Nicotine

大家好，我是娜娜。最近谷歌系的Isomorphic Labs甩出的一款全新AI药物设计引擎，让整个学界陷入了又惊又议的状态，它被称作AlphaFold4，性能强到颠覆认知，却偏偏选择了彻底闭源，这波操作直接让AI造福科学的开源黄金时代，走到了一个充满争议的关键岔路口。今天我就和大家好好聊聊这件事，从AlphaFold的开源传奇，到IsoDDE的闭源争议，再到这件事对整个AI科学领域的深层影响，咱们一次性聊透。 聊IsoDDE之前，必须先讲AlphaFold，因为没有AlphaFold的开源精神，就不会有今天整个学界对闭源的巨大争议。而提到AlphaFold，就绕不开一个人，德米斯·哈萨比斯，他是谷歌DeepMind的CEO，也是这次发布IsoDDE的Isomorphic Labs的创始人兼CEO，2024年，他正是因为AlphaFold这项技术，站上了诺贝尔奖的领奖台。我一直觉得，AlphaFold能拿诺奖，不只是因为它解决了生物学界五十年的难题，精准预测蛋白质三维结构，更因为它代表了一种极致的科学精神，诺奖委员会嘉奖的，与其说是一套算法，不如说是把最强大的科学工具免费交到每一个研究者手中的初心。 这款工具到底有多普惠？数据最有说服力，它被一百九十个国家超过三百万研究者使用，上到麻省理工，剑桥这样的顶尖科研机构，下到普通院校的独立研究者，甚至是一些发展中国家的小型实验室，都能免费使用AlphaFold的预测功能和代码。在AlphaFold出现之前，科学家想要解析一个蛋白质的三维结构，可能需要花费数年时间，做无数次昂贵的实验，而AlphaFold把这个过程缩短到了几小时，甚至几分钟。 AlphaFold的开源之路，其实一直走得很坚定。2021年，AlphaFold2正式开源，配套的详细论文发表在《自然》杂志上，所有的预测结果全球免费开放，那一刻，整个生物学界的研究轨迹都被改变了，无数原本停滞的项目重新启动，新的发现不断涌现。到了2024年，AlphaFold3发布，这款模型不再局限于单一蛋白质结构预测，还能预测蛋白质和其他生物分子的相互作用，直接朝着药物研发的方向迈出了一大步。虽然当时AlphaFold3的代码开源速度引发过一些争议，让学界等了一段时间，但最终还是面向整个学术界全面开放，延续了开源的传统。 而这次推出IsoDDE的Isomorphic Labs，本身就是哈萨比斯在2021年创立的，依托的正是DeepMind的AlphaFold技术，这家公司从一开始的定位，就是用AI颠覆传统的药物研发模式。传统药物研发有多难？一款新药从研发到上市，平均需要十到十五年的时间，花费上百亿美元，而且成功率极低，而AI的出现，本应该成为降低研发成本，提升效率的关键。Isomorphic Labs自创立以来，就一直备受关注，2024开始更是发展迅猛，一月和诺华，礼来两大药企达成战略合作，分别拿到了三千七百五十万美元和四千五百万美元的预付款，五月还和DeepMind联合发布了AlphaFold3，到了2025年，诺华还进一步扩大了和它的合作范围，足见业界对其AI技术的认可。而就在2026年，这家公司拿到了六亿美元的融资，由Thrive Capital领投，GV和Alphabet参投，这些资本的注入，也为后续的闭源操作埋下了伏笔。 时间来到2026年2月10日，Isomorphic Labs突然发布了一份二十七页的技术报告，推出了全新的AI药物设计引擎IsoDDE，这份报告一出来，直接让整个生物和AI领域都沸腾了。因为这款工具的性能，已经不能用升级来形容，而是彻头彻尾的降维打击，哥伦比亚大学的计算生物学家穆罕默德·阿尔库拉希直接评价它为AlphaFold4级别的重大进步，这也是为什么大家都把IsoDDE称作AlphaFold4的原因，它是AlphaFold真正意义上的下一代产品，性能全面碾压AlphaFold3。 