7月份，AlphaFold有两則新聞，方向看起来完全相反。
7月23日，Google DeepMind悄悄删掉了AlphaFold 3的权重申请表——完整模型权重改成公开链接直接下载，不用申请、不用审批，人人可取。六天之后，7月29日，《金融时报》报道：Google DeepMind解散了开发AlphaFold的原班团队。
一边彻底放开，一边拆掉团队。Google到底想干什么？对每天用这个工具的结构生物学从业者来说，现在到底是不是把AF3装进自己实验室的好时机？
这件事值得掰扯清楚。
一、7月23日的"放开"，只有一半是真的
很多自媒体写的是"AlphaFold3完全开源了"。这个说法不准确。
7月23日发生的事其实很安静。GitHub上AlphaFold3仓库的一条commit，编号dd1a7ba，作者是AF3工程负责人Augustin Žídek，提交说明只有一句话：更新获取AlphaFold 3权重的说明。知乎实际改动是：把原来"填表申请、等待审核"的权重获取流程整段删掉，改成Google Cloud Storage公开链接直接下载。
但AF3要分两层看：
代码：今年6月9日的v3.0.3版本，已经从CC BY-NC-SA 4.0换成了Apache 2.0，确实宽松；
模型权重：仍受《AlphaFold 3 Model Parameters Terms of Use》约束，这份条款官方页面的最后更新日期还停留在2024年11月9日，核心限制没变——主要面向非商业用途。
也就是说：下载权限公开了，使用权限没有公开。Google把事前审核改成了"用户自担合规责任"。技术门槛降了，法律边界没消失。知乎把今年这一串动作连起来看，脉络其实很清楚：
4月20日，v3.0.2：对NVIDIA Blackwell GPU开箱支持；
6月9日，v3.0.3：源代码改为Apache 2.0；
7月23日：权重免申请下载；
7月28日，v3.0.4：改善Blackwell上的unified memory，新增CPU-only和Apple Silicon支持。
三个月四个动作，方向一致：让AF3从"开放给科研人员"变成"科研人员真的能在自己机器上跑起来"。知乎
二、解散团队，不是"放弃"的反义词
再看解散这件事的事实面。按《金融时报》报道，AlphaFold团队不再作为一个独立团队存在，多数成员被调往Gemini、AI编程、基因组学、酶设计、核聚变等项目，一部分转入Alphabet旗下的AI制药公司Isomorphic Labs。量子位过去一年，约四分之一的正式员工已经离职，那篇经典论文的大部分作者也被重新分配。最重磅的一位——AlphaFold 2主要开发者、诺贝尔化学奖得主John Jumper，在一个月前宣布离开工作近9年的DeepMind，加入Anthropic。DeepTech深科技但注意：AlphaFold项目本身没有被关闭。
DeepMind的解释是，公司正在改变过去9年以"重大挑战"为中心的科研组织方式，转向基于Gemini、能辅助甚至自动执行部分科研流程的通用系统。据DeepMind估算，已有超过300万名科研人员使用过AlphaFold结构数据库——这个工具早就是基础设施了。微博换句话说：蛋白质结构预测这个阶段性任务已经完成，团队解散，工具转入基础设施。DeepTech深科技权重免申请，恰恰是这次转入的收尾动作——任务完成，交付社区。
8月5日，牛津大学生物化学讲师、AF2论文审稿人之一Carlos Outeiral在一篇文章里给出了更直白的总结：共进化已经给了我们几乎所有它能够给出的东西。DeepTech深科技
三、用了这么久，AF3的边界在哪
要决定"装不装、怎么用"，建议先接受一剂清醒剂——AF3的能力边界，官方和第三方其实都说过。
Outeiral的核心观点：AlphaFold系列真正学会的不是分子物理，而是"蛋白质的家谱"——共进化信号。同一家族的序列在漫长进化里一起变、一起保守，模型从这些统计痕迹里推测哪些位点在空间上挨着。对单蛋白，这招最灵；对长期共同演化的复合物，也还能用。但换到人工合成的小分子药物，线索就断了：小分子没有共同祖先，没有百万条天然亲属可比对，理论上的类药化学空间在10的60次方量级。2025年发表在《自然·通讯》上的一项研究提供了直观证据：研究者把CDK2蛋白结合口袋里固定ATP的关键氨基酸先全部替换成甘氨酸、再换成体积更大的苯丙氨酸几乎堵住口袋，AlphaFold 3、RoseTTAFold All-Atom、Chai-1、Boltz-1依然倾向于把ATP放回原来的位置。DeepTech深科技低误差和高置信度，并不等于模型理解了结合的物理原因。
