Isomorphic Labs發布專有「AlphaFold 4」藥物發現AI：科學突破還是開放倒退？

從開源先驅到閉門造車：AlphaFold的戰略轉向

AlphaFold的故事是現代科學史上最激動人心的篇章之一。2020年，AlphaFold 2在蛋白質結構預測領域取得革命性突破，隨後Google DeepMind將其完全開源，讓全球研究人員免費使用。這一舉措被譽為「AI造福人類」的典範，直接促成了Demis Hassabis獲得2024年諾貝爾化學獎。2023年發布的AlphaFold 3進一步擴展了預測能力，雖然開源速度有所放緩，但最終仍向學術界開放。

然而，2026年2月21日發布的IsoDDE徹底改變了這一軌跡。Isomorphic Labs明確表示，這款被內部稱為「AlphaFold 4」的系統將完全閉源——不公開模型權重，不提供免費API，不允許學術研究者獨立存取。這不僅是技術代際的飛躍，更是哲學立場的根本轉變。

Isomorphic Labs CEO在聲明中解釋：「IsoDDE代表了數十億美元研發投入的結晶。我們有責任以最負責任的方式部署這項技術，確保它被用於真正能拯救生命的藥物開發，而非被無序使用。」這番話在科學界引起了截然對立的反應。

IsoDDE的技術突破：27頁報告揭示了什麼

儘管IsoDDE本身是閉源的，Isomorphic Labs發布的27頁技術報告仍然包含了足夠的細節，讓科學界得以評估其能力。多位計算生物學領域的頂尖學者在閱讀報告後表示「印象深刻但又充滿疑慮」——印象深刻的是技術能力的躍升，疑慮的是無法獨立驗證這些聲稱。報告揭示的核心突破主要集中在三個層面。

第一，蛋白質-藥物交互作用預測。AlphaFold 3已經能夠預測蛋白質如何與小分子結合，但精度在許多藥物靶點上仍不足以指導實際藥物設計。IsoDDE將結合位點預測的均方根偏差（RMSD）降低了約40%，在報告測試的412個藥物靶點中，有87%達到了「可直接指導合成」的精度等級。這意味著計算預測的結果可以直接送到化學實驗室進行合成驗證，無需反覆迭代。

第二，抗體結構設計。抗體藥物是現代製藥業增長最快的領域，2025年全球抗體藥物市場規模已超過3,000億美元。但抗體的CDR區域（互補決定區）結構預測極為困難，因為這些區域具有高度的構象靈活性。IsoDDE引入了一種新的「動態構象採樣」方法，能夠同時預測抗體的多種可能構象及其與抗原的結合模式，報告稱這一能力在業界尚屬首次。對於正在開發雙特異性抗體和抗體-藥物偶聯物（ADC）的製藥公司而言，這一能力可能具有變革性意義。

第三，全流程整合。與AlphaFold 3只負責結構預測不同，IsoDDE將結構預測、分子生成、毒性預測、代謝穩定性評估和合成可行性分析整合在一個統一的框架中。研究者輸入一個疾病靶點，系統可以直接輸出一組經過多維度篩選的候選分子，附帶合成路線建議。這種端到端的整合消除了傳統藥物發現流程中各環節之間的數據轉換和溝通成本，使得整個過程從碎片化的「接力賽」變成了流暢的「一站式服務」。

為何選擇閉源？商業邏輯與科學倫理的碰撞

IsoDDE的閉源決定並非任意之舉，背後有清晰的商業和戰略邏輯。Isomorphic Labs自2021年由Hassabis創立以來，一直在尋找將DeepMind的科學突破轉化為商業價值的路徑。公司早期嘗試了學術授權模式，但發現學術機構的支付能力和意願遠遠無法覆蓋開發成本。

與Eli Lilly和Novartis簽訂的價值超過30億美元的合作協議表明，公司已經找到了真正的商業答案：成為製藥業的「AI基礎設施供應商」。在這個定位下，Isomorphic Labs不直接開發藥物，而是為大型製藥公司提供AI驅動的藥物發現服務，收取前期授權費加上里程碑付款和銷售分成。

在這個商業模式中，IsoDDE的價值直接取決於其獨佔性。如果模型開源，任何大型製藥公司都可以自行部署，Isomorphic Labs的談判籌碼將大幅削弱。從純粹的商業角度看，閉源是理性的選擇。

然而，批評聲浪同樣強烈。多位結構生物學家在社交媒體上表達了失望和憤怒。超過500名科學家在48小時內簽署了一封公開信，呼籲Isomorphic Labs至少向學術研究者提供有限存取。

