AI for Science

2026-10-18阅读约 84 分钟AI 起草 · 人工审核已核查 · 已审核审核人负责人

所属专题：Gemini（Google DeepMind） · 第 9 章引语索引信源台账

专题章节

CHAPTER 09 # AI for Science 从 AlphaFold 到 WeatherNext：目标对齐、可靠、可规模化的有效验证能力抬高的是「可达到的绝对水位」与「结果的可审计性」，不是进步速度。

    阅读时长 **约 75 分钟**
    时间范围 **2021.01 – 2026.07**
    更新 **2026-07-25**
    交互图表 **4 个**
    来源 **79 条**





  ### 本章要点

决定水位的不是「验证便宜」这一个变量，而是目标对齐、可靠、可规模化的有效验证能力；现有数据不支持它预测进步速度。这个能力至少要拆成三条各管一段的变量：反馈时延决定一个时间预算里能跑多少轮自适应改进；单次成本与可并行度决定同一时间里能试多少条；代理指标与真实目标的偏差决定你优化的到底是不是想要的东西。★还要把两种成本分开记：「跑一次判分函数」很便宜，不等于「取得一次完整反馈样本」很便宜。Lean 与 CASP 是两者都便宜的典型，湿实验与临床终点是判据明确但反馈样本极贵且极慢的典型——这两类此前被「验证器便宜」一个词糊在了一起。蛋白有 PDB 与 CASP、天气有 ERA5 与 CRPS、数学有 Lean 编译器、算法有可执行 benchmark——这四条线都在 AI 到来之前就把裁判建好了，也都出现了范式级突破；而必须靠湿实验或临床终点判定对错的地方，水位至今很低：GNoME 预测出 220 万个新晶体结构^[1]，与之对上的独立实验结构是 736 个——那是同期外部实验室各自做出来、事后才与 GNoME 预测匹配上的，不是对 220 万个候选发起合成的成功数，尝试合成的分母未知^[2]。至于更强的那个版本「验证器越便宜，进步越快」，第 8 章 · Agent 与世界模型已经用三个实测反例（HLE、ARC-AGI-3、GDPval）把它证否了，本章不主张它。
IMO 2024 与 2025 不可横比，横比就错。2024 是 AlphaProof + AlphaGeometry 2，需要专家先把题目译成 Lean，最长算 2–3 天，28/42 是银牌档顶端、距金牌线 1 分^[3]；2025 是 Gemini Deep Think 的进阶版，端到端自然语言、在 4.5 小时正式时限内、35/42 踩线达到金牌标准^[4]。主办方同时声明：IMO 不验证方法、算力、是否有人类参与，也不验证可复现性^[5]。
**2024 诺贝尔化学奖的官方表述，比流传的版本窄得多。**2024-10-09 公布：David Baker 因 “for computational protein design” 获一半，Demis Hassabis 与 John Jumper 因 “for protein structure prediction” 共享另一半，份额是 1/2、1/4、1/4^[6]。奖表彰的是 AlphaFold2 解决的那个老问题，不是 AlphaFold 3 的广义生物分子交互。
「真信仰还是差异化叙事」这个二选一问错了——在 Google 它们指向同一批行为。AlphaFold 数据库免费开放 2 亿多条结构^[7]；同一条产品线上的 AlphaFold 3 首发不给代码与权重、只提供限流且禁止药物开发的非商业 web 服务，招致上千名科学家联名抗议^[8]，半年后（2024-11）改为向学术非商业用途有限开放推理代码与权重，需申请^[9]——准确的说法是「首发关闭、抗议后学术非商业有限开放」，不是「一关到底」。这次收紧与 Isomorphic Labs 带来的商业机会成本同步发生，官方与媒体引语（Kohli 关于不损害 Isomorphic 推进药物发现能力的说法）支持这个解释^[10]，但不能证明它是唯一原因——Nature 社论给出的理由是生物安全与伦理^[11]。所以本章的说法只能是：在目前仅有的两个数据点上，「开放的机会成本」比「动机」更能解释开放策略的变化；这条规律等待更多样本检验（它的三处脆弱与三个检验点见第八节）。
**这条线正在流失人才。**2026-06-19，诺奖得主 John Jumper 宣布离开 Google DeepMind 加入 Anthropic，新职位未披露^[12]；2026-01 David Silver 离开 GDM 创办 Ineffable Intelligence^[13]。AlphaFold 的两位诺奖得主，有一位已经不在这家公司。
```
 本章 11 节 · 3 个公式推导 · 23 张图（20 张论文配图 + 3 张 deck 翻拍） · 4 个交互图表 ·
 7 个预注册检验点 · 单点数据脆弱性登记 14 条 ·
 关键词：AlphaFold 3 AlphaProof AlphaEvolve WeatherNext 2 Isomorphic
```
一、读这一章的正确姿势：先看验证器，再看成果

