奥力斯    PVC管道管件粘结胶价格     联系人：王经理    手机：18231788377（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区/p>黄南PVC管道管件粘结胶

文章转载于新智元

谷歌旗下的同样由 DeepMind CEO Demis Hassabis 担任 CEO 的 Isomorphic Labs 发布了被 Nature 称为「AlphaFold 4」的新代 AI 药物设计引擎 IsoDDE。

它碾压前代，却选择闭源。

AI 造福科学的黄金时代，可能正在关上大门。

2024 年，Demis Hassabis 因为 AlphaFold 站上诺贝尔台。

这个能预测蛋白质三维结构的 AI 模型，被 190 多个国过 300 万研究者使用，堪称 AI 惠及全人类的标杆案例。

诺贝尔委员会嘉的，与其说是个法，不如说是种精——把强大的科学工具费交到每个研究者手中。

16 个月后，AlphaFold 的继承者亮相了。

2 月 10 日，Hassabis 创办的 AI 制药公司 Isomorphic Labs 发布了 27 页技术报告，展示套名为 IsoDDE 的药物设计引擎，能碾压 AlphaFold 3，被哥伦比亚大学计生物学 Mohammed AlQuraishi 评价为「AlphaFold 4 别的重大进步」。

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

但这次，代码不会公开，论文不会发表，法不会共享。

Isomorphic Labs 总裁 Max Jaderberg 对 Nature 说得很直白：我们不公开「秘」。

AlphaFold 的开源传奇，很可能到三代就是终点了。

1

能力确实强得吓人

先说 IsoDDE 做到了什么，这有助于理解后面的争议为什么这么大。

个不太严谨的比：如果把蛋白质想象成把锁，药物分子就是钥匙。

AlphaFold 做的事情，是帮你看清这把锁长什么样。

但光看到锁还远远不够——你得知道钥匙插进去能不能转动，转得紧不紧，甚至你得发现锁上还有没有别的你根本没注意到的钥匙孔。

IsoDDE 要回答的就是这些难的问题。

它是个统引擎，把结构预测、结强度计、隐藏结位点发现等能力整在起。

数字很能直观说明问题。

在项门考验 AI 能否处理「从没见过的」新蛋白结构的测试中（Runs N' Poses 基准），当测试样本跟训练数据的相似度低到 0-20 时（这是难的情况），IsoDDE 的成功率是 AlphaFold 3（AF3）的两倍多。