那IsoDDE到底强在哪里？我用一个通俗的比喻给大家讲清楚，如果把蛋白质想象成一把锁，药物分子就是打开这把锁的钥匙，药物研发的核心，就是找到能精准匹配的钥匙。AlphaFold做的事情，是帮科学家看清这把锁的具体样子，知道它的纹路，形状，而这只是药物研发的第一步。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，也就是药物分子和蛋白质的结合强度。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，也就是蛋白质的隐藏结合位点，而IsoDDE要回答的，就是这些比单纯看锁的样子难得多的问题。 它是一个真正的统一引擎，把蛋白质结构预测，药物分子和靶点的结合强度计算，隐藏结合位点发现等所有药物研发需要的核心能力，都整合到了一起，而且每一项能力都做到了极致。数字最能直观说明问题，在一项专门考验AI处理从没见过的新蛋白结构的测试中，也就是Runs N' Poses基准测试，当测试样本和训练数据的相似度低到零到百分之二十时，这是最难的情况，IsoDDE的成功率达到了百分之五十，是AlphaFold3的两倍多，要知道，其他主流的开源模型，比如Boltz1、Chai1、Protenix，在这个测试中的成功率都只有百分之十几。更夸张的是，在六十个最难的测试案例里，有十七个案例是AlphaFold3彻底失败，完全无法预测的，而IsoDDE全都做对了。 在预测抗体如何识别靶标这件事上，IsoDDE的表现同样惊艳，它的高精度预测成功率是AlphaFold3的二点三倍，是另一款主流开源模型Boltz2的近二十倍，这个差距可以说是天壤之别。而最让同行感到惊讶的，是它的结合亲和力预测能力，所谓结合亲和力，就是判断药物分子和蛋白质靶点结合得有多紧，这是药物研发中最核心的指标之一，一款药的效果好不好，和这个指标直接相关。这个任务在传统上，依赖一种叫FEP的物理模拟方法，计算成本极高，还需要实验室提供蛋白质的晶体结构作为起点，普通实验室根本承担不起，而IsoDDE在多个公开测试中，不仅全面超过了所有的AI方法，甚至比传统的FEP方法还要精准，更重要的是，它根本不需要任何实验数据做起点，只需要输入蛋白质的氨基酸序列就可以，这直接绕开了传统实验的高成本和高耗时。 技术报告里还有一个特别经典的案例，有一个叫cereblon的蛋白，科学家们花了十五年的时间，做了无数次实验，一直以为这个蛋白只有一个药物结合位点，直到二零二六年年初，才有一篇新论文通过复杂的实验，发现了它的第二个隐藏结合位点。而IsoDDE仅仅是输入了这个蛋白的氨基酸序列，几秒钟之内，就把两个结合位点全部找了出来，包括那个藏了十五年的位点。要知道，实验室要做同样的事，需要做昂贵的晶体浸泡实验，还要花费大量的时间和人力，而AI只需要几秒，这就是技术的力量，本应该成为惠及所有研究者的利器。 阿尔库拉希说，他最震撼的不是IsoDDE的准确率有多高，而是它在完全陌生的分子体系上展现出的泛化能力，这说明开发团队一定做了非常新颖的东西，而这种新颖的技术，本应该成为整个领域的共同财富。但让人失望的是，Isomorphic Labs选择了把这份财富藏起来，彻底闭源，这也是这件事最核心的争议点。如果IsoDDE是一个普通的商业软件，闭源本来无可厚非，商业公司保护自己的核心技术，追求商业价值，这是市场规律，但问题在于，它的前身AlphaFold代表着一种截然不同的价值观，而Isomorphic Labs本身就是依托AlphaFold的开源技术发展起来的，这种突然的转向，让整个学界都难以接受。 我们来看看IsoDDE的闭源到底有多彻底，二十七页的技术报告里，几乎没有任何关于模型架构，训练方法，核心算法的细节，只是展示了一些测试结果，代码不会公开，不会在任何学术期刊发表论文，核心的秘方完全不会和外界共享。