把 Google DeepMind 十年的科学项目摊开，最先跳出来的不是「哪个更厉害」，而是一条极不均匀的分布：有些领域在五年里发生了范式级的跃迁（蛋白结构、中期天气预报、算法发现、形式化数学），有些领域喊了很多年、拿了很多头条，但可交付的东西少得可怜（材料合成、药物研发）。这个不均匀不是随机的。

贯穿全章的解释是一句多变量的话，本章上一版把它压成了单变量，现已改回： 一个领域里「有效验证能力」有多强——即验证是否与真实目标对齐、是否可靠、是否可规模化—— 决定了 AI 在这个领域能走多远。 蛋白质有晶体结构和 CASP 双盲赛制，天气有 ERA5 再分析场和 ECMWF 的业务基线，数学有 Lean 编译器，排序算法有可执行的 benchmark——这些领域在 AI 到来之前就已经把裁判建好了。而在需要跑一次湿实验、合成一块晶体、做完一期临床才知道对错的领域，生成再便宜也没用，因为约束根本不在生成端。 DeepMind 自己在 AlphaEvolve 的复杂性理论工作里写下过同一句话：随着越来越多的证明归功于 AI， 验证这项关键工作会成为重大瓶颈^[14]。

上一版的主线句是「判定一个候选答案对不对要花多少钱，决定了 AI 能走多远」。「花多少钱」这个单变量不成立，已换成三条并列变量。 它们各管一段，缺任何一段都解释不了本章的分布，而且没有任何一条可以单独充当新的真因：

反馈时延——决定在一个固定的时间预算里能跑多少轮自适应改进。Lean 编译器是毫秒级，CRPS 对 ERA5 是天级，晶体合成是周级，临床终点是年级。 generate-verify-evolve 消耗的是循环次数，而循环次数受时间预算除以单次时延的约束。
单次成本与可并行度——决定同一时间里能并排试多少条。一个「贵但能同时跑一万份、一周出结果」的验证器，和一个「便宜但只能串行、十年出结果」的验证器，对这套方法论的价值完全不同。

代理指标与真实目标的偏差——决定你优化的是不是想要的那个东西。GNoME 用的凸包能量便宜、客观、可自动化，但它验的是「在不含熵的 0 K 世界里这个原子排列能量最低」，不是「这个东西造得出来、而且有用」（见 5.4）。

**★这三条是并列的竞争解释，不是「时延取代了成本」。**本项目的独立反方审查明确裁定过：
  单变量的「廉价成本」应撤，**但「时延」也不是唯一变量**。把一个解释换成另一个单变量，
  只是换了个叙事，不是找到了真因——本章不做这件事。

**★还有一个更容易混的区分：评分成本 ≠ 反馈成本。**
  「跑一次判分函数要多少钱」和「取得一次完整的、可用于改进的反馈样本要多少钱与多少时间」是两个量。
  一个领域完全可以**评分器免费、而一次完整反馈样本极贵**。
  Lean 与 CASP 是两者都便宜的一侧；本章的湿实验与临床领域是**判据明确、但反馈样本极贵且极慢**的另一侧。
  本章此前用「验证器便宜」一个词把这两类糊在了一起，下面表 9.2b 把它们拆开。




