號稱具有美膚、肌肉恢復和增肌效果的注射劑，正吸引著越來越年輕的群體，包括年輕男性乃至青少年。 從記事起，特雷弗·拉科姆(Trevor Larcom)就渴望改變自己的外貌。 作為一名童星，拉科姆在公眾的注視下長大，曾出演情景喜劇《初來乍到》(Fresh Off the Boat)和《歡樂再滿屋》(Fuller House)，但體型一直偏胖。18歲那年，他的體重達到了300磅，於是他開始專注於健身並控制熱量攝入。 然而，當體重降至170磅時，他依然缺乏自信，感情生活也屢屢碰壁。他回憶起當時的想法：如果我能改變自己的容貌，給別人留下不一樣的印象呢？

劑泰科技（股票程式碼：“07666”）今日在港交所上市，發行價為10.5港元，募資淨額為20億港元。劑泰科技由此成為全球AI藥物遞送第一股，也是港股AI大分子生物製藥第一股。 劑泰科技今日開盤價為28.68港元，較發行價上漲173%；收盤價為23.8港元，較發行價上漲127%；以收盤價計算，公司市值274億港元。劑泰科技公司市值一度突破300億港元。 上市前，劑泰科技累計融資超過3億美元，紅杉中國、人保資本、五源資本、中國人壽、光速中國、峰瑞資本、招銀國際資本、原始碼資本、晶泰控股、Monolith等加持。 此次上市過程中，貝萊德、UBS AM Singapore、未來資產、高瓴HHLRA、Deerfield、RTW基金、Arc Avenue、Huadeng Technology、廣發基金、工銀瑞信實體、華夏基金（香港）、富國基金、Lake Bleu等一共認購1.48億美元（約11.59億港元）。

以AI驅動的奈米遞送技術為突破口，這家致力於做“大分子生物製藥產業基建”的企業，今日港股敲鐘，股價大漲。 5月13日，劑泰科技（北京）股份有限公司（簡稱：劑泰科技）正式在港交所掛牌，成為全球“AI藥物遞送第一股”，也是港股“AI大分子生物製藥第一股”。聯席保薦人為Jefferies、Deutsche Bank及中信證券。上市首日，劑泰科技開盤價較招股價大漲173.14%，截至今日收盤，其股價為23.8港元/股，漲幅為126.67%，儘管有所回落，但整體仍處高位，總市值274.3億港元，並創下港股醫療健康行業年內募資之最、認購金額之最等多項紀錄。 劑泰科技的基石投資者呈現全明星陣容，包括全球資管巨頭貝萊德、瑞銀資產管理、國風投創新投資基金、未來資產、高瓴旗下HHLRA、紅杉中國種子基金等18家一線科技投資機構。 值得關注的是，這家創立僅6年的企業究竟如何？憑什麼能吸引眾多資本？

香港公開發售錄得超6900倍超額認購。 2026年以來，全球製藥巨頭正密集落子「藥物遞送」賽道。 2月，羅氏與聖因生物達成總額最高17億美元的全球研發合作，核心落點在RNA干擾療法的遞送技術；4月，禮來斥資最高70億美元收購Kelonia Therapeutics，後者是一家專注於基因遞送技術的體內CAR-T療法公司。 兩筆重量級交易，共同指向一個行業共識：發掘優質靶點是創新藥的起點，但能否將藥物精準送達病竈，才是決定研發成敗的關鍵。

3月25日，劑泰科技聯合創始人兼CEO賴才達博士受邀出席“數智未來”大興未來產業思享會，期間與未來學家凱文·凱利同台對話探討“10,000天後的世界”以及AI如何重構產業的底層邏輯。“數智未來”大興未來產業思享會是十五五開局之年，大興區為區域經濟和企業創新尋找確定性的開年思想盛會，旨在搭建思想碰撞的橋樑，連接凱文·凱利預判未來的結構性力量和本土企業家破局當下的實幹探索。賴才達博士：AI藥物發現的未來將實現疾病細胞重程式設計AI製藥使個性化藥物成為可能。 