每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

当谷歌把 AlphaFold 3 锁在商业限制之后，三位 MIT 博士生在四个月内把它重建了。如今，Boltz 拿到 2800 万美元融资、与辉瑞达成合作，并押注开源能够承载药物发现的基础设施。

去年春天，DeepMind 发布了 AlphaFold 3。你已经对流程很熟了：蛋白质折叠，解决了。药物结合，能预测了。DNA 相互作用，能建模了。哈萨比斯（Hassabis）跑媒体巡回。论文登上《自然》。

但这一次有些不一样。

下载论文的研究者开始阅读许可条款。代码：上锁。权重：受限。商业应用：禁止。如果你想预测药物如何与蛋白结合——也就是制药公司真正愿意付钱的那件事——你必须通过 Isomorphic Labs。那是 DeepMind 的药物发现分拆公司。手里握着与礼来和诺华 30 亿美元的意向性交易。

到了 12 月，三位 MIT 的博士生已经对该架构进行了逆向工程，并发布了他们自己的版本。他们把它放在 GitHub 上，采用 Apache 2.0 许可。任何人都可以下载。任何人都可以用于商业用途。他们把它称作 Boltz-1。

谷歌制造的真空真正惹怒人的地方在这里。

回到 2021 年，谷歌还很“友好”。AlphaFold 2 以 Apache 2.0 许可证发布，这意味着你可以随意使用它。复刻、用你自己的数据训练、构建产品、销售这些产品。结构生物学一夜之间成了免费的基础设施。默克的研究员和孟买狭小实验室里的研究生获得了同样的工具。辉瑞也是。圣迭戈一个在车库里办公的两人初创公司也是。没有人有优势，因为每个人都有访问权。

然后谷歌改变了规则。

AlphaFold 3 更强——它可以处理药物-蛋白相互作用，正是制药公司所需。但仅限学术用途。商业使用不允许。也不允许自行训练版本。

那些真正能通往“有用出口”的门？锁上了。

《自然》开始紧张。期刊发表了一篇社论，反思自己在没有配套代码的情况下发表论文的决定。研究者指出了显而易见的理由：Isomorphic Labs 在内部为这些价值十亿美元的制药合作使用 AlphaFold 3。发布模型会将相同的能力拱手让给竞争对手。

Gabriele Corso、Jeremy Wohlwend 和 Saro Passaro 看清了正在发生的事情。他们花了四个月把这东西重建。2024 年 12 月，Boltz-1 上线。在制药公司真正关注的指标上，它的基准测试与 AlphaFold 3 持平。你现在就能从 GitHub 上拉取它。制药业终于有了另一个去处。

淘金热里卖镐头

这家公司在今年 1 月完成了 2800 万美元的种子轮。同一天，宣布他们正在与辉瑞合作。该交易结构解释了 Boltz 打算如何在不为模型收费的情况下赚钱。

代码保持免费。没有商量。现在就从 GitHub 拉取 Boltz-1 或 Boltz-2。在你自己的硬件上跑预测。创始人把公司建在这个前提之上。他们不会退让。

那么收入从何而来？辉瑞并不是为算法的访问权付费。他们付钱给 Boltz 来在辉瑞的专有分子数据上微调模型、把平台接入既有流程、并负责算力。是“共同开发”，不是“许可授权”。模型通过真实的制药反馈不断变好。辉瑞获得在其自有化合物上训练的定制版本。Boltz 获得收入。

当你看看 Boltz 替代了什么，经济账就一目了然。传统的结合亲和力计算每次约 100 美元。基于物理的模拟。每次运行 6 到 12 小时。Boltz-2 能在一块 GPU 上 20 秒完成同样的计算。成本降到几分钱。当你要筛选数以百万计的候选分子时，这不是渐进式改进。你突然能负担得起探索此前在经济上不可及的化学空间。

想想 Red Hat。Linux 是免费的。Red Hat 依靠企业级支持、集成，以及“生产出问题有人接电话”的保障赚了数十亿美元。Boltz-1 是免费的。Boltz 收费的是那些让它在制药规模上可用的一切。

为何此刻

三件事打开了这扇门。

谷歌的限制给了竞争者一份他们花钱也买不到的招聘文案。我们这支团队相信这项技术应该是开放的。Boltz-1 发布后的几个月里，有 40 位外部贡献者改进了它。GitHub 仓库成为对谷歌“先甜后锁”的做法感到沮丧的研究者的聚集点。