**为什么「AI for Science」这个词组本身就有误导性？**
  它暗示 AI 是一种可以横扫所有科学的通用能力。但把 2021–2026 的成果排开会发现，
  DeepMind 真正赢下来的每一个战场，都事先存在一个**客观、与真实目标对齐、低时延、可并行调用、且难以被讨好（game）的评价函数**。
  这不是巧合，而是方法论的适用条件：**generate-verify-evolve** 这套 AlphaZero 的同构物，
  少了 verify 那一环就退化成「生成一堆看起来合理的东西」。
  所以更准确的说法不是「AI 推动科学」，而是**「截至今天，AI 只在那些已经把裁判造好的科学上，达到过可被独立核验的高水位」**。
  **注意这句话说的是水位，不是速度。**「验证器越便宜、进步越快」是一个更强也更诱人的版本，
  但第 8 章 · Agent 与世界模型把各 benchmark 的实际涨幅算出来之后，
  这条相关关系并不存在；本章沿用第 8 章收窄后的口径，不主张速度。

**★这条主线自己的自检问题，必须写在这里：「我是在说竞争解释不够充分，还是在说我的解释才是答案？」**
  本章只主张前者。有效验证能力能解释**为什么这些领域先被攻克**，
  它**不能**解释「为什么是 DeepMind 而不是别人」——那还需要算力、领域合作关系、数据获取权、
  以及愿意为一个十年回报周期的项目持续付钱的母公司，这些本章都无法独立识别。
  **推翻「便宜」这个说法，并不等于证明了「时延」；三条变量并列，本章不给它们排序。**

这个判断是可证伪的，而且判据要写全：**如果未来两年出现一个在有效验证能力明显更弱的领域**
  （比如认知科学、社会科学、临床终点——它们的共同点是反馈时延以年计、代理指标与真实目标偏差大）
  **取得 AlphaFold 量级突破的 DeepMind 系统，本章的主线就被推翻了。**
  本章第十节的**表 9.14** 把这条判据拆成了 **7 个预注册检验点**，每一个都写死了测量方、时间、口径与
  **判本章输的阈值**；其中 **P6 是针对本章自己的**——它检验「三条并列变量」这个合成分是不是多余的复杂化。





  **反方主张：「便宜」这个形容词从一开始就选错了，真正决定 `generate-verify-evolve` 能不能转起来的是反馈时延。**
    循环次数受「时间预算 ÷ 单次时延」约束，所以一个「贵但一周出结果」的验证器完全可以支撑这套方法，
    一个「便宜但十年出结果」的验证器完全不行。**顺带一记直球：CASP 的裁判是实验测定的蛋白结构，
    每一条参考答案都要靠晶体学或冷冻电镜做出来，那是这个星球上最贵的标签之一——
    所以「客观、难以被讨好」是对的，「廉价」是错的。**




  三条可核对的证据，方向一致：

**本章自己的数据就打脸「便宜」。**PDB 与 CASP 的标签极贵（一条实验结构的成本远高于一次 DFT 计算），却是本章水位最高的一格；DFT 相对便宜得多，材料合成那一格的水位反而低（见表 9.2）。 如果「便宜」是主变量，这两格应该反过来。
**AI 制药的成绩单断在时延的接缝上。**作者自述为该问题的首次系统分析（BCG 团队，Drug Discovery Today 29(6):104009, 2024-06，标题即 “A first analysis”）报告 AI 发现的分子 I 期成功率 80–90%，远高于历史均值；到 II 期回落到约 40%，与行业均值持平^[15]。 I 期考「这个分子像不像药」，标注在几周到几个月内可从动物模型与小队列回收；II 期考「靶点选对了没有」，标注就是试验本身，以年计。 ⚠️ 两条限定必须一起写：作者全部来自 BCG（利益相关），且 II 期样本量作者自陈 “limited”。

DeepMind 自己的表述也指向「验证这项工作」而不是「验证的单价」^[14]。

  反方成立的条件：只要主张的是「**单变量的『廉价』站不住**」，反方就成立，本章接受。

    **但它要升级成「时延才是真因」，需要一个本材料没有的东西**：
    一组**控制住成本、可并行度与代理指标偏差之后，只让时延变化**的对照。
    现实中的领域是四个变量一起变的——湿实验同时是慢的、贵的、串行的、且代理指标偏差大——
    **所以现有观测无法把时延从其他三个里分离出来（identification 缺失）。**




  反方部分成立，本章据此收窄

  **接受的：**删掉单变量的「廉价 / 成本」，换成**目标对齐、可靠、可规模化的有效验证能力**，
    并把它明确拆成三条并列变量（时延 / 成本与并行度 / 代理指标偏差）。**「验证器的标签很贵」与「验证器很好用」可以同时为真**，CASP 就是这样。