我們知道人體內有30兆個不同的細胞，每個細胞有2萬個基因，整個人體是六十萬兆個基因的大語言資料模型庫。今天我們講的AI藥物發現，這不是傳統意義的藥物，而是如何將疾病細胞做重新程式設計。劑泰科技通過AI賦能自主研發奈米遞送系統，讓大分子藥物可以被遞送到體內，在未來可能實現細胞重新程式設計為健康狀態。以AI加速藥物研發是劑泰科技每天的工作內容。我們在探索遞送不同治療模式到腫瘤組織中，在腫瘤組織中表達雙特異性抗體，研發突破性的實體瘤療法，最終能夠在臨床上惠及患者。在未來，也許最終能實現對體內衰老細胞的精準預測，再通過個性化藥物針對特定細胞完成重新程式設計。AI和AI製藥，將不僅僅是效率的提升，而是根本性的改變。另一個未來的突破是您曾提到的數字孿生，可以復刻個體的生物模型，在人體個性化治療前完成所有的治療測試。凱文·凱利：從“肌肉力”、“人工力”到“AI時代”的躍遷我們往往會高估短期事件發生的速度，而低估長期事件發生的影響。我們今天談到人工智慧在加速藥物發現，Chris（賴博）談到用AI做奈米材料的開發和藥物遞送。類似的變革將發生在材料創新領域，也會發生在其他所有地方。這是讓人興奮的變革。這好像是工業時代的電力革命。電力革命在當時觸及了整個世界，這讓人類第一次有了“人造力”（“artificial power”）。而在工業革命之前，世界上的一切，無論動物或人類，或是修建房屋，你必須要有“肌肉力”“muscle power”。“人造力”替換了“肌肉力”，是一種更低成本的基礎推動力。但今天人工智慧首次出現了，雖然這種力量有點未來感，但它已經真實地在此刻。我們能夠清楚地感知到，這是一種顛覆性的力量。 一種不同的力量。人工智慧是一種讓人歎為觀止的科技，它將徹底改變材料、教育和健康領域的創新。關於劑泰科技AI奈米遞送，開啟健康未來。 劑泰科技是一家人工智慧（AI）驅動奈米材料創新的生物科技公司，專注於利用靶向藥物遞送和發現技術，幫助生命體戰勝疾病和衰老，重獲健康和活力。劑泰科技由美國工程院院士陳紅敏博士以及MIT科學家賴才達博士、王文首博士於2020年聯合創立，已獲得國家專精特新“小巨人”、國家高新技術企業等重要資質認定。公司自主開發全球首個人工智慧驅動的奈米遞送平台NanoForge，擁有目前全球最大規模千萬級LNP脂質庫，並基於NanoForge打造了三大核心解決方案：AiLNP（AI奈米遞送系統設計平台）、AiRNA（AI mRNA序列設計平台）、AiTEM（AI小分子製劑設計平台）。公司已具備實現精準靶向肝臟、肺部、肌肉和免疫細胞等8個關鍵器官或組織的LNP遞送能力，在多器官、多組織靶向遞送難題上取得突破性進展，為腫瘤、代謝系統疾病、自體免疫性疾病、神經系統退行性疾病等提供成藥機會，也在器官水平上為生命體抗衰提供可能。 (劑泰科技)

據英國《泰晤士報》網站4月5日報導，美軍機組人員駕機從位於英國的基地前往伊朗上空作戰時，要靠莫達非尼片（一種中樞神經興奮藥物，主要用於治療嗜睡症——本網注）保持長途飛行途中的清醒。報導稱，在二戰期間，執行夜間空襲任務的英國皇家空軍飛行員會使用苯丙胺來保持清醒，而莫達非尼被視為較為安全的替代品。由於航線繞遠，而且需要多次空中加油，美軍機組人員往往需要長達18小時的長途飛行，這些藥片可以幫助他們保持清醒。西班牙的全面禁飛，以及法國、義大利、英國、瑞士和奧地利對某些軍用飛機的飛行限制，讓美軍指揮官們頭疼不已。美軍不得不改變飛行航線，繞道飛行。對於從英國費爾福德皇家空軍基地起飛的美軍B-1B和B-52轟炸機來說，如果直接通過法國、義大利和希臘領空飛越地中海、伊拉克或土耳其抵達作戰地點，往返飛行僅需10.5小時，這還包括4次空中加油的時間。