本文转自微信公众号“ 智药局”，作者：王苏。

生物学大模型又迎新里程碑！

就在今天，来自Arc Institute、英伟达、斯坦福大学、加州大学伯克利分校和加州大学旧金山分校的科学家们，联合发布了 生物学大模型Evo2 。

团队称， Evo 2 是 迄今为止最大的公开 AI 生物学模型 ， 完整版 高达400亿参数，包含12.8万个物种的9.3万亿个核苷酸。

它囊括了生物学的基本语言：DNA、RNA 和蛋白质，能够一次分析长达一百万个核苷酸的序列长度。

作为基因组基础模型，具有生成整个基因组、预测突变、理解非编码DNA的能力，可以广泛应用于生物分子研究，精准医学、药物研发，合成生物等。

此外，Evo2是生物学领域最大规模的全面开源模型之一，发布了包括训练数据、训练和推理代码以及模型权重，引爆了学术界。

这也意味着，人类能够已经具备重写生命最底层代码——基因组的能力，这将打开新生物技术时代的大门。

Evo2震撼发布，多重升级

如果说， DeepSeek是以文字作为大模型基础，那么 Evo2 则以基因组数据为基础，不过它生成的不是文本，而是基因组序列。

在Evo一代中， 科学家们使用了 80,000 种 细菌和古细菌的基因组，并在此以单核苷酸分辨率进行训练，使其模型能够完成全基因组规模的预测任务和生成设计。

而Evo2在各个方面进行了重大升级，整体能力也进行了巨大的飞跃。

首先，Evo2的数据量庞大，完整版包含 400 亿参数 ，远超一代的70亿参数规模。 Evo2在 12,8000万个物种 （包括人类和其他动物、植物和其他真核生物）的基因组上训练，这些基因组总共包含 9.3 万亿个核苷酸。

其次，Evo2使用 stripedhyena2 作为模型架构，和当前普遍transformer架构不同，它不仅能够响应速度更快，还能够捕捉基因组的相互作用，自主学习外显子—内含子边界，以及转录因子结合位点等信息。

Evo2显著扩大了上下文窗口， 能一次性处理多达100万个碱基对 ，这种能够大规模处理能力对于基因组非常重要，因为它有助于处理基因组中的长序列，也意味着计算生物学的重大进展。

图：Evo 2 的模型架构、训练过程、数据集和评估的概述

下游任务方面，Evo2能够执行跨 DNA、RNA 和蛋白质的通用预测和设计任务。 此前Evo1生成世界上第一个人工智能生成的 CRISPR-Cas 系统，这是一种蛋白质和 ncRNA（非编码 RNA）的大型功能复合物。

而利用Evo2，研究人员分别创建了 酵母染色体、人类线粒体基因组 、生殖支原体的原核基因组 （常用的最小基因组模型），证明了其生成能力。

此外，Evo2还擅长识别人类基因中的致病突变，甚至通过深刻理解意味着它可以识别不同生物体的基因序列模式，而实验研究人员则需要数年时间才能发现这些模式。

在技术层面，要在核苷酸精度上训练多达400亿参数并不容易，甚至OpenAI 的联合创始人兼总裁 Greg Brockman 在休假期间都在花时间处理这个问题。

最终还是老黄出马支持了这个项目。 官方表示，Evo2在英伟达DGX Cloud AI 平台上训练，使用了