    **不接受的：**把「时延」写成新的唯一真因。

    ★**这条边界是本项目的硬约束，写在这里备查**：**反方成立只意味着正方需要限定，不等于反方成为新真因；
    推翻一个解释，不等于证明了另一个解释。**本章上一轮差点在这里犯错——把「成本」这个单变量换成「时延」这个单变量，
    看起来像是修正，实际上是同一种错误换了个名字。




  **能把三条变量分开的检验（本章无法自己做，登记为待做实验）**：
  找一个**成本与代理指标偏差基本不变、只有时延被人为缩短**的真实案例——
  例如同一个材料体系，从「送外部实验室排队数周」改为「自动化云实验室数天内回收」，
  **其他条件不变**。若循环轮数上升而水位不动，时延假说被削弱；若水位随之抬升，时延假说得到支持。
  **截至 2026-07-25，本材料没有找到任何一个满足「其他条件不变」的公开案例。**

1.1 AlphaX 全家谱：四条并行的科学纵队

下面这张时间轴把 2016–2026 的 Alpha 系列按领域分成四条泳道。 2021 年之前的条目（AlphaGo 2016、AlphaFold 1 2018）标注为「前史」，它们不在本材料 2021.01–2026.07 的主线时间窗内，但不讲清楚就无法理解后面的一切。

  AlphaX 家族时间轴（2018–2026）
  悬停任一节点看完整说明 · 实心大点 = Nature/Science 论文或诺奖级事件





  数据来源：各系统的原始论文与 Google DeepMind 官方博客，逐条见本页脚注。
  日期取**论文发表月**或**官方公告月**，不是内部完成时间。
  图中 **AlphaFold 1（2018-12）标注为前史**，不在本材料 2021.01–2026.07 的主线时间窗内；
  更早的 **AlphaGo（2016-01，同为前史）**因横轴分辨率所限未画在图上，见下方表格与第一节正文。
  **读法提示**：每个领域占 2–3 行，纯粹是为了错开密集年份的文字标签，**行与行之间没有任何含义差别**；
  同一领域的所有行共用一个颜色，颜色取自 `GChart.palette`，无额外含义。
  完整清单见下方折叠的表格版。





时间轴的文字替代（同一批事件的表格版）

| | 时间 | 系统 | 领域 | 关键结果

| | 2018-12 | AlphaFold 1 前史 | 生物 | CASP13 夺冠；本档案未收录其精确 GDT 数值，故不给数字

| | 2021-07 | AlphaFold 2 | 生物 | Nature 596:583；CASP14 中位 GDT_TS 92.4

| | 2022-10 | AlphaTensor | 算法与材料 | Nature 610:47；(\mathbb{Z}_2) 上 4×4 矩阵乘 49→47 次乘法

| | 2023-09 | AlphaMissense | 生物 | Science 381:eadg7492；7100 万人类错义变异致病性预测

| | 2024-05 | AlphaFold 3 | 生物 | Nature 630:493；Pairformer + 扩散模块

| | 2024-07 | IMO 2024 | 数学与推理 | AlphaProof + AG2；28/42，银牌档顶端

| | 2024-09 | AlphaProteo | 生物 | 7 个靶点上结合亲和力优于既有方法 3–300 倍

| | 2024-10 | 诺贝尔化学奖 | 生物 | 2024-10-09；Hassabis 与 Jumper 各得 1/4

| | 2025-06 | AlphaGenome | 生物 | 1 Mb 输入、单碱基输出；26 项变异效应评测中 25 项持平或胜出

| | 2025-07 | IMO 2025 | 数学与推理 | Deep Think 进阶版；35/42，达金牌标准

      表 9.1 · AlphaX 家族关键节点，数据截止 2026-07-25。前史条目已标注。逐条出处见本页脚注区。






### 1.2 一张主观刻度图：验证器强度 vs 截至冻结日的绝对水位

下面这张散点图是本章中心论断的可视化。它**不是**官方数据，横纵坐标都是作者按公开成果打的主观分。
  打分依据写在图注里，读者可以直接反对某一个点的位置——但很难反对整体的走向。