而用時較長的南部繞行航線，不僅飛行時間長，而且還需要轟炸機執行8次45-50分鐘的高精度飛行，以便與空中加油機對接加油。報導指出，美國對伊朗作戰非常依賴遠端空中力量和持續的後勤支援，而歐洲國家的限制增加了作戰的複雜性。西班牙以美國此次軍事行動非法為由採取了強硬行動，使問題進一步複雜化。位於西班牙安達盧西亞的莫龍空軍基地是美國空軍的戰略前沿行動地點。在西班牙發出禁令後，美軍的很多加油機和其他飛機飛離了西班牙並被重新部署。由於西班牙等國的禁飛令，美軍加油機編隊不得不瘋狂工作。專家們透露，機組人員的疲勞和地中海東部“加油走廊”的飛機密度過大，或導致兩架KC-135加油機在伊拉克上空相撞。報導稱，迂迴的飛行路線也大大削弱了美軍行動的保密性。公共飛行追蹤網站會標記大型加油機的飛行軌跡，因為這些加油機飛行時通常會打開ADS-B資料發射器，這與所有大型民用飛機是一樣的。加油機的飛行軌跡即時暴露了通常隱蔽飛行的轟炸機的位置。 (牛彈琴)

Anthropic 花了 4 億美金，買了一家不到 10 個人的生物科技公司。這家公司叫 Coefficient Bio，去年秋天才成立，做的事情是用 AI 來做藥物研發規劃、臨床策略管理和新藥候選發現。Anthropic CEO Dario Amodei4 億美金，不到 10 個人，折算下來每個人值 4000 多萬美金。這個數字乍看離譜，但放在 Anthropic 最新 3800 億美金的估值下，其實只稀釋了大約 0.1%。用一個比喻來說的話：這筆交易就像一個身家千億的富豪，花了一頓米其林晚餐的錢，請了一桌頂級生物學家坐下來聊聊。只不過這頓飯，聊的是，人類的生死。01他們是誰Coefficient Bio 的兩位創始人 Samuel Stanton 和 Nathan Frey，都來自 Genentech 旗下的 Prescient Design，一個專門做計算藥物發現的團隊。Coefficient Bio 聯合創始人 Nathan Frey（左）和 Samuel Stanton（右）Nathan Frey 是個挺厲害的角色。賓大材料科學博士，之前在 Genentech 帶了一支跨學科團隊，做生物基礎模型和 AI 分子設計。他在 2024 年的 ICLR 上拿過最佳論文獎，研究的是用生成模型來設計藥物候選分子。Samuel StantonSamuel Stanton 則是 NYU 資料科學博士，同樣在 Prescient Design 做過機器學習科學家。兩個人從羅氏/Genentech 出來創業，半年後就被 Anthropic 收了。速度之快，倒是讓人想起了當年 DeepMind 收購 Isomorphic Labs 團隊的路數。收購之後，這個團隊會併入 Anthropic 的醫療健康與生命科學部門，負責人是 Eric Kauderer-Abrams。Eric 在今年 1 月的 JP Morgan 醫療健康大會上說過一句話：“ 我們的目標，是把 Claude 變成生物學領域最受歡迎的 AI 模型。02不只是買個軟體這筆收購的訊號，其實非常明確：Anthropic 買的，不只是幾個工程師和幾行程式碼。Coefficient Bio 做的事情，是讓 AI 能接管生物科技研究中的實際工作流：起草藥物研發計畫、管理臨床試驗的合規策略、篩選新藥候選分子。這些活兒需要深厚的領域知識，光靠通用大模型是幹不了的。換句話說，Anthropic 買的是「生物學的手感」。是那種知道一個臨床試驗要怎麼設計、FDA 的審批流程那裡有坑、什麼樣的分子結構值得深入研究的經驗。這也解釋了為什麼不到 10 個人值 4 億。因為這類人才，在整個行業裡可能也就那麼幾十個。