[CP007, CP008, CP009, CP010, CP011]

3.4 壁垒持久性与非营利治理风险

Chan Zuckerberg Biohub 于 2025 年 11 月收购 EvolutionaryScale，对其竞争壁垒的长期持久性带来结构性影响。过去，前沿基础模型开发商通过持续且资本密集的预训练、庞大的专有湿实验验证循环，以及深度制药合作带来的商业收入维持防御性。Biohub 体系永久解决了 EvolutionaryScale 的近期资金续航问题，也减轻了反复融资的压力，但同时削弱了公司的商业一致性。非营利科学机构通常更重视公开科学发现、开放数据访问和学术合作，而不是商业生物制药赞助方要求的企业 SLA、专门客户支持团队和专有知识产权保护。Chai Discovery 等风险投资支持的竞争者和 Isomorphic Labs 等资金充足的老牌企业，正以定制商业条款积极争夺顶级制药管线；EvolutionaryScale 可能滑向学术参考标准，而非不可或缺的商业工具。没有可验证的临床资产或企业级商业运营模式，其技术成熟度可能无法转化为持久商业特许经营。[CP001, CP002, CP007, CP010, CP012, CP014]

3.5 图表

4.1 收入模式可见，但定价与收入质量不可见

最清晰的公开描述是混合模式，而非传统订阅计划。EvolutionaryScale 告诉 TechCrunch，公司计划通过合作、用量费和收入分成赚钱，包括可能的制药工作流集成，以及与研究人员商业化发现后的分成。公司也预计通过部分 AWS 和 NVIDIA 客户分发。该架构包含多种可能的收入单位——模型用量、协商企业合同和或有下游经济收益——但审阅过的来源没有提供标价、已实现合同金额、最低承诺、折扣表或收入确认政策。通过 Forge 免费获得完整模型的非商业访问权限，以及免费学术路径，可能支持采用，但没有转化证据证明这些用量带来付费需求。[CI001, CI002, CI003, CI004, CI005, CI006, CI011, CI014]

4.2 单位经济仍需依赖尽调数据室

公开证据无法计算毛利率、获客成本、回本期、留存、利用率或贡献利润率。产品策略本身就高度耗算力：TechCrunch 描述了通过更大数据集和更多计算能力持续扩展模型，并报道公司路演材料曾预计还要十年生成式 AI 才能帮助设计疗法。这不能证明具体烧钱速度，却使时间安排和服务交付成本成为投资评估的核心。专职 CFO 和 COO 说明公司存在财务及运营职能，但管理岗位不能替代经审计财务报表。因此，投资判断需要客户级账单、云和算力成本、支持人员成本、收入分成负债及 cohort 经济数据。[CI008, CI009, CI013, CI014]

4.3 历史融资不能证明当前资本充足

多个来源报道 EvolutionaryScale 于 2024 年 6 月获得 $142 million 种子融资，支持方包括 Nat Friedman、Daniel Gross、Lux Capital、Amazon 和 NVentures。但这只是筹集金额，不代表扣除模型训练、工资、云承诺或交易成本后仍可用的现金。审阅过的来源没有给出现金余额、月度烧钱、债务、续航、营运资金需求或下一轮融资触发条件。Clarity 展示的每证券 $5 明确来自模型，其底层撮合、买价、卖价和成交量字段受限，因此不能作为可辩护的公司估值。更重要的是，2025 年 11 月的报道称 CZI 收购 EvolutionaryScale 并成立 Biohub。没有对价、投资者待遇、承接义务和产品连续性条款，公司的独立利润率与资本路径无法评估。[CI007, CI010, CI012, CI014, CI015]

4.4 图表

5.1 产品形态与用户工作流

证据支持两种不同的模型任务，而不是一个不加区分的平台。ESM3 处理并生成蛋白质序列、结构和功能信息，ESMC 则专注于蛋白质表征与嵌入。因此，客户工作流覆盖生成式设计和表征任务：用户可准备生物输入，在本地或通过所描述的托管界面运行模型，再把输出带入后续计算或实验室工作。公开材料提到 Forge、ESM Python SDK、开放权重、Hugging Face 和云市场渠道，但截至运行日，无法证明其当前可用性、生产使用、服务水平或已量化客户结果。模块和工作流表将已记录能力与尚未解决的运营问题分开。[CE001, CE002, CE007, CE008, CE009]