一位曾經參與AlphaFold早期評估的劍橋大學教授寫道：「AlphaFold的開源讓整個蛋白質科學領域前進了十年。現在他們把AlphaFold 4鎖起來，受影響的不是競爭對手，而是那些無法支付天價授權費的學術實驗室和發展中國家的研究機構。」

這場爭論的核心問題是：當AI模型的能力達到可以直接影響人類健康的水平時，它應該被視為公共知識還是私有財產？AlphaFold系列的演變軌跡提供了一個令人不安的答案——隨著技術價值的提升，開放的意願似乎在下降。

製藥業研發時間表的顛覆性重構

拋開開源爭議，IsoDDE對製藥行業的潛在影響是巨大的。傳統藥物研發的時間表令人沮喪：從靶點發現到候選藥物確定通常需要3-5年，臨床前研究再加1-2年，三期臨床試驗又需要6-8年。整個過程平均耗時12-15年，成本超過26億美元，而最終成功率僅約8%。

IsoDDE的全流程整合能力有望將前端——從靶點到候選藥物——的時間從3-5年壓縮到3-6個月。這一速度提升的意義不僅在於時間本身，更在於它允許製藥公司同時探索更多的靶點和治療方向，從根本上改變研發的策略思維。

Isomorphic Labs已經在其與Eli Lilly的合作中展示了這一點：一個針對特定炎症靶點的項目在4個月內就產生了具備臨床前開發條件的候選分子，而製藥公司內部團隊在同一靶點上已經工作了兩年多卻未能取得突破。據了解，Novartis也在利用IsoDDE探索至少五個此前被認為「不可成藥」的靶點，初步結果令人鼓舞。

但需要謹慎的是，藥物研發的最大瓶頸並非候選分子的發現，而是臨床試驗。即使AI能以閃電般的速度找到有希望的分子，臨床試驗仍然需要在真實患者身上逐步驗證安全性和有效性，這一過程受到生物學規律和監管要求的硬性約束，無法輕易壓縮。因此，IsoDDE可能將整體藥物開發周期從12-15年縮短到7-10年——這已經是革命性的改變，但遠非某些媒體報道暗示的「數月內完成」。

值得注意的是，IsoDDE在降低藥物研發失敗率方面可能比縮短時間更具價值。傳統藥物研發中，超過90%的候選分子在臨床試驗中被淘汰，主要原因是療效不足或毒性過高。如果IsoDDE的毒性預測和代謝穩定性評估能力如報告所述，它可以幫助研究者在進入昂貴的臨床試驗之前就篩除大部分不合格候選分子，從而大幅降低研發的總體成本和失敗風險。對於每個候選藥物平均臨床試驗成本高達數億美元的製藥業來說，這可能比節省時間更為重要。

競爭格局：Isomorphic Labs並非獨行俠

AI藥物發現已經成為一個擁擠的賽道，Isomorphic Labs雖然擁有強大的技術底蘊，但並非沒有競爭對手。以下是幾家值得關注的主要玩家。

Recursion Pharmaceuticals是目前上市AI藥物發現公司中市值最高的一家，估值超過60億美元。Recursion的差異化在於其龐大的生物學數據集——公司擁有全球最大的細胞形態學數據庫，包含超過500億張高解析度細胞圖像。Recursion的策略是「數據優先」，通過大規模實驗生成訓練數據，而非像Isomorphic Labs那樣依賴物理學原理驅動的模型。

Insilico Medicine已經將多款AI發現的候選藥物推進到臨床試驗階段，其中針對特發性肺纖維化（IPF）的候選藥物進展最為領先，目前處於第二期臨床試驗。Insilico的優勢在於執行速度和臨床經驗的積累，但其AI平台的預測精度被認為不及IsoDDE。

Absci專注於抗體藥物設計，使用生成式AI直接設計全新的抗體序列。2025年底，Absci宣布其AI設計的抗體在動物實驗中展示了與傳統方法相當的效力，但開發時間僅為傳統方法的六分之一。

此外，中國的AI藥物發現領域也在迅速崛起。英矽智能（Insilico Medicine的中國分支）、晶泰科技和深勢科技等公司正在利用中國龐大的臨床數據和相對寬鬆的監管環境加速推進。晶泰科技在2025年以超過20億美元的估值完成了新一輪融資，其AI平台在小分子藥物設計方面的能力被業界認為僅次於Isomorphic Labs。

Isomorphic Labs的核心優勢在於其與Google DeepMind的關係——它可以直接利用DeepMind的前沿基礎模型、計算資源和人才儲備。這是任何獨立創業公司都無法複製的優勢。但這也意味着它的成敗在很大程度上取決於Alphabet的持續支持和戰略耐心。