03Dario 的預言說到 Anthropic 進軍生物學，就不得不提 Dario Amodei 在 2024 年 10 月發的那篇著名長文：《Machines of Loving Grace》，見：剛剛！Anthropic CEO Dario Amodei 發文：人工智慧如何讓世界變得更美好【附全文翻譯】。Anthropic CEO Dario Amodei一萬五千字，核心論點之一就是：AI 加速的生物學，可以在 5 到 10 年內，壓縮人類生物學家原本需要 50 到 100 年才能取得的進展。這話聽著像科幻，但 Dario 給出了具體的論證。他的邏輯是這樣的：20 世紀，人類平均壽命從大約 40 歲翻到了大約 75 歲，差不多翻了一倍。如果 AI 能把 21 世紀的生物學進展壓縮到 5 到 10 年內完成，那再翻一倍到 150 歲，算是「趨勢延續」。人類壽命翻倍趨勢而且他指出了幾個關鍵事實：•  已經有藥物能把老鼠的最大壽命延長 25% 到 50%，副作用還很小•  有些烏龜能活 200 年，說明人類目前的壽命顯然不是什麼理論上限•  一旦人類壽命達到 150 歲，我們可能就觸及了「逃逸速度」：活得夠久，就能等到下一代續命技術Dario 原文是這麼寫的：“ 一旦人類壽命達到 150 歲，我們或許就能達到「逃逸速度」，為目前活著的大多數人爭取到足夠的時間，讓他們想活多久就活多久。當然，這在生物學上是否可行，沒人能打包票。04疾病會怎樣Dario 在那篇文章裡，對主要疾病的預測非常詳細。Dario 的疾病攻克預測傳染病：幾乎所有自然傳染病都將可防可治。mRNA 疫苗已經指明了方向，未來的疫苗技術可以快速適配任何病原體。癌症：死亡率和發病率都會下降 95% 以上。他提到，癌症死亡率其實每年已經在以大約 2% 的速度下降了，而 AI 加速的早期檢測和靶向藥物會讓這個趨勢急劇加快。阿爾茨海默症：Dario 認為這恰恰是 AI 擅長解決的問題類型，因為它需要更精密的測量工具來隔離生物學效應。預防應該可以實現，但已經造成的腦損傷要逆轉……可能就難了。糖尿病、肥胖、心臟病：他認為這些比癌症「更容易解決」。心臟病死亡率已經下降了 50%，GLP-1 類藥物（就是大家熟知的司美格魯肽那一類）的進展更是肉眼可見的快。當然他也承認，這一切的前提是 AI 要能夠「執行」生物學研究，而不只是「分析」資料。“ 我說的不是把 AI 當資料分析工具。我說的是用 AI 來執行、指導、並改進生物學家做的幾乎所有事情。指揮實驗室機器人、設計實驗方案、發明新的測量技術，這些都得上。05速度的邊界不過 Dario 也沒有盲目樂觀。他列出了幾個 AI 加速生物學的「硬限制」：細胞培養需要時間，動物實驗需要時間，化學反應需要時間。這些是物理世界的節奏，再強的 AI 也壓縮不了。還有資料質量的問題，生物複雜性的問題，以及很多發現之間存在序列依賴，必須一步一步來，沒法全部平行。他的估計是：10 倍加速是現實的，但 100 倍壓縮到一兩年內……不太行。話說回來，10 倍就已經夠嚇人了。原本需要 50 年的研究進展，5 年搞定。06Anthropic 的佈局回頭看 Anthropic 在生命科學領域的動作，其實是一條清晰的線：Anthropic 生命科學佈局時間線2025 年 10 月，發佈 Claude for Life Sciences，讓 Claude 能連接 Benchling、BioRender 等科研工具。2026 年 1 月，在 JP Morgan 醫療健康大會上推出 Claude for Healthcare，一套符合 HIPAA 標準的工具包，能連接醫療資料庫、電子病歷系統。還宣佈了新的臨床試驗文件自動撰寫功能。