5.2 架构与技术差异化

ESM3 可观察到的技术差异是多模态蛋白质建模。审阅过的架构说明确认，模型把六类输入嵌入共享表征，配备 Transformer 核心、任务专用输出头，以及基于 VQ-VAE 的结构路径；该路径把坐标转换为离散 token，再以置信度输出重建坐标。同一来源描述的默认 ESM3 配置包括 1,536 维模型、24 个注意力头、256 个投票头和 48 层。这些细节让架构比泛泛的蛋白质 AI 营销更具体，但它们来自代码文档，而非对准确率、吞吐量、生物有效性或商业优势的独立基准测试。ESMC 提供更简单的表征路径，因此应将其价值主张与 ESM3 的生成式主张分开评估。[CE002, CE003, CE004, CE005, CE006]

5.3 部署、治理与连续性风险

部署证据在历史发布阶段最充分。TechCrunch 于 2024 年 6 月报道，完整的 98-billion-parameter 模型将通过 Forge 提供非商业使用，另有较小模型供离线使用，并计划接入部分 AWS 和 NVIDIA 渠道。较晚的独立 API 资料介绍了 Forge、SDK、开放权重和 AWS Marketplace 访问，但也称 EvolutionaryScale 于 2025 年整合进 Biohub，SDK 转移到 Biohub 命名空间。公开的 EvolutionaryScale GitHub 组织仍提供开发者信号，不过抓取页面主要展示基础设施分叉和合作方协作仓库，而非完整的当前路线图。治理限制严格：社区许可证将开放模型限制在非商业用途，并禁止药物开发；争议政策则大幅限制责任。现有来源没有证明当前正常运行时间、支持归属、安全认证、隐私控制、事故历史或整合后的商业路线图。[CE007, CE008, CE009, CE010, CE011, CE012, CE013, CE014]

5.4 图表

6.1 客户群细分、买方画像与价值主张

EvolutionaryScale 将商业和科学用户分为三层：商业生物制药企业、风险投资支持的发现型生物技术初创公司，以及学术或机构研究实验室。企业层的主要经济买方包括计算生物学负责人、生物治疗发现副总裁和企业采购总监，他们希望缩短新型治疗候选物的线索生成周期。对这些组织而言，ESM3 被定位为通用多模态生成式基础模型，可根据三维功能基序生成 de novo 氨基酸序列。生物技术初创公司和发现实验室的用户画像，集中在使用托管 Forge 开发者平台进行定向变体工程的结构生物学家、蛋白质工程师和生物物理学家。为连接计算设计与湿实验工作流，公司开发了全栈界面，让实验室科学家无需定制代码即可操作生成式生物学模型。相比之下，学术和非营利研究人员构成开放科学采用层，在非商业许可证下访问开放权重模型检查点，作用是自然发现和人才管道，而非直接软件收入来源。[CU001, CU002, CU003]

6.2 商业采用轨迹、交付渠道与用户旅程

EvolutionaryScale 的采用轨迹由多渠道商业交付策略塑造：降低制药客户的基础设施门槛，同时严格控制前沿模型检查点的专有权。公司于 2024 年 6 月伴随 $142 million 种子轮融资走出隐身状态，推出 Forge 推理平台，并与 Amazon Web Services 和 NVIDIA 建立战略企业分发合作。通过 AWS，ESM3 计划经 SageMaker、Bedrock 和 HealthOmics 部署到企业环境，让生物制药客户在现有云安全边界内用专有私人检测数据微调生成式表征。同时，NVIDIA 将 ESM3 集成进 BioNeMo NIM 微服务架构，在 Blackwell 和 Hopper GPU 集群上实现容器化低延迟推理。第三方生物技术平台评测给 EvolutionaryScale 总体 7.3 / 10，称赞其原子级结构精度，同时指出计算硬件成本和必须进行湿实验检测验证是关键摩擦点。标准客户评估周期包括六个明确里程碑，从本地开放权重探索，经云沙盒试点，走向湿实验靶点结合验证。[CU004, CU005, CU006, CU007, CU011, CU012]

