文章轉(zhuǎn)載于新智元

　　谷歌旗下的同樣由 DeepMind CEO Demis Hassabis 擔任 CEO 的 Isomorphic Labs 發(fā)布了被 Nature 稱為「AlphaFold 4」的新一代 AI 藥物設(shè)計引擎 IsoDDE。

　　它全面碾壓前代，卻選擇完全閉源。

　　AI 造福科學的黃金時代，可能正在關(guān)上大門。

　　2024 年，Demis Hassabis 因為 AlphaFold 站上諾貝爾領(lǐng)獎臺。

　　這個能預(yù)測蛋白質(zhì)三維結(jié)構(gòu)的 AI 模型，被 190 多個國家超過 300 萬研究者使用，堪稱 AI 惠及全人類的標桿案例。

　　諾貝爾委員會嘉獎的，與其說是一個算法，不如說是一種精神——把最強大的科學工具免費交到每一個研究者手中。

　　16 個月后，AlphaFold 的繼承者亮相了。

　　2 月 10 日，Hassabis 創(chuàng)辦的 AI 制藥公司 Isomorphic Labs 發(fā)布了 27 頁技術(shù)報告，展示一套名為 IsoDDE 的藥物設(shè)計引擎，性能全面碾壓 AlphaFold 3，被哥倫比亞大學計算生物學家 Mohammed AlQuraishi 評價為「AlphaFold 4 級別的重大進步」。

　　https://storage.googleapis.com/isomorphiclabs-website-public-artifacts/isodde_technical_report.pdf

　　但這一次，代碼不會公開，論文不會發(fā)表，方法不會共享。

　　Isomorphic Labs 總裁 Max Jaderberg 對 Nature 說得很直白：我們不打算公開「秘方」。

　　AlphaFold 的開源傳奇，很可能到第三代就是終點了。

　　1

　　能力確實強得嚇人

　　先說 IsoDDE 做到了什么，這有助于理解后面的爭議為什么這么大。

　　打一個不太嚴謹?shù)谋确剑喝绻训鞍踪|(zhì)想象成一把鎖，藥物分子就是鑰匙。

　　AlphaFold 做的事情，是幫你看清這把鎖長什么樣。

　　但光看到鎖還遠遠不夠——你得知道鑰匙插進去能不能轉(zhuǎn)動，轉(zhuǎn)得緊不緊，甚至你得發(fā)現(xiàn)鎖上還有沒有別的你根本沒注意到的鑰匙孔。

　　IsoDDE 要回答的就是這些更難的問題。

　　它是一個統(tǒng)一引擎，把結(jié)構(gòu)預(yù)測、結(jié)合強度計算、隱藏結(jié)合位點發(fā)現(xiàn)等能力整合在一起。

　　數(shù)字很能直觀說明問題。

　　在一項專門考驗 AI 能否處理「從沒見過的」新蛋白結(jié)構(gòu)的測試中（Runs N' Poses 基準），當測試樣本跟訓練數(shù)據(jù)的相似度低到 0-20% 時（這是最難的情況），IsoDDE 的成功率是 AlphaFold 3（AF3）的兩倍多。

　　60 個最難案例里，有 17 個案例是 AlphaFold 3 徹底失敗而 IsoDDE 做對了。

　　AlphaFold 3 在此示例中失敗，IsoDDE 正確

　　在預(yù)測抗體如何識別靶標這件事上，IsoDDE 的高精度預(yù)測成功率是 AlphaFold 3 的 2.3 倍，是另一個主流開源模型 Boltz-2 的近 20 倍。

