鉅亨網新聞中心
谷歌 (GOOGL-US) 旗下 AI 製藥公司 Isomorphic Labs 於 2 月 10 日發布一份 27 頁技術報告，推出新一代 AI 藥物設計引擎 IsoDDE。該系統被《Nature》形容為「AlphaFold 4」級別的重大進展，在多項基準測試中性能全面超越 DeepMind 先前推出的 AlphaFold 3。然而，與過去開源的 AlphaFold 系列不同，IsoDDE 選擇完全閉源，程式碼、論文與模型方法均未公開，引發科學界對 AI 科研工具未來開放性的討論。
Isomorphic Labs 由 Demis Hassabis 創辦並擔任執行長。2024 年，Hassabis 因 AlphaFold 在蛋白質三維結構預測上的突破性貢獻站上諾貝爾領獎台。AlphaFold 模型已被來自 190 多個國家的超過 300 萬名研究者使用，被視為 AI 惠及全球科研的代表案例。AlphaFold 2 於 2021 年開源並在《Nature》發表論文，2024 年推出的 AlphaFold 3 亦發表研究成果，最終向學術界開放。
此次發布的 IsoDDE 則改變策略。Isomorphic Labs 總裁 Max Jaderberg 向《Nature》表示，公司不打算公開核心「秘方」。27 頁技術報告中並未披露模型架構與訓練方法細節，外界僅能根據測試結果推測其技術路徑。
根據報告數據，在測試 AI 處理「從未見過的新蛋白結構」能力的 Runs N" Poses 基準測試中，當測試樣本與訓練資料相似度僅 0-20%(屬於最困難情境) 時，IsoDDE 成功率為 AlphaFold 3 的兩倍。在 60 個最難案例中，有 17 個案例 AlphaFold 3 完全失敗，而 IsoDDE 成功完成預測。在抗體辨識標靶的高精度預測任務中，IsoDDE 成功率為 AlphaFold 3 的 2.3 倍，是開源模型 Boltz-2 的近 20 倍。
在結合親和力預測方面，IsoDDE 亦展現突破。該任務傳統依賴名為 FEP 的物理模擬方法，計算成本極高且需以實驗室晶體結構為起點。IsoDDE 在多項公開測試中不僅超越所有 AI 方法，甚至超越 FEP，同時不需任何實驗數據作為輸入條件。
報告並舉例指出，名為 cereblon 的蛋白過去 15 年間僅被確認存在一個藥物結合位點，直到今年初才透過實驗發現第二個隱藏位點。IsoDDE 僅輸入胺基酸序列，便在數秒內辨識出兩個結合位點，包括隱藏 15 年的位點。哥倫比亞大學計算生物學家 Mohammed AlQuraishi 表示，IsoDDE 在陌生分子體系上的泛化能力令人震撼，但同時指出學界對其技術細節「一無所知」。
Isomorphic Labs 近年積極商業化布局。公司已取得 6 億美元融資，並與 Eli Lilly and Company 及 Novartis 簽署潛在總價值近 30 億美元的合作協議，目前內部推進 17 條藥物研發管線。Hassabis 今年 1 月在達沃斯表示，首批由 AI 設計的藥物預計將於 2026 年底進入臨床試驗。
部分學者指出，公司與藥廠合作可能取得大量私有實驗數據，而這些資料對 IsoDDE 性能提升的貢獻比例外界無法得知。若核心優勢來自資料壁壘而非純粹演算法創新，開源社群追趕難度將顯著增加。
儘管如此，開源陣營仍持續推進。Boltz 創辦人 Gabriele Corso 表示，公開資料仍具改進空間，IsoDDE 雖設下新基準，但仍有可能被超越。另一家公司 Deep Origin 亦宣稱，其 DODock 引擎在 2025 年 8 月即已於相同基準測試達到可比表現。AlphaFold 3 發布後，Boltz-1/2、Chai-1 與 Protenix 等開源模型亦逐步縮小差距。
分析指出，AI 製藥競局與大語言模型發展路徑相似，即閉源公司率先發布突破性成果，開源社群迅速跟進。然而不同之處在於，高品質蛋白質 - 藥物實驗數據並非近乎無限的公共資源，而是部分掌握於大型藥廠手中，這可能形成新的競爭門檻。
從開源的 AlphaFold 到閉源的 IsoDDE，轉變象徵 AI 科學工具從公共資產向商業資產傾斜的趨勢。當最強大的基礎科學 AI 系統僅對付費客戶開放，全球科研生態或將面臨結構性變化。AlphaFold 曾被視為開源精神的象徵，如今 IsoDDE 的出現，為 AI 在科學領域的未來方向帶來新的抉擇。
上一篇
下一篇