合作夥伴名單也非常亮眼：賽諾菲、諾和諾德、Genmab、AbbVie、Allen 研究所、HHMI。2026 年 4 月，收購 Coefficient Bio。從賣工具，到建平台，到直接買團隊。步子越來越大了。Eric Kauderer-Abrams 的那句話，現在看來也不只是口號：“ 把 Claude 變成生物學領域最受歡迎的 AI 模型。他們是認真的。07不只 Anthropic值得一提的是，Anthropic 並不是唯一在押注 AI + 生物的大玩家。AI 藥物發現加速對比Google DeepMind 的 AlphaFold 在 2024 年拿了諾貝爾化學獎，旗下的 Isomorphic Labs 已經在準備 AI 設計藥物的人體臨床試驗。Insilico Medicine 用 AI 把一個纖維化候選藥物從發現推進到人體試驗，只用了不到 18 個月，傳統路徑通常要 4 年。AI 製藥市場從 2023 年的 18 億美金，預計到 2030 年會增長到 131 億美金。整個行業的共識已經很明確了：AI 對生物學的加速效應，可能會是 AI 所有應用場景中，最深遠的那一個。畢竟，提高程式設計效率是讓人寫程式碼更快。而加速生物學研究，是讓人活得更久。壽命逃逸速度概念圖回到 150 歲Dario 在那篇文章的最後，還提到了一個更大膽的概念：生物自由。他認為 AI 加速的生物學研究，最終會讓人類對自己的體重、外貌、生殖等生物過程擁有完全的控制權。這聽起來有點賽博朋克，但如果你看看 GLP-1 藥物在短短幾年內對肥胖治療的顛覆，就知道這個方向的推進速度比大多數人預期的要快。而 Anthropic 用 4 億美金收購一個不到 10 人的生物科技團隊，說到底，押的就是這個未來。通用大模型想要真正改變一個領域，得先變成那個領域的專家。Coefficient Bio 的團隊，就是幫 Claude 變成生物學專家的那塊拼圖。至於我們能不能活到 150 歲……Dario 說了，沒人能打包票。但至少現在，有人在認真賭這件事了。所以，除了擁抱 AI，我們現在最應該做的事情大概就是：注意身體，保護好自己。萬一真等到了呢。 (AGI Hunt)

【新智元導讀】Google旗下的 Isomorphic Labs 發佈新一代 AI 藥物設計引擎 IsoDDE，性能全面碾壓 AlphaFold 3，能在幾秒內發現科學家花 15 年才找到的隱藏結合位點。但與開放原始碼的 AlphaFold 不同，IsoDDE 選擇完全閉源，程式碼、論文、方法均不公開。AI 造福科學的開源黃金時代，可能正走向終結。Google旗下的同樣由 DeepMind CEO Demis Hassabis 擔任 CEO 的 Isomorphic Labs 發佈了被 Nature 稱為「AlphaFold 4」的新一代 AI 藥物設計引擎 IsoDDE。它全面碾壓前代，卻選擇完全閉源。AI 造福科學的黃金時代，可能正在關上大門。2024 年，Demis Hassabis 因為 AlphaFold 站上諾貝爾領獎台。這個能預測蛋白質三維結構的 AI 模型，被 190 多個國家超過 300 萬研究者使用，堪稱 AI 惠及全人類的標竿案例。諾貝爾委員會嘉獎的，與其說是一個演算法，不如說是一種精神——把最強大的科學工具免費交到每一個研究者手中。16 個月後，AlphaFold 的繼承者亮相了。2 月 10 日，Hassabis 創辦的 AI 製藥公司 Isomorphic Labs 發佈了 27 頁技術報告，展示一套名為 IsoDDE 的藥物設計引擎，性能全面碾壓 AlphaFold 3，被哥倫比亞大學計算生物學家 Mohammed AlQuraishi 評價為「AlphaFold 4 等級的重大進步」。