  本项目第 8 章 · Agent 与世界模型原本假设「验证器越强，涨得越快」，
    把十个 benchmark 两个时点之间的实际涨幅算出来之后，**这条相关关系不存在**，于是把命题收窄成了
    **「验证器强度预测的不是涨速，而是绝对水位与分数可信度」**。
    本章沿用这个收窄后的口径：**下图纵轴是「截至 2026-07-25 已经达到的绝对水位 / 结果的可审计性」，不是 2021–2026 的涨速。**
    这里的横纵坐标都是作者对科学领域打的主观分，**而第 8 章的反例是 benchmark 上的实测数字——
    主观刻度不能用来推翻实数反例**，所以本章不重新主张速度版本。第 8 章那三个反例是：

HLE：验证器很弱（LLM 抽取答案，题库全量复审后仅 26.7% 原样通过），却在 12 个月里从 21.6%（Gemini 2.5 Pro，2025-06，无工具）涨到 59.0%（Claude Fable 5 官方，2026-06，无工具），+37.4 个点^[16]。
ARC-AGI-3：验证器不弱（程序化的相对人类动作效率 RHAE 计分），却先趴了四个月——2026-07-09 前沿仍只有 7.78%（GPT-5.6 Sol，semi-private 均值），随后在一个月内跳到 30.16%（Claude Opus 5，2026-07-24，ARC Prize 官方口径，题集 revision 未变）^[17]。7.78% 只是带日期的历史点，冻结日当前值是 30.16%。

GDPval（OpenAI 原版）：验证器最贵（人类专家盲评），三个月却涨了 26.5 个点——而且是厂商自报值，托管榜单已下线，无法独立核^[18]。

这三个点各自摧毁了「验证器强度 → 涨速」的一段：弱验证器可以涨得飞快、强验证器可以长期不动、贵验证器上的涨幅根本无法核实。
  **它们不影响「水位」那条结论**——ARC-AGI-3 的 30.16% 与 GDPval 的不可核实，恰恰是水位低、可信度低的例子。





  有效验证能力 → 截至冻结日的绝对水位与可审计性（作者主观刻度）
  横轴：判定一个候选答案对不对有多快、多可靠、多贴近真实目标 · 纵轴：截至 2026-07-25 已达到的绝对水位 / 结果能否被独立核验





  **这是作者的主观刻度，不是任何官方数据；两个轴都是作者按公开成果打的分，不是测量值。**
  **横轴「有效验证能力」0–10 的锚点**（**综合六条打，不是只看单价**：判分能否脚本化 /
  **取得一次完整反馈样本的时延** / 单次判分的边际成本**与可并行度** /
  **代理指标与真实目标的偏差** / 判分噪声 / 第三方能否复现）：
  10 = 编译器或可执行 benchmark 级，时延毫秒到分钟、可并行重复调用、判分确定且与目标几乎无偏（Lean proof checking、排序算法实测计时）；
  7–9 = 有公认的公开数据集与业界基线，时延小时到天、单次评测成本在算力可承受范围（PDB/CASP、ERA5/ECMWF）——
  **注意 PDB/CASP 的参考答案本身是实验测定的，标签极贵，它进这一档靠的是可靠性与目标对齐度，不是便宜**；
  4–6 = 有代理指标但金标准稀缺，且**代理指标与真实目标存在已知偏差**（DFT 凸包能量之于可合成性、基因组功能注释）；
  0–3 = 只能靠人类专家复核或湿实验/临床终点判定，时延以月至年计、难以并行（自然语言数学证明、先导化合物成药性）。
  **纵轴「绝对水位 / 可审计性」0–10 的锚点**（按「截至冻结日已交付什么 / 这个成果能不能被第三方独立核验」两条打）：
  10 = 该领域的方法论被整体改写，且结果可被独立复核（AlphaFold 2 与 CASP14）；
  7–9 = 业务基线被稳定超越或成果写进标准库，第三方可复算（GenCast 对 ECMWF ENS、AlphaDev 进 libc++、Lean 证明可编译核验）；
  4–6 = 有真实增益，但要么停留在个位数百分比，要么要靠人类复核才能确认（AlphaGenome、GNoME 的实验匹配、Aletheia 的复核后正确数）；
  0–3 = 尚无可交付成果，或成果无法被独立核验（截至冻结日的 Isomorphic 临床状态）。
  **每个点的具体打分依据（那个支撑分数的公开数字）都写在悬停提示与下方表 9.2 里，读者可以逐点反对。**
  **本图不声称、也不能声称验证器成本可以预测进步速度**——理由见上方的警示框。
  **绘图说明**：为避免文字标签互相遮挡，散点的纵坐标相对下表的整数分做了 ±0.4 以内的微调，
  **一切以下方表 9.2 的整数分为准**。