Isomorphic Labs的总裁马克斯·贾德伯格对《自然》杂志说得很直白，他们不打算公开这款工具的核心秘诀，他还说，IsoDDE背后的模型和其他同类项目截然不同，但这种不同到底在哪里，他一字未提。贾德伯格还补充说，和大多数重大的机器学习和人工智能进步一样，IsoDDE的成功是计算能力，数据和算法的结合，他甚至希望这份技术报告能激励其他研发药物发现AI的团队。 但这种激励，在学术界看来，更像是一种姿态。阿尔库拉希的反应，恐怕最能代表整个学界的真实感受，他说，这是一个重大进展，其规模堪比AlphaFold4，但问题在于，我们对细节一无所知。说白了，连底层的架构，训练方法，数据来源都藏着掖着，只给大家看一个最终的结果，谈何激励？其实明眼人都能看出来，Isomorphic Labs的闭源，本质上是因为这家公司已经从一个依托科研的初创公司，彻底变成了一台追求商业价值的机器。除了之前提到的六亿美元融资，和诺华，礼来签了潜在价值近三十亿美元的合作协议，这家公司内部还在运行着十七条药物管线，聚焦肿瘤学和免疫学这些高价值的治疗领域，哈萨比斯在2026年1月的达沃斯论坛上更是直言，首批由AI设计的药物，预计2026年底就会进入临床试验。当一款AI工具和数十亿美元的商业利益绑定在一起时，开源自然就成了一种损失，这也是资本介入科研后，必然会出现的结果。 更让学界感到不安的是，武田制药的计算结构生物学家迭戈·德尔·阿拉莫在社交媒体上提出了一个关键问题，他说，Isomorphic Labs在此之前，投入了大量精力和各大药企合作，大概率获得了大量的私有实验数据，而这些数据，是普通科研机构和开源团队根本无法获取的。外界完全不知道这些额外的私有数据，对IsoDDE的性能贡献有多大，如果这款工具的核心优势，不是来自算法的创新，而是来自数据的壁垒，那对整个领域来说，就是一场灾难。因为就算其他团队再努力，再精进算法，也拿不到这些私有数据，永远无法追上，这种领先，不是技术的领先，而是资源的领先，根本推动不了整个领域的进步，反而会制造新的科技壁垒。 当然，面对IsoDDE的闭源，开源阵营并没有认输，反而被这份语焉不详的技术报告，引燃了更强烈的竞争欲。首先站出来的是加布里埃莱·科索，他是Boltz2的联合开发者，也是伦敦非营利公司Boltz的创始人，他的态度很明确，基于自己团队的研究进展，他不认为私有数据是IsoDDE性能领先的关键因素，因为在现有的公共数据中，还有大量的改进空间，只是大家之前还没有挖掘到而已。科索说，IsoDDE只是设定了一个新的基线，我们需要去匹配这个基线，但更重要的是，我们完全可以超越它。这番话可以说是给开源社区吃了一颗定心丸。 还有一家公司的反应更直接，Deep Origin，一家专注于计算药物发现的公司，在IsoDDE发布的次日，就直接发布了声明，直言自家的DODock引擎，在2025年8月的哥本哈根ARDD.会议上，就已经在同一基准测试上，达到了和IsoDDE可比的性能水平，而且用的是完全不同的技术路线。这份声明的言外之意很明显，闭源的你能做到的，开源的我们早就做到了，所谓的AlphaFold4，并不是不可超越的。 其实从AlphaFold3发布后的这两年里，开源社区就一直没有闲着，已经做出了多款接近甚至部分超越AlphaFold3的开源模型，除了刚才提到的Boltz1，Boltz2，还有Chai1，Protenix等，这些模型各有侧重，有的在结构预测上更精准，有的在结合位点发现上更擅长，整个开源社区的创新活力，一直都在。现在AI制药领域，其实正在重演大语言模型领域的剧本，一家商业公司亮出惊艳的闭源成果，然后整个开源社区迅速跟进，把差距从代际缩小到可以追赶的距离。 