谷歌旗下Isomorphic Labs发布新一代AI药物设计引擎IsoDDE，性能全面碾压AlphaFold 3，却选择完全闭源。这一转变引发科技界深度思考：当最强大的科学AI从公共品变成商业资产，科学研究的未来将走向何方？
智能速览
IsoDDE在抗体识别预测成功率是AlphaFold 3的2.3倍
仅用几秒就发现科学家15年才找到的隐藏结合位点
代码、论文、方法均不公开，打破AlphaFold开源传统
开源社区表示追赶并超越是完全可能的
私有数据壁垒可能成为闭源模型的核心护城河
精华内容
当AlphaFold的直系后代选择闭源，一个时代的叙事被撕开了口子。这不仅是技术路线的选择，更是科学价值观的转折点。
性能碾压
IsoDDE的表现令人震撼。在处理全新蛋白结构的最难测试中（相似度0-20%），其成功率是AlphaFold 3的两倍多。60个最难案例里，有17个是AlphaFold 3彻底失败而IsoDDE做对的。
更令人惊讶的是结合亲和力预测任务。传统方法FEP需要实验室提供晶体结构作为起点，计算成本极高。而IsoDDE不仅全面超过所有AI方法，甚至超越了FEP，且不需要任何实验数据。
最典型的案例是cereblon蛋白。科学家花了15年才发现它的第二个隐藏结合位点，而IsoDDE仅凭氨基酸序列就在几秒内找出了全部位点。
闭源争议
IsoDDE的技术报告仅27页，几乎没有模型架构和训练方法的细节。这与AlphaFold的开源传统形成鲜明对比。
AlphaFold 2在2021年开源后，被190多个国家超过300万研究者使用，成为AI惠及全人类的标杆。2024年的AlphaFold 3虽然代码开源速度引发争议，但最终也面向学术界开放。
Isomorphic Labs总裁Max Jaderberg表示："我们不打算公开秘方。"这种态度让学术界感到不安，正如哥伦比亚大学计算生物学家Mohammed AlQuraishi所说：“问题在于，我们对细节一无所知。”
商业考量
Isomorphic Labs的商业转型值得关注。公司已获6亿美元融资，与礼来和诺华签署潜在价值近30亿美元的合作协议，内部运行17条药物管线。
CEO Demis Hassabis今年1月在达沃斯表示，首批AI设计药物预计2026年底进入临床试验。这标志着公司从科研机构向商业机器的转变。
武田制药的Diego del Alamo指出，Isomorphic Labs可能与药企合作获得了大量私有实验数据。这些数据对IsoDDE性能的贡献有多大，外界无从知晓。如果核心优势来自数据壁垒而非算法创新，那么所谓的"激励"就更像是一种姿态。
开源追赶
闭源引发焦虑，但也点燃了竞争。Boltz-2联合开发者Gabriele Corso态度明确：“IsoDDE设定了新的性能基线，需要追赶，也完全可以超越。”
另一家公司Deep Origin更为高调，直接在IsoDDE发布次日声明称，自家的DODock引擎在2025年8月就已达到可比性能水平，使用的是完全不同的技术路线。
开源社区过去两年成果显著。AlphaFold 3发布后，多个团队已经做出接近甚至部分超越它的开源模型，包括Boltz-1/2、Chai-1、Protenix等。
数据壁垒
AI制药领域与大语言模型有个关键区别。语言模型的训练数据（互联网文本）是近乎无限的公共资源，而AI制药的训练数据，特别是高质量的蛋白质-药物实验数据，相当一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。这意味着，未来最强大的科学AI工具可能逐渐从公共品变成商业资产。
AlphaFold的诺贝尔奖章上刻着把知识给予所有人的理想，而IsoDDE的技术报告里写着一个更强大但封闭的未来。两者之间的距离，正是这个时代正在做出的选择。
IsoDDE的出现标志着AI科学工具进入新阶段，但其闭源选择引发了对科学未来的深刻思考。当最强大的AI从公共品变成商业资产，如何在商业利益与科学进步间找到平衡？或许答案不在于开源与否，而在于整个科技共同体能否构建新的协作模式，确保突破性成果真正服务于全人类。
关键评论
最大的问题不是闭源，而是不开放使用，形成对顶级科技工具的垄断
科学不仅没有国界，而且还属于公司
看到谷歌AlphaFold闭源转向商业化的新闻，更觉得开源项目珍贵了
就应该这样，全球化只能助长抄袭和逆向工程
