AlphaFold 又一次出现在生命科学圈的讨论里，但这次情况不太一样。
据《麻省理工科技评论》中文网报道，谷歌近期推出了一个新 AI 模型 IsoDDE，由 Isomorphic Labs 打造。Nature 评论文章把它称为“AlphaFold 4”。这个叫法很抓人，但需要先说清楚：外界熟悉的 AlphaFold 曾经开放代码，IsoDDE 目前没有公开，只供谷歌自己使用。
这不是一个小差别。AlphaFold 的影响力，很大一部分来自它让更多实验室用上了蛋白质结构预测能力。DeepMind 官方页面对 AlphaFold 的定位是“高精度预测蛋白质结构”。2021 年 7 月 22 日，DeepMind 与欧洲分子生物学实验室 EMBL 合作，发布人类蛋白质组预测结构数据库，覆盖人类基因组表达的约 20000 种蛋白质，并向科学界免费开放。
很多研究者后来可以先查一个预测结构模型，再决定下一步实验怎么做。IsoDDE 则把问题带回到另一个方向：如果模型能力继续增强，但代码、训练细节和完整评测都看不到，科学共同体还能检查到什么？
AlphaFold不只是一个胜利故事
AlphaFold 常被拿来和 AlphaGo 对比。这个比喻容易传播，但也容易把问题说轻了。
2018 年，《中国科学报》记者赵广立在科学网文章中提醒过，预测蛋白质结构的难度和人工智能下棋不是一个数量级；深度学习并不是所有难题的答案，有时候方法思路比深度学习更重要。那时 AlphaFold 已经在蛋白质结构预测任务中表现突出，但文章也指出，它距离“解决折叠问题”仍有差距。
后来的进展确实很快。CASP14 结果公布后，DeepMind 的 AlphaFold 被认为在蛋白质结构预测上取得重大突破。中大唯信转载的 Nature News 文章提到，AlphaFold 在 CASP14 中大幅领先，预测结果可与 X 射线晶体衍射、核磁共振、冷冻电镜等实验技术解析的 3D 结构相媲美。
但“相媲美”不是“实验可以不要”。结构预测越有用，越要知道它在哪里可靠，在哪里容易失手。蛋白质结构会影响靶点分析、蛋白工程和基础生物学判断，后续实验往往要花掉大量时间和资源，不能只看一次漂亮演示。
过去是开放数据库，这次是内部模型
AlphaFold 过去能被广泛讨论，不只是因为结果强，也因为它把工具和数据放到了更多研究者手里。
2021 年，DeepMind 和 EMBL 发布的人类蛋白质组预测结构数据库，覆盖约 20000 种蛋白质，并免费向科学界开放。这种做法降低了门槛：不是每个实验室都要自己训练模型，也不是每个研究者都要先拿到实验解析结构，才能开始提出假设。
IsoDDE 的位置不同。
《麻省理工科技评论》中文网提到，AlphaFold 的代码可以公开下载，而 IsoDDE 是保密的，只能由谷歌自己使用。它背后的 Isomorphic Labs 位于英国伦敦，方向是用 AI 设计新药。
从商业角度看，闭源并不奇怪。药物研发成本高、周期长，公司保护核心工具很正常。问题在于，当 IsoDDE 被放进 AlphaFold 的叙事里，外界自然会用更高标准追问：它用什么数据训练？怎么评测？失败案例在哪里？和已有方法相比，优势是不是稳定？
这些问题如果只能由模型拥有者回答，研究者能独立判断的空间就会变小。
新药研发不能只靠一个黑箱
Isomorphic Labs 的方向很明确：用 AI 参与药物设计。AlphaFold 的结构预测能力，也确实容易和新药研发联系起来。靶点口袋、结合位点、构象变化，都是药物设计绕不开的问题。
但药物研发不是把蛋白质结构交给算法就结束了。候选分子的活性、选择性、毒性、代谢稳定性，最后都要回到实验和临床验证。AI 可以让早期筛选和假设生成更快，也可能把一个错误假设包装得更像真的。
这正是闭源模型在生命科学里敏感的地方。软件服务可以在很多场景里接受“好用就行”，生命科学很难完全这样做。一个预测结果如果要影响后续实验设计，研究者需要知道置信度、边界条件和适用范围。
AlphaFold 数据库当年受到关注，除了模型能力本身，也因为大量预测结构直接摆在研究者面前。IsoDDE 如果只作为公司内部工具存在，当然可能很有价值，但这种价值更多留在公司内部，外部科学界能讨论、复核和比较的材料会少很多。
“AlphaFold 4”这个名字别用得太快
现在更稳妥的说法是：IsoDDE 被 Nature 评论文章称为“AlphaFold 4”。这不等于 DeepMind 已经公开发布了一个完整、可下载、可复现实验流程的 AlphaFold 4。
这个区别需要保留。
过去几年，AlphaFold 这个名字承载了太多期待。只要挂上它，很多人会默认这又是一次类似 AlphaFold 2 的公共科研事件。但从目前可引用信息看，IsoDDE 更像是谷歌体系内面向药物设计的专有模型。
在更多论文、代码、数据库或独立评测出现之前，不适合把它写成已经改变生物计算格局的确定事件。眼下更清楚的变化是：AlphaFold 这条路线正在分叉。
一边是开放数据库和开放工具，服务更多实验室；另一边是进入 AI 制药公司的内部系统，成为商业研发中的高壁垒工具。两条路都会继续走。只是到 IsoDDE 这里，外界能看见的部分少了。