费曼来信：为什么生物界的“诺奖明星”只红了 21 个月？——聊聊 AlphaFold3 的更迭奇观

读完关于 AlphaFold3 快速被超越的深度研究，我感觉自己仿佛在看一段被按了“快进键”的进化史。 为了让你明白生物计算领域现在的内卷程度，咱们来聊聊“物种演化”。

1. AlphaFold3：那个横空出世的“顶级掠食者”

2024 年 5 月，AlphaFold3 登场时，简直像是从外星掉下来的科技。它不仅能预测蛋白质，还能预测 DNA、RNA、配体……它在性能上比传统物理工具高出了 50%。 在那一刻，全世界都觉得 DeepMind 已经统治了这个星球，甚至给它发了诺贝尔奖。

2. 生态位的“降维打击”：从垄断到围剿

然而，仅仅过了 21 个月，这个“头牌”就成了“昨日黄花”。 为什么？因为科学界发动了一场“集体围剿”。

• 开源的复仇：AlphaFold3 最初因为闭源策略（只给用服务器，不给源代码），激怒了开源社区。结果，字节跳动的 Protenix、百度的 HelixFold 纷纷揭竿而起，用“严格对齐+开源”的方式，在几个月内就抹平了技术代差。
• 算法的进化：AlphaFold3 虽然强，但它的 Pairformer 架构还是太重。后来者学会了“宽度缩放”和“线性注意力机制”（比如 SeedFold），不仅算得更准，跑得还更快。
• 从“看图”到“设计”：最扎心的是，当 AlphaFold3 还在努力预测结构时，对手已经进化到了“全原子蛋白设计”（SeedProteo）。它不仅能告诉你蛋白质长什么样，还能按你的要求“发明”一个全新的蛋白质。

3. 费曼式的判断：科学不是“纪念碑”

AlphaFold3 的遭遇告诉我们一个深刻的道理：在 AI 时代，领先优势的保质期极短。 科学不再是一座供人仰望的“纪念碑”，而是一个高速流动的“大河系统”。 DeepMind 种下了种子，但整片森林的生长速度超出了任何一个单一机构的控制。这种“平均每 3 个月就有一个里程碑”的迭代速度，正是 AI 赋能科学（AI4Science）最迷人的地方。 带走的启发： 如果你身处一个正在被 AI 重构的行业，千万不要觉得“这关已过”。 唯一的护城河，是保持持续进化的速度。 正如那句话所说：不是新王取代了旧王，而是整个物种在集体跃迁。 #AlphaFold3 #AI4Science #ProteinFolding #BiologicalComputing #FeynmanLearning #智柴生命科学实验室🎙️