60 个难案例里，有 17 个案例是 AlphaFold 3 失败而 IsoDDE 做对了。

AlphaFold 3 在此示例中失败，IsoDDE 正确

在预测抗体如何识别靶标这件事上，IsoDDE 的精度预测成功率是 AlphaFold 3 的 2.3 倍，是另个主流开源模型 Boltz-2 的近 20 倍。

令同行惊讶的是结亲和力预测——也就是判断药物分子和靶点结得有多紧。

这个任务传统上依赖种叫 FEP 的物理模拟法，计成本，需要实验室提供晶体结构作为起点。

IsoDDE 在多个公开测试中不仅过所有 AI 法，甚至过了 FEP，而且它根本不需要任何实验数据做起点。

技术报告里还有个特别漂亮的案例。

有个叫 cereblon 的蛋白黄南PVC管道管件粘结胶，科学们花了 15 年，直以为它只有个药物结位点。

直到今年年初，篇新论文才通过实验发现了二个隐藏的结位点。

而 IsoDDE 仅仅输入这个蛋白的氨基酸序列，就把两个位点全部找了出来——包括那个藏了 15 年的。

实验室要做同样的事，需要昂贵的晶体浸泡实验和大量时间。

IsoDDE 只要几秒钟。

AlQuraishi 说，他震撼的是 IsoDDE 在陌生的分子体系上展现出的泛化能力，「这说明他们定做了非常新颖的东西」。

1

闭源：故事真正令人不安的部分

如果 IsoDDE 是个普通的商业软件，闭源天经地义，没什么好说的。

问题在于，它的前身 AlphaFold 代表着种截然不同的价值观。

AlphaFold 2 在 2021 年开源，配套论文发表在 Nature 上，万能胶生产厂家预测结果费向全球开放。

这件事的意义远技术本身——它证明了种可能：由科技巨头资助的前沿 AI 研究，可以真正成为全人类的公共品。

过 300 万科学用它做了自己的研究，数项目因此加速，生物学的整条河流被它改变了流向。

2024 年的 AlphaFold 3 同样发表了论文，虽然代码开源的速度引发过争议，但终也面向学术界开放。

IsoDDE 破了这个传统。

27 页技术报告里几乎没有模型架构和训练法的任何细节。

Nature 的报道标题直截了当：科学们「只能猜测如何实现类似的结果」。

Jaderberg 对 Nature 说的话耐人寻味。他说希望这份报告能「激励」其他团队。

但 AlQuraishi 的反应恐怕能代表学术界的真实感受：「问题在于，我们对细节所知。」

有人觉得 Isomorphic Labs 作为商业公司保护自己的核心技术情理。这当然没错。

但值得追问的是：当 AI 在科学域的能力越来越强、越来越集中在少数公司手里时，这些能力的开放程度，谁来决定？

Isomorphic Labs 已经拿到 6 亿美元融资，跟礼来和诺华签了潜在价值近 30 亿美元的作协议，内部运行着 17 条药物管线。

Hassabis 今年 1 月在达沃斯说，批 AI 设计药物预计 2026 年底进入临床试验。

这公司正在从个科研机构变成台商业机器。

武田制药的计结构生物学 Diego del Alamo 指出了另个微妙之处：Isomorphic Labs 此前投入大量精力与药企作，可能获得了大量私有实验数据。

这些额外数据对 IsoDDE 能的贡献有多大，外界从知晓。

如果核心优势来自数据壁垒而非法创新，那所谓的「激励」就像是种姿态。

1

开源阵营并没有认输

闭源引发焦虑，但也引燃了竞争。

Boltz-2 的联开发者、非营利公司 Boltz 的创始人 Gabriele Corso 态度很明确：他不认为私有数据是关键因素，因为公开数据中仍然有大量改进空间。

IsoDDE 设定了个新的能基线，「需要追赶，也可以越」。

另公司 Deep Origin 为调，直接在 IsoDDE 发布次日发声明说，自的 DODock 引擎在 2025 年 8 月就已经在同基准测试上达到了可比的能水平——用的是不同的技术路线。

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

开源社区过去两年也没闲着。

AlphaFold 3 发布后，多个团队已经做出了接近甚至部分越它的开源模型，包括 Boltz-1/2、Chai-1、Protenix 等。

AI 制药域正在重演大语言模型域的剧本：公司亮出惊艳的闭源成果，整个开源社区迅速跟进，差距从代际缩小到可以追赶的距离。

但这里有个关键区别。

语言模型的训练数据：互联网文本，是近乎限的公共资源。

而 AI 制药的训练数据，特别是质量的蛋白质-药物实验数据，其中相当部分掌握在药企手中。

如果闭源模型的护城河建立在私有数据上，开源追赶的难度就大得多。

1

关上的门

这件事的影响可能出药物研发域本身。

过去几年，「AI 开源动科学进步」是个被广泛接受的叙事。

AlphaFold 是这个叙事有力的证据。

每当有人质疑科技巨头的AI研究到底惠及了谁，AlphaFold 都是好的回答——看，全世界 300 万科学都在费用它。

如今，当 AlphaFold 的直系后代选择闭源，这个叙事被撕开了道口子。

它暗示了种可能的未来走向：

AI 在基础科学域强大的工具，逐渐从公共品变成商业资产；

突破的成果以技术报告而非同行评审论文的形式发布；

学术界能看到结果，但永远看不到法。

Hassabis 曾经说过，AI 应用于科学，是比语言模型丰富的事业。这话没错。

但丰富的前提是开放。

当强的科学 AI 只对付费客户敞开，科学共同体里的大多数人就只能在围栏外面看着。

AlphaFold 的诺贝尔章上刻着的，是把知识给予所有人的理想。

IsoDDE 的技术报告里写着的，是个强大的未来。

两者之间的距离，就是这个时代正在做出的选择。

参考资料：

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

点个“心”，再走 吧