6.3 具名客户证明、参考质量与生产里程碑

EvolutionaryScale 的公开审计轨迹中，付费企业客户达到生产规模部署的直接公开证明仍极为有限。公司虽与 Amazon、NVIDIA 建立一线基础设施及联合销售关系，但两家云合作方都没有发布具名生物制药案例，说明持续生产工作量承诺、合同期限或量化发现产出。公开技术验证反而集中在内部设计的合成演示，尤其是 de novo 生成荧光蛋白变体 esmGFP；该蛋白在保留绿色发光的同时，与已知珊瑚蛋白的序列同一性达到 58%。团队于 2025 年底被 CZ Biohub 吸收后，实验验证转向非营利机构合作项目，包括 2026 年 5 月针对五个肿瘤学和免疫学靶点展示 ESMFold2 结合体设计。然而，独立尽调发现公开监管文件中没有经审计的客户数量、企业 ARR 或企业留存 cohort，商业参考的持久性仍无从核实。[CU001, CU005, CU006, CU013, CU015]

6.4 留存持久性、平台集中度与收购过渡

2025 年 11 月，EvolutionaryScale 创始高管和技术领导层加入 Chan Zuckerberg Biohub，客户留存持久性与独立商业风险画像发生急剧结构性转折。这一战略整合实际上结束了 EvolutionaryScale 作为独立风险投资支持商业企业的运营，将轨迹从商业软件许可转向开放科学基础设施。整合前，商业客户承诺受限制性争议解决政策约束：必须在纽约县进行 JAMS 约束性仲裁，要求逐项处理索赔主张并放弃集体诉讼，合同总责任上限为一百美元或过去十二个月已付费用两者中的较高者。此外，公司企业 GTM 高度集中于 AWS 和 NVIDIA 算力环境。核心研究团队如今领导 Biohub AI 部门，并以 2028 年 10,000-GPU 算力路线图为目标推进，Forge API 的持续商业 SLA 已被非营利机构科学取代。[CU008, CU009, CU010, CU013, CU014]

6.5 图表

7.1 战略吸收与公司治理风险

EvolutionaryScale 面临的首要生存风险，是 2025 年 11 月被 Chan Zuckerberg Initiative（CZI）和 CZ Biohub 吸收后商业轨迹彻底中断。公司虽在 2024 年 6 月筹得 $142 million 种子轮以商业化生成式生物学模型，但 2025 年 11 月的报道显示，CZ Biohub 聘用了 EvolutionaryScale 团队，独立 AI 初创公司的终结已显现。这笔交易把公司使命从独立的高增长企业 SaaS 供应商，根本改成慈善研究部门。关键是，交易条款——包括现金对价、股票分配、知识产权转让契约，以及 Lux Capital、Amazon 和 NVentures 等 Series A 优先投资者的清算优先权——仍未披露。如果研究重点偏离商业承诺，少数股东被搁置、商业激励错位和关键人员流失将构成严重治理挑战。[CR001, CR002, CR003, CR007]

7.2 监管、生物安全与法律责任

生成式生物学和自主蛋白质设计在全球各司法辖区面临日益严格的监管审查。ESM3 等前沿蛋白质语言模型理论上能够设计合成病原体、毒素或免疫逃逸大分子，监管机构和国家生物安全委员会因此正在建立严格合规壁垒。EvolutionaryScale 以公益公司（PBC）运营，其争议政策规定约束性仲裁和责任上限。但合同责任保护不能让组织免受法定生物安全执法、模型权重出口管制或专有训练集知识产权争议的影响。此外，ESM 模型谱系直接源自 Meta FAIR，训练来源和开放权重许可边界可能存在残余风险，需要持续严格的法律监测。[CR004, CR005, CR010]

7.3 运营依赖、计算密集度与商业弃用

EvolutionaryScale 的运营架构高度依赖第三方超大规模云厂商和专业算力硬件供应商。训练 ESM3 这类 98-billion-parameter 基础模型需要庞大 GPU 集群，因而严重依赖 Amazon Web Services 和 NVIDIA。AWS HealthOmics 与 NVIDIA NIM 的合作虽提供了最初的企业分发渠道，但 CZ Biohub 收购后 Forge API 的商业可行性仍深度不确定。企业生物制药客户要求多年正常运行时间承诺、SOC2/HIPAA 保证和专用 SLA 合同，而非营利学术体系可能没有能力或意愿持续提供。与此同时，Chai Discovery、Isomorphic Labs 等敏捷商业平台及开源模型的竞争压力，可能削弱 EvolutionaryScale 在企业中的心智份额。[CR006, CR008, CR009, CR011, CR012, CR013]