開放與封閉之間：AI科學的十字路口

IsoDDE的發布恰逢AI領域「開放 vs 閉源」辯論白熱化的時期。在大型語言模型領域，Meta的Llama系列堅持開源路線，而OpenAI和Anthropic則走向封閉。在科學AI領域，AlphaFold的閉源轉向可能設定一個危險的先例。

支持閉源的論點並非沒有道理。藥物發現AI的濫用風險確實存在——相同的分子設計能力理論上可以被用於設計生物武器或有毒化合物。美國國防部高級研究計劃局（DARPA）在2025年的一份報告中就曾警告，先進的分子設計AI可能成為生物安全威脅的放大器。此外，閉源模式允許公司對使用案例進行審查，確保技術被負責任地應用。

但批評者指出，這些安全顧慮更像是商業決策的事後合理化。如果安全是首要考量，Isomorphic Labs可以採取「受控開放」模式——像某些基因組學數據庫那樣，要求申請人通過審查後才能存取。完全閉源的選擇更多地服務於商業獨佔，而非公共安全。事實上，生物武器的製造瓶頸從來不在分子設計，而在合成和投遞——這些環節不會因為AI模型開源而變得更容易。

對於香港和亞太地區的生物科技生態而言，IsoDDE的閉源意味着本地研究機構可能無法直接使用這一最強大的AI藥物發現工具。香港科技大學和香港大學的結構生物學實驗室一直是AlphaFold的活躍用戶，IsoDDE的閉源對這些團隊的競爭力將產生實質影響。

科學園內的AI生物科技初創企業也需要重新評估其技術路線——是尋求與Isomorphic Labs合作，還是投資開發自己的替代方案。香港政府在2025年的施政報告中將生命健康科技列為重點發展領域之一，IsoDDE的閉源挑戰進一步凸顯了培育本地AI藥物發現能力的迫切性。

展望：藥物發現的未來是AI驅動的，但誰能受益？

IsoDDE的發布標誌着AI藥物發現從「概念驗證」階段正式進入「工業化部署」階段。這不僅是Isomorphic Labs的里程碑，更是整個AI製藥產業的分水嶺。未來12-18個月，我們預期將看到以下發展：

• 更多製藥巨頭加入：除Eli Lilly和Novartis外，其他頂級製藥公司（如Pfizer、Roche、AstraZeneca）預計將尋求與Isomorphic Labs或其競爭對手的合作
• AI設計藥物的臨床管線擴大：目前全球約有30款AI發現的候選藥物處於不同臨床階段，這一數字預計在2027年底前將超過100款
• 開源替代方案的崛起：IsoDDE的閉源將刺激學術界和開源社區開發替代方案，類似Meta Llama對GPT-4的回應
• 監管框架的加速演變：FDA和EMA已經開始制定AI輔助藥物開發的特殊審查指南，IsoDDE的出現將加速這一進程
• 人才爭奪戰升溫：具備AI和藥物化學雙重背景的研究人員將成為製藥業最搶手的人才，薪資水平預計將進一步攀升

最根本的問題是：當AI有能力大幅加速藥物發現時，誰應該控制這項技術？如果答案是「出價最高的人」，那麼AI藥物發現的紅利將集中在少數大型製藥公司手中，全球健康不平等可能進一步加劇。如果答案是「所有人」，那麼我們需要找到一種商業模式，既能為開發者提供回報，又能確保這項技術被廣泛分享。

世界衛生組織（WHO）總幹事最近在一次公開演講中表示，AI驅動的藥物發現有可能成為縮小全球健康差距的關鍵工具，但前提是相關技術必須以公平的方式被分享。IsoDDE的閉源發布顯然與這一願景存在張力。如何在商業可持續性和公共利益之間取得平衡，將成為未來數年AI醫藥領域最重要的政策議題之一。

Hassabis在2024年的諾貝爾獎演講中說：「AI是人類有史以來最強大的工具，它應該造福所有人。」IsoDDE的閉源發布讓人不禁想問——這個「所有人」的範圍，是否正在悄然縮小？

從投資角度來看，IsoDDE的發布對Alphabet的股價產生了正面影響，盤後上漲約2.3%。分析師普遍認為，Isomorphic Labs正在成為Google DeepMind商業化戰略的核心支柱之一，其潛在價值可能在未來數年內達到數百億美元。

對於正在關注AI醫藥賽道的香港投資者而言，IsoDDE的出現既帶來了機遇——可以通過投資Alphabet間接參與——也帶來了挑戰——本地AI生物科技企業需要面對一個更加強大的競爭者。整體而言，IsoDDE代表了AI藥物發現領域的一個轉折點，其影響將在未來數年逐步展現。