然后是算力的故事。2023 年要训练一款前沿的生物学模型，意味着只有谷歌体量的公司才能调动资源。但 Recursion Pharmaceuticals 与 MIT 合作。他们的 BioHive-2 超级计算机就放在盐湖城的一栋楼里，504 张 H100 GPU 嗡嗡运转。两 exaflops 的 AI 性能。这样的硬件过去需要百亿美元级的资产负债表。有了合适的产业伙伴，一支有才华的学术团队现在也能参与竞争。

买家也出现了。去年，AI 药物发现支出超过 60 亿美元。预测显示到 2035 年将达到 1600 亿美元。GSK 宣布在美国研发投入 300 亿美元。每一家大型制药公司都在选购 AI 能力。需求确实存在。

创始人的履历也帮了忙。Corso 构建了 DiffDock，一种分子对接模型，拿下了 NeurIPS 2022 最佳论文。如今在制药公司内运行。也是 NVIDIA BioNeMo 平台的一部分，遍布全球生物科技初创公司。Wohlwend 开发的免疫学机器学习工具已在工业界部署。他们二人都师从 MIT 贾米尔诊所的 Regina Barzilay 与 Tommi Jaakkola。可以说是当下 AI-for-biology 领域产出最高的学术团队之一。

他们并不是默默无闻、指望被看见的研究者。在谷歌制造“空档”的时候，他们就已经深嵌在制药 AI 社群中了。

向内挤压的重力

Boltz 所处的是一片残酷的疆域。

Isomorphic Labs 拥有原版 AlphaFold 3、来自 Thrive Capital 的 6 亿美元新融资，以及与礼来和诺华潜在价值 30 亿美元的合作。哈萨比斯同时掌管 DeepMind 与 Isomorphic。因 AlphaFold 的工作分享了 2024 年诺贝尔化学奖。他对采访者说 Isomorphic 可能成为一家市值 1000 亿美元的公司。无论你信不信这个数字，他能动员的资源都远超 Boltz。

OpenAI 支持的 Chai Discovery 在 12 月以 13 亿美元估值融资 1.3 亿美元。是 Boltz 种子轮的四十多倍。Chai-2 不仅预测结构，还能从零设计抗体。更靠近价值链的下游。比“基础设施”更接近真正的药物候选物。

OpenFold3 由包括哥伦比亚大学、劳伦斯利弗莫尔国家实验室和诺和诺德在内的联合体推出，是另一个完全开源的替代方案。由 AWS 提供算力。制药公司通过联邦学习共同分担训练成本。凭借联盟结构，或许在行业整合方面更深。

之所以说拥挤很重要，是因为 Boltz 卖的是基础设施，而基础设施会商品化。如果 Boltz-2、Chai-1 和 OpenFold3 的准确率都差不多，制药公司就会在价格与集成上讨价还价。模型本身成为商品。差异化被侵蚀。

但真正的约束并非来自竞争，而是来自生物学。

十种药里有九种在临床试验中失败。这个数字四十年来没动过。不管临床前工具改进了多少。AI 让结构预测变得更快更便宜。但它没有让药物在真实人群中的成功概率更高。

AI 发现的分子在 I 期试验中的成功率为 80–90%。AI 很擅长设计具有“类药”性质的分子。到 II 期，在患者身上真正检验疗效？大约 40% 的成功率。与历史平均水平并无差异。Insilico Medicine 也许是 AI 药物发现领域最受瞩目的公司之一。他们在 2024 年公布了 2a 期数据。那款完全用 AI 设计的药呢？它没能优于安慰剂。至少在统计意义上没有。

结构预测并不是瓶颈。瓶颈在于小鼠与细胞系并不像人类生物学那样混沌无序。你的模型可以在模拟中“精准命中”结合预测。药物仍然会失败，因为一个有三种合并症的 65 岁糖尿病患者的反应与细胞培养并不相同。

Boltz 让早期阶段更快更便宜。它并不能解决扼杀大多数药物的“转化鸿沟”。

创始人的豪赌

Corso 离开博士学位，出任 CEO。Wohlwend 和 Passaro 与他同行。这场押注很具体：即便模型本身免费，开源的基础设施也能捕获长期价值。

逻辑在这里。制药公司不会自建自己的基础模型。专门技能过于稀缺。算力要求过于沉重。人才过于紧缺。他们会“买能力”。问题是，向谁买。

Isomorphic 是“奢侈选项”。原版 AlphaFold 3，与 DeepMind 的研究流程整合，价格想必不菲、条款也更苛刻。Boltz 是“企业级开源替代品”。任何人都可以审计、修改、验证的模型。为集成与定制提供付费服务。制药公司有监管要求，可能更偏好透明度。FDA 审批需要可解释性。来自专有系统的“黑箱”预测会制造文档上的麻烦。

