谷歌发布「AlphaFold 4」，不再开源！性能碾压上一代
2026-02-23 12:04
49
2月10日，谷歌DeepMind旗下专注AI制药的Isomorphic Labs推出新一代药物设计引擎IsoDDE，尽管未以“AlphaFold 4”正式命名，但其在分子预测精度、药物设计能力上的量级突破，被《Nature》及全球学界公认为“AlphaFold 4级别”的里程碑。
这款承继AlphaFold技术脉络的旗舰模型，以性能全面碾压上一代的硬实力，彻底打破了该系列坚持多年的开源传统，标志着AI生命科学工具从科研公益时代，正式迈入产业商用的全新阶段。
作为AlphaFold 3的继任者，IsoDDE的核心突破在于完成了从“解析生命结构”到“设计药物方案”的关键跨越。如果说上一代模型解决了“蛋白质结构是什么”的基础问题，那么这一代则直接回答“药物如何与靶点作用”，实现了全链路药物发现能力的闭环。在核心性能指标上，IsoDDE展现出碾压级优势：蛋白质-小分子相互作用预测成功率是AlphaFold 3的2倍以上，抗体靶点预测精度更是达到前代的2.3倍，远超Boltz-2等主流开源模型近20倍。
最令业界震撼的是其对“隐藏结合位点”的挖掘能力。以cereblon蛋白为例，科学家耗费15年通过实验才发现其第二个隐藏结合口袋，而IsoDDE仅输入氨基酸序列，几秒钟内就精准定位两个口袋，预测误差控制在0.3埃以内，达到冷冻电镜的实验级解析精度。这种“零实验数据”的精准预测能力，彻底颠覆了传统药物研发中“试错式”寻找靶点的模式，将原本需要十几年的靶点发现周期压缩至秒级。此外，该模型还实现了结合亲和力的物理级精准预测，误差小于1kcal/mol，超越传统物理模拟方法，大幅降低药物筛选的时间与成本。
技术架构的革新是性能飞跃的核心支撑。IsoDDE采用全新多模态扩散架构与几何Transformer，整合了超过10亿条实验验证的生物分子复合物数据，首次实现“零样本”预测全新蛋白-药物复合物的结合自由能。针对抗体CDR-H3环状结构这一行业痛点，其预测准确率较AlphaFold 3提升230%，解决了长期阻碍抗体药物理性设计的技术瓶颈。在复杂大分子组装体预测中，亚基间相对取向误差较上一代降低40%以上，膜蛋白、无序区域等难建模结构的预测稳定性也显著增强。
与性能突破同样引发热议的，是谷歌此次彻底转向闭源的战略调整。自2021年AlphaFold 2开源以来，该系列模型已惠及190多个国家的300万研究者，成为AI赋能基础科研的标杆。但此次IsoDDE选择完全封闭核心技术，不仅不公开源代码，连训练细节、核心参数、底层架构及学术论文都未发布，仅对外公布了一份27页的技术报告微博。目前，该模型仅通过商业合作与授权服务开放使用，Isomorphic Labs直言不会透露技术“秘方”，标志着其从科研共享平台全面转向商业化运作。
这一转变背后，是AI制药领域日益激烈的产业竞争。据悉，Isomorphic Labs已获得6亿美元融资，与全球知名药企达成近30亿美元的合作，聚焦难成药靶点的研发微博。随着抗体药物市场规模突破400亿英镑，AI驱动的药物发现成为全球科技巨头与药企争夺的价值高地。谷歌的闭源策略，本质上是为了保护核心技术壁垒，将技术优势转化为商业竞争力。不过，官方并未完全关闭科研通道，仍为部分非商业研究机构提供有限的授权支持，试图在商业利益与科研公益间寻找平衡。
IsoDDE的发布，不仅重构了AI制药的技术格局，更引发了科学界对AI工具开放与商业边界的激烈讨论。支持者认为，闭源模式能吸引更多资本投入，加速技术产业化落地，最终通过新药研发惠及患者；反对者则担忧，核心技术的封闭会加剧行业垄断，阻碍中小科研机构的创新，背离AlphaFold系列最初的公益初心微博。
从行业发展来看，AlphaFold 4（IsoDDE）的出现，清晰划分了AI生命科学的“科研”与“产业”边界。它证明了AI模型的竞争，已从单纯的精度跑分，转向解决真实产业痛点的价值交付。对于全球药企而言，这款模型将新药研发周期从10-15年压缩至3-5年，成为降低研发成本、突破技术瓶颈的核心工具；对于整个AI领域，它则揭示了一个重要趋势——当技术成熟到足以支撑产业落地时，开源与闭源的路线之争，将成为科技企业必须面对的战略抉择。
尽管闭源决策引发争议，但AlphaFold 4带来的技术革命已然不可逆转。它以碾压级的性能，重新定义了AI在药物研发中的核心价值，也让人们看到了AI攻克疑难病症、实现精准医疗的无限可能。未来，随着技术的持续迭代，开源与闭源的模型或许将在不同赛道并行发展，共同推动生命科学的进步，而AlphaFold 4的这场“闭源革命”，终将成为AI产业发展史上的重要分水岭。
0
好文章，需要你的鼓励