EvolutionaryScale 推出 ESM3：用 980 億引數大模型設計全新熒光蛋白

想像一下，如果大自然要靠隨機突變試錯 5 億年才能演化出一種全新的熒光蛋白，現在讓 AI 在計算機裡按一下回車就能搞定，生命科學會變成什麼樣？

由前 Meta AI 蛋白質研究團隊創立的 EvolutionaryScale 正式亮相，併發布了生物大模型 ESM3。這臺引數量高達 980 億、訓練算力超過 1x10^24 FLOPS 的模型，把蛋白質的序列、三維結構和功能統一打包進了同一個語言模型裡。它最拿得出手的戰績，是憑空生成了一種全新的綠色熒光蛋白 esmGFP，其序列與自然界已知最接近的熒光蛋白僅有 58% 的相似度。按自然界的分化速度推算，這相當於在矽基世界裡模擬了整整 5 億年的演化歷程。

把三維蛋白質拆成字元來「填空」

過去的生物 AI 往往偏科，預測結構的只管摺疊，搞序列設計的只懂字母。ESM3 的核心突破，在於把蛋白質的序列、結構和功能全部離散化成了 Token。

團隊給每種三維幾何結構和功能特徵都寫了專門的字母表，把立體形狀也轉換成一串字母。這樣一來，ESM3 就能像自然語言處理模型那樣，採用最經典的掩碼語言建模來訓練：隨機抹掉一部分序列、結構或功能，讓模型猜出被遮蓋的內容。

為了吃透這些聯絡，ESM3 在幾十億種自然蛋白質資料之外，還補充了上億條合成數據，涵蓋預測的結構和功能註釋。更聰明的是，它還能自我強化：團隊引入了類似大模型 RLHF 的對齊方法，讓模型給自己的生成結果打分並自我迭代，也可以直接結合實驗室溼實驗的反饋資料進行校準。

像寫提示詞一樣給生物程式設計

這種統一的表示方式，讓科學家第一次可以用多模態 Prompt 來設計蛋白質。

你可以把一段目標結構、幾個關鍵胺基酸位點，甚至一句關於酶功能特性的關鍵詞混在一起丟給 ESM3。比如在降解塑膠垃圾的研究中，研究人員用 PET 塑膠降解酶（PETase）的活性位點結構、胺基酸以及水解酶的關鍵詞作為提示詞，ESM3 就成功生成了可用的蛋白質骨架。

這種原子級的生成精度，恰恰是隨著模型規模暴漲而湧現出來的能力。小模型啃不動的複雜約束，980 億引數的 ESM3 已經能按部就班地解出來。

為什麼重要

我們認為，ESM3 標誌著 AI 製藥和合成生物學正在徹底告別「盲目試錯」的時代，轉向類似寫軟體一樣的「按需程式設計」。

對研究人員和生物科技工程師來說，ESM3 意味著你可以跳過大自然極其緩慢的篩選週期，直接指定功能和結構來定製分子。除了科研機構能申請免費試用預覽，那些做酶工程、新藥靶點設計或者環保降解材料的團隊，現在有了一個直接可互動的生成式底座。只要手頭有溼實驗驗證能力，這種生成能力就極具嘗試價值。

對整個行業而言，這會逼著 DeepMind 和其他計算生物學巨頭加速跟進多模態生成路線。單純預測已知結構的 AlphaFold 模式已經不夠看了，行業的勝負手正迅速轉移到「端到端可控生成全新功能蛋白」上。

但這裡的隱患也同樣明顯。生成一個全新蛋白在計算機裡只需要幾秒鐘，可如何在物理世界裡低成本、高通量地合成與驗證它，依然是溼實驗室裡巨大的卡脖子環節。此外，一旦生物程式設計的門檻被徹底抹平，生物安全與雙重用途的監管將面臨前所未有的嚴峻考驗。