Edison pozyskuje 70 mln dolarów na rozwój „naukowców AI”

Przyspieszenie odkryć: potężna runda seed dla autonomicznego naukowca

18 grudnia 2025 r. firma Edison Scientific poinformowała o pozyskaniu 70 milionów dolarów w ramach finansowania zalążkowego (seed) na skalowanie komercyjnej platformy zbudowanej wokół Kosmos – „naukowca AI” nowej generacji, którego zespół zaprezentował w listopadzie. Runda została, według firmy, poprowadzona przez Triatomic Capital i Spark Capital, wraz z dużym amerykańskim inwestorem instytucjonalnym z branży biotechnologicznej oraz grupą funduszy venture i aniołów biznesu. Założyciele Edison przedstawili te fundusze jako kapitał niezbędny do przejścia od prototypu laboratoryjnego do produktu, z którego firmy farmaceutyczne i laboratoria akademickie będą mogły korzystać na szeroką skalę.

Komercyjny spin-out z laboratorium badawczego

Kosmos wywodzi się z FutureHouse, filantropijnej inicjatywy badawczej, która od dwóch lat buduje systemy typu „AI scientist”. Na początku listopada zespół ogłosił formalne wydzielenie komercyjnej spółki (spin-out) – Edison Scientific – w celu zajęcia się komercjalizacją, sprzedażą i obsługą klientów o wysokiej przepustowości, podczas gdy FutureHouse pozostaje skoncentrowane na badaniach podstawowych. Materiały publiczne Edison podkreślają podejście hybrydowe: utrzymanie hojnego bezpłatnego planu dla pracowników naukowych, przy jednoczesnym pobieraniu opłat za wysokoprzepustowe operacje i dostęp do API, co ma umożliwić firmie skalowanie działalności.

Co potrafi Kosmos i dlaczego twierdzi, że jest inny

Kosmos nie jest rozmownym asystentem. Według opisu technicznego Edison, pojedynczy przebieg Kosmos koordynuje pracę kilkudziesięciu wyspecjalizowanych agentów, którzy wykonują przegląd literatury, analizę danych, generują hipotezy i wykonują kod. Architektura wykorzystuje coś, co Edison nazywa strukturalnymi modelami świata (structured world models), aby utrzymać dalekosiężną spójność: podczas jednego przebiegu Kosmos podobno czyta około 1500 artykułów naukowych i wykonuje około 42 000 linii kodu analitycznego. Użytkownicy wersji beta przekazali firmie, że 20-cyklowy przebieg Kosmos wykonuje pracę, którą ocenili na około sześć miesięcy badań prowadzonych przez człowieka; Edison raportuje wewnętrzny wskaźnik dokładności wniosków systemu na poziomie około 79,4%. Te liczby są imponujące i stanowią trzon oferty produktowej Edison.

Wczesne wyniki i siedem odkryć

W listopadowym raporcie technicznym Edison opisał siedem wyników uzyskanych przez Kosmos. Trzy z nich były ponownymi odkryciami ustaleń dokonanych wcześniej przez ludzi (w tym co najmniej jeden wynik, który w momencie przebiegu systemu nie był jeszcze opublikowany), a cztery przedstawiono jako nowatorski wkład w dziedzinie genetyki, proteomiki związanej z chorobą Alzheimera, inżynierii materiałowej i genetyki statystycznej. Jednym z głównych punktów było odkrycie dotyczące zmniejszonej ekspresji genu flipazy w neuronach kory śródwęchowej wraz z wiekiem – sygnał, który według firmy został zweryfikowany w niezależnym zbiorze danych RNA-seq pojedynczych komórek ludzkich. Edison podkreśla, że każde stwierdzenie Kosmos można prześledzić wstecz do linii kodu lub cytowanej literatury, stawiając audytowalność jako obronę przed powszechną krytyką narzędzi badawczych AI jako „czarnych skrzynek”.

Model biznesowy i natychmiastowe zainteresowanie rynku

Reakcja branży i zewnętrzna walidacja

Ogłoszenie dotyczące Kosmos przyciągnęło szeroką uwagę społeczności AI i nauk o życiu. Wybitne postacie ekosystemu AI publicznie chwaliły te prace, a branżowe newslettery i serwisy informacyjne szybko podchwyciły twierdzenia Edison. Niezależne relacje i podsumowania raportu technicznego pomogły rozpowszechnić podstawowe wskaźniki – liczbę artykułów na przebieg, linie kodu i ekwiwalent sześciu miesięcy pracy – jednak poza recenzją naukową (peer review), najbardziej przekonującą walidacją będzie powszechna, niezależna replikacja i dalsze badania w laboratoriach mokrych.