https://storage.googleapis.com/isomorphiclabs-website-public-artifacts/isodde_technical_report.pdf但這一次，程式碼不會公開，論文不會發表，方法不會共享。Isomorphic Labs 總裁 Max Jaderberg 對 Nature 說得很直白：我們不打算公開「秘方」。AlphaFold 的開源傳奇，很可能到第三代就是終點了。能力確實強得嚇人先說 IsoDDE 做到了什麼，這有助於理解後面的爭議為什麼這麼大。打一個不太嚴謹的比方：如果把蛋白質想像成一把鎖，藥物分子就是鑰匙。AlphaFold 做的事情，是幫你看清這把鎖長什麼樣。但光看到鎖還遠遠不夠——你得知道鑰匙插進去能不能轉動，轉得緊不緊，甚至你得發現鎖上還有沒有別的你根本沒注意到的鑰匙孔。IsoDDE 要回答的就是這些更難的問題。它是一個統一引擎，把結構預測、結合強度計算、隱藏結合位點發現等能力整合在一起。數字很能直觀說明問題。在一項專門考驗 AI 能否處理「從沒見過的」新蛋白結構的測試中（Runs N' Poses 基準），當測試樣本跟訓練資料的相似度低到 0-20% 時（這是最難的情況），IsoDDE 的成功率是 AlphaFold 3（AF3）的兩倍多。60 個最難案例裡，有 17 個案例是 AlphaFold 3 徹底失敗而 IsoDDE 做對了。AlphaFold 3 在此示例中失敗，IsoDDE 正確在預測抗體如何識別靶標這件事上，IsoDDE 的高精度預測成功率是 AlphaFold 3 的 2.3 倍，是另一個主流開源模型 Boltz-2 的近 20 倍。最令同行驚訝的是結合親和力預測——也就是判斷藥物分子和靶點結合得有多緊。這個任務傳統上依賴一種叫 FEP 的物理模擬方法，計算成本極高，需要實驗室提供晶體結構作為起點。IsoDDE 在多個公開測試中不僅全面超過所有 AI 方法，甚至超過了 FEP，而且它根本不需要任何實驗資料做起點。技術報告裡還有一個特別漂亮的案例。有一個叫 cereblon 的蛋白，科學家們花了 15 年，一直以為它只有一個藥物結合位點。直到今年年初，一篇新論文才通過實驗發現了第二個隱藏的結合位點。而 IsoDDE 僅僅輸入這個蛋白的氨基酸序列，就把兩個位點全部找了出來——包括那個藏了 15 年的。實驗室要做同樣的事，需要昂貴的晶體浸泡實驗和大量時間。IsoDDE 只要幾秒鐘。AlQuraishi 說，他最震撼的是 IsoDDE 在完全陌生的分子體繫上展現出的泛化能力，「這說明他們一定做了非常新穎的東西」。閉源：故事真正令人不安的部分如果 IsoDDE 是一個普通的商業軟體，閉源天經地義，沒什麼好說的。問題在於，它的前身 AlphaFold 代表著一種截然不同的價值觀。AlphaFold 2 在 2021 年開源，配套論文發表在 Nature 上，預測結果免費向全球開放。這件事的意義遠超技術本身——它證明了一種可能性：由科技巨頭資助的前沿 AI 研究，可以真正成為全人類的公共品。超過 300 萬科學家用它做了自己的研究，無數項目因此加速，生物學的整條河流被它改變了流向。2024 年的 AlphaFold 3 同樣發表了論文，雖然程式碼開放原始碼的速度引發過爭議，但最終也面向學術界開放。IsoDDE 打破了這個傳統。27 頁技術報告裡幾乎沒有模型架構和訓練方法的任何細節。Nature 的報導副標題直截了當：科學家們「只能猜測如何實現類似的結果」。Jaderberg 對 Nature 說的話耐人尋味。