　　最令同行驚訝的是結(jié)合親和力預(yù)測——也就是判斷藥物分子和靶點結(jié)合得有多緊。

　　這個任務(wù)傳統(tǒng)上依賴一種叫 FEP 的物理模擬方法，計算成本極高，需要實驗室提供晶體結(jié)構(gòu)作為起點。

　　IsoDDE 在多個公開測試中不僅全面超過所有 AI 方法，甚至超過了 FEP，而且它根本不需要任何實驗數(shù)據(jù)做起點。

　　技術(shù)報告里還有一個特別漂亮的案例。

　　有一個叫 cereblon 的蛋白，科學家們花了 15 年，一直以為它只有一個藥物結(jié)合位點。

　　直到今年年初，一篇新論文才通過實驗發(fā)現(xiàn)了第二個隱藏的結(jié)合位點。

　　而 IsoDDE 僅僅輸入這個蛋白的氨基酸序列，就把兩個位點全部找了出來——包括那個藏了 15 年的。

　　實驗室要做同樣的事，需要昂貴的晶體浸泡實驗和大量時間。

　　IsoDDE 只要幾秒鐘。

　　AlQuraishi 說，他最震撼的是 IsoDDE 在完全陌生的分子體系上展現(xiàn)出的泛化能力，「這說明他們一定做了非常新穎的東西」。

　　1

　　閉源：故事真正令人不安的部分

　　如果 IsoDDE 是一個普通的商業(yè)軟件，閉源天經(jīng)地義，沒什么好說的。

　　問題在于，它的前身 AlphaFold 代表著一種截然不同的價值觀。

　　AlphaFold 2 在 2021 年開源，配套論文發(fā)表在 Nature 上，預(yù)測結(jié)果免費向全球開放。

　　這件事的意義遠超技術(shù)本身——它證明了一種可能性：由科技巨頭資助的前沿 AI 研究，可以真正成為全人類的公共品。

　　超過 300 萬科學家用它做了自己的研究，無數(shù)項目因此加速，生物學的整條河流被它改變了流向。

　　2024 年的 AlphaFold 3 同樣發(fā)表了論文，雖然代碼開源的速度引發(fā)過爭議，但最終也面向?qū)W術(shù)界開放。

　　IsoDDE 打破了這個傳統(tǒng)。

　　27 頁技術(shù)報告里幾乎沒有模型架構(gòu)和訓練方法的任何細節(jié)。

　　Nature 的報道副標題直截了當：科學家們「只能猜測如何實現(xiàn)類似的結(jié)果」。

　　Jaderberg 對 Nature 說的話耐人尋味。他說希望這份報告能「激勵」其他團隊。

　　但 AlQuraishi 的反應(yīng)恐怕更能代表學術(shù)界的真實感受：「問題在于，我們對細節(jié)一無所知。」

　　有人覺得 Isomorphic Labs 作為商業(yè)公司保護自己的核心技術(shù)合情合理。這當然沒錯。

　　但值得追問的是：當 AI 在科學領(lǐng)域的能力越來越強、越來越集中在少數(shù)公司手里時，這些能力的開放程度，誰來決定？

　　Isomorphic Labs 已經(jīng)拿到 6 億美元融資，跟禮來和諾華簽了潛在價值近 30 億美元的合作協(xié)議，內(nèi)部運行著 17 條藥物管線。

　　Hassabis 今年 1 月在達沃斯說，首批 AI 設(shè)計藥物預(yù)計 2026 年底進入臨床試驗。

　　這家公司正在從一個科研機構(gòu)變成一臺商業(yè)機器。

　　武田制藥的計算結(jié)構(gòu)生物學家 Diego del Alamo 指出了另一個微妙之處：Isomorphic Labs 此前投入大量精力與藥企合作，可能獲得了大量私有實驗數(shù)據(jù)。

　　這些額外數(shù)據(jù)對 IsoDDE 性能的貢獻有多大，外界無從知曉。

　　如果核心優(yōu)勢來自數(shù)據(jù)壁壘而非算法創(chuàng)新，那所謂的「激勵」就更像是一種姿態(tài)。

　　1

　　開源陣營并沒有認輸

　　閉源引發(fā)焦慮，但也引燃了競爭。

　　Boltz-2 的聯(lián)合開發(fā)者、非營利公司 Boltz 的創(chuàng)始人 Gabriele Corso 態(tài)度很明確：他不認為私有數(shù)據(jù)是關(guān)鍵因素，因為公開數(shù)據(jù)中仍然有大量改進空間。

　　IsoDDE 設(shè)定了一個新的性能基線，「需要追趕，也完全可以超越」。

　　另一家公司 Deep Origin 更為高調(diào)，直接在 IsoDDE 發(fā)布次日發(fā)聲明說，自家的 DODock 引擎在 2025 年 8 月就已經(jīng)在同一基準測試上達到了可比的性能水平——用的是完全不同的技術(shù)路線。

　　https://www.globenewswire.com/news-release/2026/02/11/3236623/0/en/Deep-Origin-Congratulates-Isomorphic-Labs-on-Catching-Up.html

　　開源社區(qū)過去兩年也沒閑著。

　　AlphaFold 3 發(fā)布后，多個團隊已經(jīng)做出了接近甚至部分超越它的開源模型，包括 Boltz-1/2、Chai-1、Protenix 等。

　　AI 制藥領(lǐng)域正在重演大語言模型領(lǐng)域的劇本：一家公司亮出驚艷的閉源成果，整個開源社區(qū)迅速跟進，差距從代際縮小到可以追趕的距離。

　　但這里有一個關(guān)鍵區(qū)別。

　　語言模型的訓練數(shù)據(jù)：互聯(lián)網(wǎng)文本，是近乎無限的公共資源。

　　而 AI 制藥的訓練數(shù)據(jù)，特別是高質(zhì)量的蛋白質(zhì)-藥物實驗數(shù)據(jù)，其中相當一部分掌握在藥企手中。

　　如果閉源模型的護城河建立在私有數(shù)據(jù)上，開源追趕的難度就大得多。

　　1

　　關(guān)上的門

　　這件事的影響可能超出藥物研發(fā)領(lǐng)域本身。

　　過去幾年，「AI 開源推動科學進步」是一個被廣泛接受的敘事。

　　AlphaFold 是這個敘事最有力的證據(jù)。

　　每當有人質(zhì)疑科技巨頭的AI研究到底惠及了誰，AlphaFold 都是最好的回答——看，全世界 300 萬科學家都在免費用它。

　　如今，當 AlphaFold 的直系后代選擇閉源，這個敘事被撕開了一道口子。

　　它暗示了一種可能的未來走向：

　　AI 在基礎(chǔ)科學領(lǐng)域最強大的工具，逐漸從公共品變成商業(yè)資產(chǎn)；

　　突破性的成果以技術(shù)報告而非同行評審論文的形式發(fā)布；

　　學術(shù)界能看到結(jié)果，但永遠看不到方法。

　　Hassabis 曾經(jīng)說過，AI 應(yīng)用于科學，是比語言模型更豐富的事業(yè)。這話沒錯。

　　但豐富的前提是開放。

　　當最強的科學 AI 只對付費客戶敞開，科學共同體里的絕大多數(shù)人就只能在圍欄外面看著。

　　AlphaFold 的諾貝爾獎?wù)律峡讨?，是把知識給予所有人的理想。

　　IsoDDE 的技術(shù)報告里寫著的，是一個更強大的未來。

　　兩者之間的距離，就是這個時代正在做出的選擇。

　　 參考資料：

　　 https://www.nature.com/articles/d41586-026-00365-7

　　 https://www.isomorphiclabs.com/articles/the-isomorphic-labs-drug-design-engine-unlocks-a-new-frontier

　　 https://storage.googleapis.com/isomorphiclabs-website-public-artifacts/isodde_technical_report.pdf