近日，Arc Institute、、斯坦福大学等机构的科学家们招引发布了生物学大模子Evo2。

四肢当今最大的开源生物学模子，Evo2领有高达400亿参数， 如斯范围的数据量，当然需要满盈的算力赞成，官方默示：

Evo2在英伟达DGX Cloud 上测验，使用了2000多张H100 GPU。 （注：H100是英伟达现时最苍劲的GPU之一，代表着公共最顶级的打算才气）

2000 块 H100 是什么成见？ 下图是甘休 2024 年 10 月公共机构领有 H100 数目排名榜

不错看到，从数目来说，2000块H100已不错入围公共前十，是欧洲云处事巨头Scaleway领极端详的近两倍，其所能提供的算力是极为庞大的。

Evo2的出身绝非随机，它再次考证了Scaling Law在生物学的适用性，当斯坦福等院所的科学家们调用非常于公共前十的H100储备量的打算资源时，内容上是史无先例的算力和数据来探索生命科学的通晓界限。

而像这种量级的算力进入当下可能只会发生在好意思国，其领有以英伟达为代表的公共最顶端的高性能算力厂商，在算力资源上遥遥杰出。

在生物技能领域，这种算力碾压更为昭彰：当硅谷用2000张H100测验生物大模子时，国内绝大无数实践室使用的如故蹧跶级显卡（40系、30系）。

这种情况下，大部分中国科研机构别说征询出Evo2，就只是是土产货部署Evo2，齐难以罢了。（注：Evo2要求打算才气≥8.9的GPU，如英伟达H100或更高规格）

而客岁诺贝尔物理学奖、化学奖花落AI领域，传递出这么一个浓烈信号：改日的科学征询离不开AI。

尤其是生命科学，其数据的增长在各个领域中名列三甲，四肢领有14亿多东谈主口的大国，我国每年产生海量医疗与生物数据，这背后是亟需填补的算力鸿沟。

要冲突这个窘境，一方面要加速算力基础按序确立，通过企业谐和、自建算力平台或租用云处事器来知足需求，这将是将是不少AI Infra企业的机遇。

另一方面，也需要理解咱们在算法改进上的上风，优化测验历程，进一步普及算力资源使用效果。

需要讲明的是，Evo2并不是“生物学DeepSeek”，因为其并不相宜DeepSeek最为精髓的“极致性价比”政策，而更像是“力大砖飞”的又一次力证。

而紧要的突破频频发生在管理条款下的创造性重构，就像DeepSeek，在算力管理下以极低的测验老本作念到了与国外顶尖模子归拢水平的建立。

是以我无比确信，实在的“生物学DeepSeek”将在中国出身。

—The End—