Dlaczego twierdzenia te wymagają wnikliwej analizy

Dwa powiązane ze sobą fakty sprawiają, że Kosmos jest interesujący, ale trudny do zaakceptowania bezkrytycznie. Po pierwsze, skala oszczędności czasu raportowana przez Edison – pojedynczy przebieg odpowiadający wielu miesiącom pracy wykwalifikowanego człowieka – jest wnioskiem opartym na ankietach wśród użytkowników wersji beta i niewielkiej liczbie zreplikowanych wyników. Edison przejrzyście informuje o metodologii stojącej za tą liczbą, zauważając, że ich wskaźnik pochodzi z ankiety przeprowadzonej wśród siedmiu naukowców oraz z dopasowania przebiegów Kosmos do harmonogramów ludzkich projektów w trzech zreplikowanych odkryciach. Jest to obiecujące, ale nie rozstrzygające. Po drugie, zautomatyzowane generowanie hipotez na dużą skalę niesie ze sobą ryzyko tworzenia istotnych statystycznie, ale nieistotnych naukowo tropów: Edison przyznaje, że Kosmos czasami „wpada w królicze nory” i że zespoły często uruchamiają system kilka razy dla tego samego celu, aby zbadać wiele ścieżek. Oba te problemy oznaczają, że walidacja w laboratorium mokrym i nadzór ekspertów dziedzinowych pozostają niezbędne.

Nadchodzące wyzwania praktyczne i etyczne

Jeśli twierdzenia Edison okażą się skalowalne, konsekwencje będą miały charakter praktyczny i instytucjonalny. Szybsza identyfikacja celów terapeutycznych dla leków lub mechanizmów materiałowych skróciłaby części procesu odkrywania i zmieniłaby rozkład kosztów i nakładów pracy – z mozolnego przeglądania literatury i analizy eksploracyjnej w stronę walidacji, testów regulacyjnych i produkcji. Taka zmiana mogłaby być cenna komercyjnie, ale rodzi również pytania natury prawnej dotyczące własności intelektualnej (kto jest właścicielem hipotez wygenerowanych maszynowo?), autorstwa, pochodzenia danych i odpowiedzialności klinicznej, gdy AI wskazuje kandydata na terapię. Edison kładzie nacisk na identyfikowalność (traceability), starając się uczynić wyniki maszynowe audytowalnymi; organy regulacyjne i czasopisma naukowe prawdopodobnie będą wymagać niezależnego dostępu do kodu źródłowego, zbiorów danych i etapów laboratoryjnych potwierdzających odkrycie, zanim zaakceptują twierdzenia wypracowane przez maszyny.

Rynek pracy i rola naukowców

Częstą obawą jest to, że „naukowiec AI” zastąpi badaczy. Edison i inne podmioty przedstawiają Kosmos jako narzędzie wspomagające: system może szybko generować i selekcjonować setki hipotez, ale eksperci dziedzinowi są nadal potrzebni do wyznaczania celów, interpretacji przypadków brzegowych, projektowania eksperymentów i fizycznej walidacji. W praktyce organizacje wdrażające narzędzia takie jak Kosmos staną przed nowymi pytaniami operacyjnymi: jak zatrudniać hybrydowe zespoły łączące umiejętności inżynierii maszynowej z głęboką wiedzą dziedzinową, jak projektować procesy QA dla propozycji maszynowych i jak budżetować późniejszą walidację laboratoryjną, która pozostaje wąskim gardłem.

Dalsze kroki dla Edison i sektora

Mając 70 milionów dolarów na koncie, najbliższy plan działań Edison obejmuje wzmocnienie zespołów inżynieryjnych i produktowych, wsparcie wdrożeń korporacyjnych oraz poprawę zdolności Kosmos do automatycznego dostępu do danych i bycia sterowanym przez badaczy. Dłuższe pytania mają charakter strukturalny: czy wydawcy, fundatorzy i regulatorzy będą wymagać maszynowo czytelnego potwierdzenia pochodzenia odkryć wspomaganych przez AI, czy zbiory danych i punkty kontrolne modeli będą udostępniane w celu zapewnienia powtarzalności oraz jak ekosystem akademicki dostosuje struktury nagradzania, jeśli wspomagane maszynowo odkrywanie stanie się powszechne. Edison zakłada, że audytowalne, agentowe systemy staną się trzonem infrastruktury badawczej – ale to szersza społeczność naukowa zdecyduje, jak szybko i pod jakimi zabezpieczeniami to nastąpi.

Obecnie Kosmos i Edison znajdują się w punkcie zwrotnym: posiadają niewielki zestaw obiecujących wyników technicznych, jasną mapę drogową produktu i pokaźny kapitał zalążkowy. Przekucie tego w wiarygodne, ogólne przyspieszenie w biologii i inżynierii materiałowej będzie wymagało przejrzystych metod, niezależnej replikacji i ogromu pracy przy stole laboratoryjnym. To, jak szybko te elementy złożą się w całość, zadecyduje o tym, czy Kosmos stanie się nowym, autentycznym instrumentem odkrywczym, czy też drogim, wyspecjalizowanym „turbodoładowaniem” nadającym się tylko do wybranego podzbioru problemów o wysokiej wartości.

Źródła

• Edison Scientific (raport techniczny Kosmos i wpisy na blogu firmowym, listopad–grudzień 2025 r.)
• FutureHouse (platforma i materiały dotyczące ogłoszenia spin-outu)
• Platforma Edison Scientific (raporty z odkryć i opracowania techniczne)
• BioRxiv (preprint wspomniany w narracji o odkryciach Kosmos)