当前位置:
AIGC文章详情

AlphaFold 3 七月悄悄降了门槛:没有 GPU 的研究生,三条免费路线怎么选

源自146位全网作者

12:03

如果你是一个"听说过 AlphaFold 3、但一直没真正用上"的生物/医学方向研究生,2026 年 7 月是最值得关注的一个月。Google DeepMind 没有开发布会,只在 GitHub 上悄悄做了两件事。7 月 23 日,官方删掉了权重申请表,AlphaFold 3 完整模型权重变成人人可直接下载。知乎7 月 28 日,v3.0.4 版本更新,新增 CPU-only 和 Apple Silicon 支持。GitHub再加上 8 月这波 AI4S(AI for Science)的讨论热潮和新手涌入,现在确实是上手 AF3 门槛最低的时候。

但"容易上手"不等于"随便选一条都行"。今天把普通研究生此刻能用的免费路线全部摆开:各自的边界、隐藏成本,以及你到底适合哪一条。

先说清楚,AF3 能干什么

和只能预测单条蛋白链的 AlphaFold 2 不同,AF3 做的是复合物:蛋白质、DNA、RNA、小分子配体、离子,都能放在一起做结构预测。Nature想看一个蛋白和药物分子怎么结合,它是目前这类问题里最重要的免费工具。

AlphaFold 3 七月悄悄降了门槛:没有 GPU 的研究生,三条免费路线怎么选

路线一:官方在线 AlphaFold Server,门槛最低、配额最紧

打开 alphafoldserver.com,用 Google 账号登录,选分子类型、粘贴序列、提交、等结果,全程像填一张在线表格。知乎小红书结果文件可以直接下载,再用 PyMOL 这类可视化软件打开。

代价有三个。第一,需要 Google 账号和可用的网络环境,对不少同学来说真正的第一道门槛其实是注册 Google 账号本身,社区里甚至有教程专门写到新账号被封后的申诉流程。知乎第二,免费配额有限,从社区用户晒出的界面截图看是每天 20 次,页面右上角直接显示剩余额度,每提交一次少一次。第三,只能一条条跑,不能批量、不能脚本化,想对接几百个化合物,这条路走不通。

AlphaFold 3 七月悄悄降了门槛:没有 GPU 的研究生,三条免费路线怎么选

结论:偶尔预测一两个结构、第一次体验,走这条完全够;把它当产能,不行。

路线二:本地部署 v3.0.4,七月门槛大降,但硬件账单还在

7 月 23 日这次变化,一句话概括:下载权限公开了,使用权限没有。代码早在 6 月就换成了宽松的 Apache 2.0 许可。GitHub但模型权重仍受官方《Model Parameters Terms of Use》约束,核心一条:非商业用途。GitHub尤其提醒高校实验室:如果项目实际是企业委托,计算机放在大学实验室里,并不会自动变成"非商业"。

硬件账单没怎么变:光是序列数据库,下载约 252 GB,解压后约 630 GB,官方推荐放在 SSD。知乎官方做过完整性能验证的硬件,仍以 80GB 显存的 A100/H100 为主。

好消息是 v3.0.4 新增 CPU-only 和 Apple Silicon 支持,MacBook 现在也能跑 AF3 了。但别误会:能跑和跑得快是两回事,CPU 推理适合拿一两个小任务练手,不适合真干活。如果你实验室正好有 80GB 显存的卡想走本地路线,我们之前单独写过一篇,把磁盘、显存、许可这三笔账算细了,这篇不重复。

路线三:开源替代生态,商业项目请走这扇门

如果是商业研发,AF3 权重的许可边界基本等于"请绕行"。好在近两年开源结构预测生态已经成型,Boltz 系列、ESMFold 等,许可更宽松、表现也值得认真对待。这是另一个大话题,后面单独聊。

决策树:30 秒选好你的路线

  • 只想看一个蛋白的结构、验证一个互作:直接走在线 Server,10 分钟上手。

  • 每月有几十个预测任务、会写一点 Python:租云 GPU 或用实验室服务器,本地部署 v3.0.4。

  • 商业项目:别碰 AF3 权重,看开源替代。

  • 只是好奇、不想跑模型:AlphaFold Database 里有海量已算好的结构,免费下载,多数常见蛋白直接就能查到。

两个坑,比你想象的更常有人踩

第一,组会汇报、论文写作里别说"AF3 开源了"。准确说法是:代码开源(Apache 2.0),权重免费下载但限非商业。知乎少说一个定语,就是许可问题。

第二,别迷信 AF3 输出的漂亮图。结果里的置信度指标是有明确读法的:单体看 pLDDT,90 以上基本可信,50–70 要谨慎,低于 50 的区域连三维坐标都不建议直接解释。知乎复合物还要看 ipTM,低于 0.5 基本说明链间互作不可信。小红书AF3 也不能按需预测指定构象,更回答不了"结合得牢不牢"。把结构预测当假设生成器,不是结论生成器,拿到结构后让湿实验尽快去证伪。

AlphaFold 3 七月悄悄降了门槛:没有 GPU 的研究生,三条免费路线怎么选

值得继续盯的信号

7 月底,谷歌把原 AlphaFold 团队解散、资源并入 Gemini 线。机器之心诺奖得主 John Jumper 也去了 Anthropic。但单看 AF3 自己的更新节奏,今年 v3.0.2、v3.0.3、v3.0.4 三个月连发三版,维护仍在正常推进。知乎接下来建议盯两件事:一是 Server 免费配额是否扩容或收紧,二是开源替代追 AF3 的速度——这决定这份路线图什么时候该重画。

内容由AI生成
0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章