EvolutionaryScale 推出 ESM3：用 980 亿参数大模型设计全新荧光蛋白

想象一下，如果大自然要靠随机突变试错 5 亿年才能演化出一种全新的荧光蛋白，现在让 AI 在计算机里按一下回车就能搞定，生命科学会变成什么样？

由前 Meta AI 蛋白质研究团队创立的 EvolutionaryScale 正式亮相，并发布了生物大模型 ESM3。这台参数量高达 980 亿、训练算力超过 1x10^24 FLOPS 的模型，把蛋白质的序列、三维结构和功能统一打包进了同一个语言模型里。它最拿得出手的战绩，是凭空生成了一种全新的绿色荧光蛋白 esmGFP，其序列与自然界已知最接近的荧光蛋白仅有 58% 的相似度。按自然界的分化速度推算，这相当于在硅基世界里模拟了整整 5 亿年的演化历程。

把三维蛋白质拆成字符来「填空」

过去的生物 AI 往往偏科，预测结构的只管折叠，搞序列设计的只懂字母。ESM3 的核心突破，在于把蛋白质的序列、结构和功能全部离散化成了 Token。

团队给每种三维几何结构和功能特征都写了专门的字母表，把立体形状也转换成一串字母。这样一来，ESM3 就能像自然语言处理模型那样，采用最经典的掩码语言建模来训练：随机抹掉一部分序列、结构或功能，让模型猜出被遮盖的内容。

为了吃透这些联系，ESM3 在几十亿种自然蛋白质数据之外，还补充了上亿条合成数据，涵盖预测的结构和功能注释。更聪明的是，它还能自我强化：团队引入了类似大模型 RLHF 的对齐方法，让模型给自己的生成结果打分并自我迭代，也可以直接结合实验室湿实验的反馈数据进行校准。

像写提示词一样给生物编程

这种统一的表示方式，让科学家第一次可以用多模态 Prompt 来设计蛋白质。

你可以把一段目标结构、几个关键氨基酸位点，甚至一句关于酶功能特性的关键词混在一起丢给 ESM3。比如在降解塑料垃圾的研究中，研究人员用 PET 塑料降解酶（PETase）的活性位点结构、氨基酸以及水解酶的关键词作为提示词，ESM3 就成功生成了可用的蛋白质骨架。

这种原子级的生成精度，恰恰是随着模型规模暴涨而涌现出来的能力。小模型啃不动的复杂约束，980 亿参数的 ESM3 已经能按部就班地解出来。

为什么重要

我们认为，ESM3 标志着 AI 制药和合成生物学正在彻底告别「盲目试错」的时代，转向类似写软件一样的「按需编程」。

对研究人员和生物科技工程师来说，ESM3 意味着你可以跳过大自然极其缓慢的筛选周期，直接指定功能和结构来定制分子。除了科研机构能申请免费试用预览，那些做酶工程、新药靶点设计或者环保降解材料的团队，现在有了一个直接可互动的生成式底座。只要手头有湿实验验证能力，这种生成能力就极具尝试价值。

对整个行业而言，这会逼着 DeepMind 和其他计算生物学巨头加速跟进多模态生成路线。单纯预测已知结构的 AlphaFold 模式已经不够看了，行业的胜负手正迅速转移到「端到端可控生成全新功能蛋白」上。

但这里的隐患也同样明显。生成一个全新蛋白在计算机里只需要几秒钟，可如何在物理世界里低成本、高通量地合成与验证它，依然是湿实验室里巨大的卡脖子环节。此外，一旦生物编程的门槛被彻底抹平，生物安全与双重用途的监管将面临前所未有的严峻考验。