Arc 联合英伟达发布 Evo 2：9 万亿核苷酸训练的基因组大模型

以往生物学家做研究，总像是在大海里捞针，甚至连手里的拼图少没少都不确定。

现在，Arc Institute 联合斯坦福大学和 NVIDIA，把这个难题交给了目前公开可用的最大基因组 AI 模型：Evo 2。

这个模型能看懂全生命领域的遗传密码。全球科研人员和开发者现在已经可以在 NVIDIA BioNeMo 平台上使用它，不仅能通过 NIM 微服务直接生成生物序列，还能下载模型在自有数据上微调。

读懂 9 万亿个核苷酸，上下文拉到 100 万

生命科学里的数据规模大得吓人，Evo 2 在训练时直接吞掉了近 9 万亿个核苷酸，涵盖了植物、动物、细菌等几乎所有生命领域的序列。

为了吃下这庞大的数据，NVIDIA 在 AWS 上的 DGX Cloud 调动了 2000 张 H100 GPU，帮研究团队完成了训练与模型架构优化。

更关键的一点在于视野。人类的一个基因就包含成千上万个核苷酸，以往的模型如果视窗太小，根本看不到远端序列之间的相互影响。

Evo 2 采用了一种新型架构，单次能处理高达 100 万个 token 的超长序列。换句话说，它能把生命体内那些相距甚远的遗传代码连起来看，搞清楚细胞运转、基因表达和突变之间的真正关系。

在针对乳腺癌相关基因 BRCA1 的测试里，研究人员发现，Evo 2 能以 90% 的准确率，预测出那些人类此前从未识别过的突变到底会不会影响基因功能。

为什么重要

我们认为，Evo 2 最实在的价值，是把生命科学的设计过程从靠运气的盲盒，变成了可工程化的生成流程。

斯坦福大学的 Brian Hie 说得很直接，以前设计新的生物分子就像手工作坊，不仅耗时而且极不可控。现在不管是做癌症靶向药、免疫疾病分子，还是改良农作物，研究员都能直接在 BioNeMo 上先让 AI 预测和生成序列，把原本几个月的湿实验排查压缩到几天内。

对普通开发者和小型生物实验室来说，NIM 微服务把门槛降得足够低，不需要自己搭庞大的算力集群也能调用这种庞然大物。如果手里有自己的独家数据，还能直接下载模型框架微调。

从行业来看，NVIDIA 正在把它的护城河从通用大语言模型，牢牢钉进生命科学的底层管网。它卖的不再只是显卡，而是从算力（DGX Cloud）、训练优化到落地部署（NIM）的一整套基础设施。

不过看起来，算法给出的高准确率预测最终还是得回到实验室验证。Evo 2 算得再快，从一段有潜力的分子序列到真正能过审上市的药物，中间依然隔着漫长且昂贵的临床试验壁垒。