公共利益公司（PBC）的组织形式也很重要。Boltz 把自己绑定在“保持模型开源”的承诺上。这是对开源社区的信号：我们不会上演 AlphaFold 3 那一套。我们不会先用免费工具建立采用，再在你依赖之后把它们收回。PBC 的身份让这种转向在法律上变得麻烦。

Corso 在接受 MIT News 采访时这样说：“我们之所以认为让这些模型公开非常重要，是因为到头来，99.9% 的药物开发者或生物学家都不在像 Isomorphic 这样的公司里。”

他们押注，那 99.9% 是一个足够大的市场。

Boltz 揭示了什么

过去，制药公司通过化学诀窍、临床试验网络、与监管者的关系来构建竞争优势。算法是次要的。你靠的是更好的分子，而不是更好的预测。

AI 把这一切翻转了。算法现在决定了哪些分子值得合成。谁控制了最佳预测工具，谁就控制了进入研发管线的化合物。当谷歌把 AlphaFold 3 锁起来时，它试图把自己定位为药物发现本身的“闸门人”。

Boltz、Chai Discovery、OpenFold。这些就是制药业的回应。给替代方案注资。避免依赖单一供应商。辉瑞与 Boltz 的合作并不完全关乎技术。它关乎确保关键基础设施保持可及且具竞争性。

只要 AI 在某个行业创造了“基础设施”，这种模式就会复制。开放对闭合，将决定市场结构。谷歌限制 AlphaFold 3 也许是聪明的短期操作。但它同时也催生了资金充足的竞争者。学术研究者在数月内组织起来。风投随后进场。制药公司签下合作协议。

这个行业拒绝了封闭式路径，并绕开它建起了新的体系。

检验

Boltz-2 于 2025 年 6 月发布。Recursion Pharmaceuticals 一直在内部运行它，报告称在虚拟筛选与先导优化方面的结果优于 Boltz-1。与辉瑞的合作将在 2026 至 2027 年间产生真实世界的验证数据。

有意义的检验不是“模型是否有效”。它们显然有效。Boltz-2 以一千倍的速度匹配基于物理的方法。真正的检验是：使用 Boltz 发现的药物在临床试验中的表现是否更好。

如果 Boltz 辅助项目在 II 期的成功率超过 28.9% 的行业平均水平，这个论点就站得住脚。AI 基础设施确实以对患者有意义的方式加速了药物发现。如果成功率差不多，Boltz 就是一种“降本工具”，而不是医学上的突破。药物更便宜地被发现了，但并不更可能奏效。

来自 Boltz 辅助项目的首批临床数据将在 2027 或 2028 年出现。在此之前，这家公司销售的是速度与成本节省。有价值，但还谈不上“变革”。真正的变革需要跨越预测与生物学之间那道曾让历次药物发现技术浪潮折戟的鸿沟。

辉瑞的科学家已经在运行这些模型。分子正进入开发管线。临床将随之而来。三年后，我们就会知道，Boltz 打造的是一把更好的“镐头”，还是发现了一座全新的“矿”。

常见问题

问：如果模型是免费的，Boltz 如何赚钱？
答：Boltz 为企业服务收费，而不是为模型本身收费。与辉瑞的合作包括在辉瑞的专有数据上微调模型、与既有流程集成、并提供算力基础设施。代码免费；可在制药规模落地的实施，才是产品。

问：Boltz-2 在准确性上如何与 AlphaFold 3 比较？
答：Boltz-2 在标准蛋白结构基准上与 AlphaFold 3 持平，并新增了接近基于物理的自由能微扰方法（FEP）的结合亲和力预测。关键差异在于速度：Boltz-2 的运行速度快 1000 倍，把预测时间从数小时降到数秒，把成本从 100 美元降到几分钱。

问：谷歌为何限制 AlphaFold 3 的商业使用？
答：谷歌的制药子公司 Isomorphic Labs 在内部将 AlphaFold 3 用于自身的制药合作，与礼来和诺华的合作潜在价值高达 30 亿美元。若将模型对外开放商用，将让竞争者获得与 Isomorphic 正在出售的同等能力。

问：Boltz 的主要竞争对手是谁？
答：Isomorphic Labs（谷歌/DeepMind）、Chai Discovery（估值 13 亿美元、由 OpenAI 支持）以及 OpenFold3（由哥伦比亚大学等机构与制药伙伴组成的联盟）。它们在开放性、集成度与商业条款之间提供不同的权衡。

问：AI 药物发现真的能降低临床试验失败率吗？
答：尚无定论。AI 发现的药物在 I 期成功率为 80–90%，但 II 期仅约 40%，与传统方法相当。整体 90% 的失败率仍然存在，因为动物模型与人类生物学之间的鸿沟尚未解决。AI 让早期发现更快更便宜，但未必更成功。