官方培训资料自己也承认：AF3主要预测静态结构，无法充分描述溶液中的动态行为，有时还会生成原子空间冲突的结构。DeepTech深科技日常使用中，大家靠pLDDT置信度着色来判断哪一段可信——深蓝、浅蓝是相对可靠的结构，一旦变成黄色橙色的"面条"，就是模型自己也没把握的区域。Outeiral的比喻很到位——“一名拿着短语手册的游客”：多数时候能拼出有用的句子，也可能在最基本的语法上出错。
这不是劝退。重点是：AF3回答的是"这个分子长什么形状"，回答不了"这个药为什么结合"“这个蛋白怎么动”。摆正这个位置，用起来才不会失望。
四、装不装：三类人，三个答案
到大家最关心的部分了。现在到底要不要本地部署AF3？
第一类：湿实验方向，偶尔看个结构。
不用折腾。继续用AlphaFold Server或ColabFold，免费额度足够偶发需求。这次v3.0.4新增了CPU-only和Apple Silicon支持，如果你只是想在自己Mac上跑个小蛋白试试，门槛确实低了，但为此专门配机器，不值得。
第二类：计算方向，要把AF3串进流程、天天批量跑。
现在是个不错的窗口期。权重免申请，v3.0.4刚补齐Blackwell、CPU、Apple Silicon三条路，官方路线是历史上最成熟的时候。硬件账算清楚：
数据库是大头：下载约252 GB，解压后约630 GB，官方推荐SSD，建议预留700 GB以上；
官方完整测试的显卡是A100 80GB和H100 80GB；消费级显卡能跑，但别当成80GB显存的等价物，大蛋白复合物和蛋白-核酸复合物会先爆显存；
环境是Ubuntu + Docker + NVIDIA Container Toolkit，先确认`docker run --gpus all`能看到卡，再碰AF3。
第三类：企业背景，或项目有企业委托性质。
先看许可，再看技术。权重条款仍是2024年那版，主打非商业场景。知乎特别注意：大学实验室不等于自动非商业——如果项目实质是受企业委托开展的研究，计算机放在高校里不代表自动合规。商业使用需要另行获取许可。这波下载确实免费，但合规责任在自己。
五、顺手澄清两个噪音
噪音一：“AF3要被下岗了。”
最近寻明生科开源了模型OpenDDE，第三方平台Tamarind Bio在FoldBench v1基准（113个抗体-抗原复合物、172个界面）上复测：OpenDDE得76.1%，AlphaFold3只有47.9%，数字看着碾压。BioTender但要注意三点：第一，抗体-抗原本来就是AF3最弱的一项——抗体可变区是免疫系统现场随机重排的，与抗原没有共进化历史，恰恰断了AF最依赖的线索；第二，数字有毛刺，OpenDDE自家技术报告在这一项写的是70.0%，与复测口径差了6个点，另两个抗体基准上只有51.0%和66.4%；第三，换到蛋白-蛋白、蛋白-配体、蛋白-核酸场景，AF3依然是第一梯队。这家公司8月10日刚拿到1亿美元B轮融资，"下岗"是宣传话术，值得跟进，不必焦虑。
真正的信号是：Boltz、Chai、Protenix、OpenFold都已复现出性能接近AF3的模型。DeepTech深科技AF3不再是唯一选择，这是生态的成熟，不是它的终点。
噪音二：“团队散了，AlphaFold完了。”
前面说过，项目没关、代码Apache 2.0、权重进了社区，Isomorphic Labs今年还发布了后续系统IsoDDE——宣称在陌生蛋白-配体基准Runs N’ Poses上把AF3准确率提高一倍以上，还加了亲和力与结合口袋预测，但架构、权重、数据都不公开。DeepTech深科技牛津学者的评价是"更像AF3.5，而非真正的跨越"。结论还早，继续观察。
六、值得继续盯的三个信号
给认真在这个行业里的人留一份观察清单：
IsoDDE会不会开放权重和数据——这决定AF3.5级别的能力会不会流向社区；
OpenBind数据集的更新：英国Diamond Light Source牵头的开放蛋白-药物数据集，今年5月首批数据包含699种化合物的925个晶体结合事件，其中601种带亲和力测量——这类"进化没留下的数据"，是下一代模型的关键输入；
AF3的版本迭代是否继续：从4月的Blackwell支持到7月的CPU支持，工程线还在维护，这个信号目前仍然积极。
最后用Outeiral的一句话收尾：AlphaFold已经解决了它最初要解决的问题。Google这个七月做的两件事，一件是把阶段性成果交出去，一件是把人抽去做下一阶段的事。对从业者来说这不是坏消息——工具更便宜了，边界更清楚了。真正值得想的，是结构预测省下来的时间，你打算拿去做什么。