他說希望這份報告能「激勵」其他團隊。但 AlQuraishi 的反應恐怕更能代表學術界的真實感受：「問題在於，我們對細節一無所知。」有人覺得 Isomorphic Labs 作為商業公司保護自己的核心技術合情合理。這當然沒錯。但值得追問的是：當 AI 在科學領域的能力越來越強、越來越集中在少數公司手裡時，這些能力的開放程度，誰來決定？Isomorphic Labs 已經拿到 6 億美元融資，跟禮來和諾華簽了潛在價值近 30 億美元的合作協議，內部運行著 17 條藥物管線。Hassabis 今年 1 月在達沃斯說，首批 AI 設計藥物預計 2026 年底進入臨床試驗。這家公司正在從一個科研機構變成一台商業機器。武田製藥的計算結構生物學家 Diego del Alamo 指出了另一個微妙之處：Isomorphic Labs 此前投入大量精力與藥企合作，可能獲得了大量私有實驗資料。這些額外資料對 IsoDDE 性能的貢獻有多大，外界無從知曉。如果核心優勢來自資料壁壘而非演算法創新，那所謂的「激勵」就更像是一種姿態。開源陣營並沒有認輸閉源引發焦慮，但也引燃了競爭。Boltz-2 的聯合開發者、非營利公司 Boltz 的創始人 Gabriele Corso 態度很明確：他不認為私有資料是關鍵因素，因為公開資料中仍然有大量改進空間。IsoDDE 設定了一個新的性能基線，「需要追趕，也完全可以超越」。另一家公司 Deep Origin 更為高調，直接在 IsoDDE 發佈次日發聲明說，自家的 DODock 引擎在 2025 年 8 月就已經在同一基準測試上達到了可比的性能水平——用的是完全不同的技術路線。https://www.globenewswire.com/news-release/2026/02/11/3236623/0/en/Deep-Origin-Congratulates-Isomorphic-Labs-on-Catching-Up.html開源社區過去兩年也沒閒著。AlphaFold 3 發佈後，多個團隊已經做出了接近甚至部分超越它的開源模型，包括 Boltz-1/2、Chai-1、Protenix 等。AI 製藥領域正在重演大語言模型領域的劇本：一家公司亮出驚豔的閉源成果，整個開源社區迅速跟進，差距從代際縮小到可以追趕的距離。但這裡有一個關鍵區別。語言模型的訓練資料：網際網路文字，是近乎無限的公共資源。而 AI 製藥的訓練資料，特別是高品質的蛋白質-藥物實驗資料，其中相當一部分掌握在藥企手中。如果閉源模型的護城河建立在私有資料上，開源追趕的難度就大得多。關上的門這件事的影響可能超出藥物研發領域本身。過去幾年，「AI 開源推動科學進步」是一個被廣泛接受的敘事。AlphaFold 是這個敘事最有力的證據。每當有人質疑科技巨頭的AI研究到底惠及了誰，AlphaFold 都是最好的回答——看，全世界 300 萬科學家都在免費用它。如今，當 AlphaFold 的直系後代選擇閉源，這個敘事被撕開了一道口子。它暗示了一種可能的未來走向：AI 在基礎科學領域最強大的工具，逐漸從公共品變成商業資產；突破性的成果以技術報告而非同行評審論文的形式發佈；學術界能看到結果，但永遠看不到方法。Hassabis 曾經說過，AI 應用於科學，是比語言模型更豐富的事業。這話沒錯。但豐富的前提是開放。當最強的科學 AI 只對付費客戶敞開，科學共同體裡的絕大多數人就只能在圍欄外面看著。AlphaFold 的諾貝爾獎章上刻著的，是把知識給予所有人的理想。IsoDDE 的技術報告裡寫著的，是一個更強大的未來。兩者之間的距離，就是這個時代正在做出的選擇。 (新智元)