生物医药行业如何悄然重夺科学创新的未来

——为什么 OpenFold 3 代表了新的 Bio-AI 基础平台

AlphaFold 3 改变了科学，而 OpenFold 3 这样的平台改变了规则。本文探讨：生物医药行业如何悄然把“大公司的技术护城河”变成共享基础设施，以及为什么这种转变可能重新定义未来的生物智能。


从未想过，有一天计算化学会变成“主流话题”


在大多数人知道“计算化学”是什么之前，我就已经是这个行业的一员。那时没有 AI，也没有人会在药企研发路线图里认真写上“计算驱动”。我经历过 QSAR 的时代，也经历过分子动力学、自由能计算、虚拟筛选各自的繁荣起落。


这些技术都经历了类似轨迹：发表突破→早期小范围使用→几十年后才引发行业级震荡。


AlphaFold 打破了这一规律。它几乎是一夜之间，成为结构生物学和药物研发的改变者。


战略分岔点出现了

AlphaFold 2 是 Google 深度慷慨的礼物。它“基本解决了”蛋白折叠问题（这当然值得辩论，但这里姑且这么说），并开放了模型代码和权重，一举把结构生物学从“瓶颈学科”带入了“新时代”。


AlphaFold 3 的功能更进一步——它不仅预测蛋白结构，还预测蛋白与 DNA、RNA、小分子等的复合结构。尤其是“包含配体预测结构”的能力，使它成为药物研发流程中真正不可忽视的工具。


然而，“大分歧”从这里开始。


随着 Google 在 2021 年成立 Isomorphic Labs 商业化 AlphaFold 系列产品，AF3 在 2024 年发布时采用了“禁止所有商业使用”的许可证。换句话说，行业无法合法将其用于药物研发——这个模型本来正是为此而生的。


这不是简单的许可调整，而是科学治理模式的转变：

从“科学成果作为公共资源”，转向“科学成果作为商业平台”。


DeepMind 的贡献依然伟大，但生态系统的规则已经改变。

生物医药行业的“前竞争时代”觉醒

对此，生物医药行业的反应不是意识形态式的争论，而是务实的。经过短暂的愤怒与困惑后，一个前所未有的、跨巨头的组织出现了：


OpenFold Consortium（OpenFold 联盟）

这是一个拥有 BMS、强生、AbbVie、武田、诺和诺德、NVIDIA 等巨头成员的联盟——这些公司平时几乎不会在核心研发工具上合作。


加入 NVIDIA 的意义尤其巨大：整个计算基础设施供应链都在支持“开放共享模式”，以避免 AlphaFold 式的软件垄断。


为什么这次大家真的合作了？

原因非常现实：

  • 威胁存在：行业不愿看到 AI 基础设施被一家企业垄断。

  • 成本太高：从零训练一个 AF3 级别的大模型，是十亿级资金的游戏。

于是，联盟得出唯一合理的结论：

结构生物学的基础模型必须成为共享资源。


OpenFold 不是理想主义，而是产业级的经济决策：

把底层工具“商品化”，让竞争回到真正有价值的地方——发现新药。

数据优势被颠覆了

AI 的秘密永远是：谁有数据，谁就赢。在大多数 AI 领域，大型科技公司占优势，因为它们有海量数据。


但在药物研发领域，一个关键事实被很多人忽略：

最重要的数据——高质量、经验证的蛋白-配体结构——大多在药企的私有数据库里。


Google 无法获取这些数据。OpenFold 可以。


Apheris + 联邦学习 = 游戏规则改写

OpenFold 联盟通过 Apheris 的联邦学习框架，让模型在各大药企的内部服务器上训练，数据从未离开公司，一切更新都加密汇总。


最终结果是：OpenFold 模型潜在使用的数据规模，是公共数据库的 5 倍。


更关键的是：这些数据是 真正与药物开发相关的结构，而不是“容易结晶”的结构。


这是 AI 历史上的第一次：开放模型的数据优势超越了闭源模型。


真正的竞争维度——可用 vs. 不可用

行业的核心问题从来不是“开放 vs. 闭源”，

而是：我能否合法、可靠地在自己的数据上运行这个模型？


在可用模型中，目前形成“开放生态双支柱”：OpenFold 3：静态结构预测的基础平台（Apache 2.0）.


目标：实现 AlphaFold3 全功能对标，成为合法可商用的结构预测基础设施。


Boltz-2：结构 + 相互作用 + 动态的建模平台（MIT License）

基于分子动力学数据训练，专注解决结构变化、亲和力预测等 “药物研发核心难题”。


两者不是竞争，而是互补。


开放 vs. 闭源 ——不同的创新引擎

开放不是道德高地，闭源也不是落后者。


AI 基础模型依赖数据 ⇒ 需要开放生态才能持续进步。

物理驱动的算法（如量子化学）依赖工程与科学 ⇒ 闭源更具优势。


未来科学生态必然是“两条道路共存”的格局。


平台胜过产品——新生态从“中心辐射式结构”诞生

AF3 是“产品”：你能用它，但不能修改它。


OpenFold 和 Boltz 是“平台”：为行业提供可检查、可扩展、可二次开发的基础层。


在这种“中心–辐射”式（hub-and-spoke）结构中：

  • OpenFold / Boltz 是“中心”，提供共用能力

  • 各药企基于自己的私有数据微调，形成“专属模型”

核心竞争力从“谁算得更快” → “谁的数据更好”。


这是 AI 生物学的新范式。


开放生态已经开始“跳跃式领先”

闭源 AF3 的定位始终是“预测模型”。

开放生态却走向了“生成式”未来：


BoltzGen：基于 Boltz 平台的生成式设计模型

  • 它不是预测结构，而是直接设计新型蛋白和肽类药物。

  • 论文报告显示，它成功设计出多种纳摩尔级别亲和力的新型结合物，成功率高达 66%。

  • 这是完全超越“AF3 做不到的事”的新能力。


没有过去的开源生态，就没有今天的 Bio-AI

在 AlphaFold 之前，正是 PyMOL、VMD、JMol 等开源工具让 PDB 的价值不断扩大，使结构生物学逐步积累成 AI 可用的大规模基础数据库。


PyMOL 后来被 Schrödinger 收购，但由于市场压力仍必须维护开源版本——这说明：开源生态不仅推动创新，还决定未来科学家的工具习惯。


未来属于“无许可创新”

Google 选择商业化是完全合理的——商业公司有义务为股东创造价值。


但 AF3 的闭源，也让整个行业意识到：基础层必须开放，否则创新将被束缚在一家公司手中。


OpenFold3 作为“静态结构的守门人”，Boltz-2 作为“动力学与相互作用的先锋”，共同构成未来生物智能的基础平台。


下一次 AlphaFold 级别的突破，很可能不是结构预测——而是蛋白动态的预测。

这是开放生态正在提前布局的领域。


总结：革命的下一阶段由开放推动

DeepMind 与 AlphaFold 的贡献毋庸置疑，它点燃了整个领域。但真正重塑未来的力量，是让整个社区能够：

  • 不是等待答案，而是拥有“提更好问题的能力”。

  • 这就是从“封闭神谕”到“开放平台”的根本区别。

  • 这就是“无许可创新”的力量。

也是生物医药行业真正重夺科学创新未来的方式。

整理 | DrugOne团队


参考资料


https://medium.com/@dapscience/the-great-divergence-why-openfold3-represents-a-new-foundational-platform-for-bio-ai-72fd13b9a774

内容为【DrugOne】公众号原创｜转载请注明来源

内容中包含的图片若涉及版权问题，请及时与我们联系删除