Arc 聯合輝達釋出 Evo 2：9 萬億核苷酸訓練的基因組大模型

以往生物學家做研究，總像是在大海里撈針，甚至連手裡的拼圖少沒少都不確定。

現在，Arc Institute 聯合斯坦福大學和 NVIDIA，把這個難題交給了目前公開可用的最大基因組 AI 模型：Evo 2。

這個模型能看懂全生命領域的遺傳密碼。全球科研人員和開發者現在已經可以在 NVIDIA BioNeMo 平臺上使用它，不僅能通過 NIM 微服務直接生成生物序列，還能下載模型在自有資料上微調。

讀懂 9 萬億個核苷酸，上下文拉到 100 萬

生命科學裡的資料規模大得嚇人，Evo 2 在訓練時直接吞掉了近 9 萬億個核苷酸，涵蓋了植物、動物、細菌等幾乎所有生命領域的序列。

為了吃下這龐大的資料，NVIDIA 在 AWS 上的 DGX Cloud 調動了 2000 張 H100 GPU，幫研究團隊完成了訓練與模型架構最佳化。

更關鍵的一點在於視野。人類的一個基因就包含成千上萬個核苷酸，以往的模型如果視窗太小，根本看不到遠端序列之間的相互影響。

Evo 2 採用了一種新型架構，單次能處理高達 100 萬個 token 的超長序列。換句話說，它能把生命體內那些相距甚遠的遺傳程式碼連起來看，搞清楚細胞運轉、基因表達和突變之間的真正關係。

在針對乳腺癌相關基因 BRCA1 的測試裡，研究人員發現，Evo 2 能以 90% 的準確率，預測出那些人類此前從未識別過的突變到底會不會影響基因功能。

為什麼重要

我們認為，Evo 2 最實在的價值，是把生命科學的設計過程從靠運氣的盲盒，變成了可工程化的生成流程。

斯坦福大學的 Brian Hie 說得很直接，以前設計新的生物分子就像手工作坊，不僅耗時而且極不可控。現在不管是做癌症靶向藥、免疫疾病分子，還是改良農作物，研究員都能直接在 BioNeMo 上先讓 AI 預測和生成序列，把原本幾個月的溼實驗排查壓縮到幾天內。

對普通開發者和小型生物實驗室來說，NIM 微服務把門檻降得足夠低，不需要自己搭龐大的算力叢集也能呼叫這種龐然大物。如果手裡有自己的獨家資料，還能直接下載模型框架微調。

從行業來看，NVIDIA 正在把它的護城河從通用大語言模型，牢牢釘進生命科學的底層管網。它賣的不再只是顯示卡，而是從算力（DGX Cloud）、訓練最佳化到落地部署（NIM）的一整套基礎設施。

不過看起來，演算法給出的高準確率預測最終還是得回到實驗室驗證。Evo 2 算得再快，從一段有潛力的分子序列到真正能過審上市的藥物，中間依然隔著漫長且昂貴的臨床試驗壁壘。