但这里有一个关键的区别，也是开源社区最大的挑战，大语言模型的训练数据，是互联网上的文本，这是近乎无限的公共资源，不管是商业公司还是开源团队，都能获取，大家站在同一起跑线上，拼的就是算法和工程能力。而AI制药的训练数据，尤其是高质量的蛋白质，药物相互作用实验数据，其中相当一部分都掌握在药企手里，是严格保密的私有资源，开源团队只能依靠公共数据库里的有限数据，这就好比两个人赛跑，一个人穿着专业的跑鞋，在平坦的赛道上跑，另一个人穿着普通的鞋子，在满是泥泞的赛道上跑，起点就不一样。如果闭源模型的护城河，最终建立在私有数据上，而不是算法创新上，那开源社区的追赶，就会变得异常艰难。 聊到这里，我想和大家聊点更深层的东西，IsoDDE的闭源，带来的影响其实远远超出了药物研发领域本身，它直接挑战了过去几年整个科技界公认的一个叙事，AI开源推动科学进步。而AlphaFold，就是这个叙事最有力的证据，每当有人质疑科技巨头的AI研究到底惠及了谁，AlphaFold就是最好的回答，看，一百九十个国家，三百万研究者，都在免费使用它，这就是科技的温度。 而现在，当AlphaFold的直系后代选择了闭源，这个叙事就被撕开了一道口子，它暗示了一种可能的未来走向，AI在基础科学领域最强大的工具，会逐渐从全人类的公共品，变成少数商业公司的专属资产。突破性的科研成果，会从经过严格同行评审，细节公开的学术论文，变成语焉不详，只展示结果的技术报告。学术界的研究者，只能站在围栏外看着商业公司的成果，却永远无法知道背后的方法，更无法在其基础上继续创新。 科学的进步靠的是什么？从牛顿的万有引力，到爱因斯坦的相对论，从青霉素的发现，到DNA双螺旋结构的解析，所有推动人类认知边界的重大发现，靠的都是交流，分享和传承，是所有人站在巨人的肩膀上继续往前走。科学的本质，就是开源的，是可验证的，是可延续的，如果一项技术的核心，被少数人锁在保险柜里，那它就算再强大，也只能为少数人的利益服务，而不是推动整个人类的发展。哈萨比斯曾经说过，AI应用于科学，是比语言模型更丰富的事业，但他漏掉了一个前提，那就是这份丰富，必须建立在开放的基础上。 AlphaFold的诺贝尔奖章上，刻着的是把知识给予所有人的理想，而IsoDDE的二十七页技术报告里，写着的是一个更强大的未来，却把绝大多数研究者挡在了门外。这两者之间的距离，就是我们这个时代正在做出的选择，是选择让科技成为打破壁垒的桥梁，还是让科技成为制造隔阂的围墙。 当然，我始终相信开源社区的力量，因为科学的初心，永远在那些真正热爱研究，希望推动人类进步的人心里。就算现在有数据壁垒，就算闭源模型暂时领先，但像Boltz这样的非营利公司，还有全球各地的高校和科研机构，依然在坚持做开源，依然在整合公共数据，精进算法。科索说的没错，公共数据里还有大量的改进空间，只要肯深挖，只要肯合作，开源模型就有追上甚至超越闭源模型的可能。而且随着AI制药领域的发展，会有越来越多的公共数据被积累，越来越多的研究者加入开源社区，这股力量，不是资本和商业壁垒能够阻挡的。 说到底，这次IsoDDE的发布和闭源，其实是一次价值观的碰撞，开源还是闭源，公共品还是商业资产，科技进步该为少数人的利益服务，还是为全人类的发展服务。AlphaFold让我们看到了AI的温度，让我们相信科技可以打破壁垒，让普通人也能拥有顶尖的研究工具。而IsoDDE的闭源，让我们看到了科技商业的现实，看到了资本对科研方向的影响。未来，如何平衡商业利益和科学的公共利益，如何让AI既能够推动商业发展，又能够继续惠及全人类的科研，这不仅是科技公司需要思考的问题，也是整个科研界，甚至是整个社会都需要面对的问题。 最后，我想问问屏幕前的大家，你觉得AI在基础科学领域的发展，应该坚持开源还是闭源？如果是你，手握这样一款颠覆性的科技工具，会选择把核心技术分享出去，让更多人受益，还是握在手里，追求商业价值？欢迎在评论区留下你的看法，和我一起讨论。感谢收看，我们下期再见。