7.4 图表

8.1 投资论点与反论点

EvolutionaryScale 由 Alexander Rives 和 Meta AI 蛋白质折叠团队前成员创立，在研究部门关闭后以空前技术势头进入生成式生物学领域。核心投资论点建立在生物尺度假设上：将 Transformer 语言模型应用于海量生物数据集（包括 2.78 billion 条天然蛋白质序列、结构和功能注释），可从第一性原理解锁可编程生物工程。EvolutionaryScale 生成了模拟约 500 million 年自然演化的荧光蛋白 esmGFP，验证其 98-billion-parameter 多模态模型 ESM3 能够工程化功能大分子。这建立了深厚技术壁垒，并得到 AWS（通过 SageMaker、Bedrock、HealthOmics）和 NVIDIA（通过 BioNeMo 与 NIM 微服务）等重量级生态伙伴支持。 然而，Chan Zuckerberg Biohub 于 2025 年 11 月吸收 EvolutionaryScale 后，反论点占了上风，距离其标志性 $142 million 种子轮仅 14 个月。Forbes 获得的早期风险投资路演文件揭示了不可持续的成本轨迹：EvolutionaryScale 预计第一年运营支出为 $38 million（其中 $16 million 为算力），第二年升至 $161 million（算力 $100 million），第三年升至 $278 million（算力 $200 million）。生物药物发现通常需要 7 至 10 年才能开发出临床候选物，公司在几乎没有商业收入的情况下却面临巨大现金消耗，最终被迫转入非营利生物医学研究体系。 [CV001, CV002, CV003, CV004, CV005, CV006, CV007]

8.2 融资背景、估值标记与建议

EvolutionaryScale 于 2024 年 6 月完成规模非凡的 $142 million 种子融资，由 Nat Friedman、Daniel Gross 和 Lux Capital 领投，Amazon 与 NVentures（NVIDIA）旗下企业风投部门参与。UpMarket 的私募二级市场数据估计，EvolutionaryScale 种子轮投后估值基准为 $1.21 billion，二级市场追踪器的估值标记约为 $1.0 billion；此前 Forbes 报道其早期 pre-seed 估值标记为 $200 million，对应 $40 million 融资。公司治理采用特拉华州公益公司（PBC）结构，将公共利益与商业回报并列为正式开放科学使命。 尽管巅峰独角兽级估值标记超过 $1.2 billion，独立商业股权机会已经关闭。CZ Biohub 于 2025 年 11 月收购后，EvolutionaryScale 股份不再通过私募二级平台提供。由于财务对价、股权处理和 Series A / 种子投资者的优先清算权完全未披露，从股权投资角度，EvolutionaryScale 获得明确的回避评级，估值立场未知。该建议反映的是交易结构已经终结，而非技术不足：作为被吸收的研究部门，公司没有可行的私人风险资本进入路径或公开股权上行空间。 [CV001, CV004, CV008, CV009, CV010, CV011, CV012, CV013]

8.3 情景分析、可比公司与最终尽调要求

将 EvolutionaryScale 放进传统风险投资估值情景中评估，可以看出开放生物基础模型与商业药物研发管线之间存在严重的经济分化。在独立发展的乐观情景下，EvolutionaryScale 会将 Forge 云平台商业化，获得持续性的企业 API 订阅收入，并像 DeepMind 的 Isomorphic Labs 一样分享可观的药企里程碑收入。在基准情景下，企业软件收入相对于庞大的训练集群开销增长缓慢，公司不得不持续进行稀释性融资。在已经实现的悲观情景下，计算成本每年升至 $100M+ ，而长达 10 年的治疗开发周期超过了商业 ARR 的生成速度，最终直接被一家非营利机构收购。 可比公司进一步凸显了商业化阻力。AlphaFold（DeepMind）借助 Alphabet 的资产负债表分拆出 Isomorphic Labs，并推进药企发现合作；而 Recursion Pharmaceuticals 和 Insitro 等独立生物 AI 平台，在承受公开市场和私募市场的密集审视期间，已融资超过 $1 billion。对跟踪二级市场或曾经持有股份的投资者而言，首要尽调应聚焦收购后的 IP 许可权、Forge API 对商业生物科技公司的持续支持，以及 CZI 交易下种子轮优先股股东最终获得的净回款。 [CV004, CV005, CV006, CV011, CV014, CV015]

8.4 展示材料