    表 9.2 · 上图的数据表版本。**「验证能力分」是六条维度综合出来的一个主观合成分，不是单价；
      「水位分」是「截至冻结日已达到的绝对水位 / 结果可审计性」，不是涨速。**
      两列分数均为作者主观刻度（打分锚点见上方图注），事实列为可回溯的公开数字，数据截止 2026-07-25。
      **合成分会掩盖维度之间的差异，所以下面表 9.2b 把最容易被混掉的那两维单独拆开。**




**把合成分拆开，最要紧的是把「评分成本」和「反馈成本」分开记。**
  这两个量此前被「验证器便宜」一个词糊在一起，而它们在几个关键领域**指向相反方向**：

    表 9.2b · **评分成本 ≠ 反馈成本。**看第三列就能明白为什么「验证器便宜」这个说法会把蛋白结构（评分便宜、反馈极贵、但偏差小、水位最高）
      和材料合成（评分便宜、反馈极贵、偏差大、水位低）划到同一侧——**它们真正的差别在第四列，不在第二列。**
      本表为作者对公开材料的归纳整理，成本与时延为量级判断而非测量值，数据截止 2026-07-25。







    **图 9.1** 第三方讲师对 DeepMind 科学线的框架化：把 AlphaFold 3 / 天气 / 材料三条线并列，
    并提出「把 AI 变成科学仪器而不只是用户界面」这个说法。注意标题里的 *may become* 是讲师本人的价值判断，
    不是 Google 的表述；页面也完全没有提 AlphaFold 3 的开放性争议，属于选择性叙述。




## 二、AlphaFold 谱系：从一个可微的损失函数开始

### 2.1 前史：AlphaFold 1 与 CASP13（2018）

前史 AlphaFold 1 在 2018 年的 CASP13 上夺冠，这一年不在本材料的主线时间窗（2021.01–2026.07）内。
  本档案没有收录 AlphaFold 1 在 CASP13 上的精确精度数值，因此这里**不给数字**。
  它在本章里只承担一个作用：说明 AlphaFold 2 不是一次性的灵光乍现，
  而是一个团队在同一个赛制下打了两届之后的产物——**CASP 这个双盲赛制本身，就是这条线上最重要的基础设施**。

### 2.2 AlphaFold 2（2021-07，Nature 596:583）：把四种异质先验编进一个可微循环

AlphaFold 2 发表于 2021 年 7 月[@src-c38a800914]，正好落在本材料主线时间窗的开头。它的架构可以拆成四块，
  每一块塞进去的是一种**完全不同来源的先验知识**。

**（1）输入：MSA + 模板。**给定一条氨基酸序列，先做基因组搜索拿到多序列比对（MSA）——
  本质上是「同源蛋白在进化中如何共变」的统计证据。两个残基如果在进化史上总是一起突变，
  它们在三维空间里大概率靠得很近。这是结构生物学几十年的核心直觉，AlphaFold 2 把它变成了可微的输入表示。

**（2）Evoformer（48 个 block）：**同时维护 MSA 表示与**成对表示** \(z_{ij}\)（可以理解成一张有向图的边特征），
  两者反复互相更新。MSA 一侧用轴向注意力，行注意力的 logits 被 pair 表示加了一个偏置——这是「pair → MSA」的通路：


  \[ a^{\,\text{row}}_{sij} \;=\; \mathrm{softmax}_j\Big( \tfrac{1}{\sqrt{c}}\, q_{si}^{\top}k_{sj} \;+\; b_{ij} \Big),\qquad b_{ij} = \mathrm{Linear}(z_{ij}) \]
  (9.1)
  行注意力：同一条序列内、残基之间；\(b_{ij}\) 把几何约束注入进化统计。



再做列注意力（同一残基位置、不同同源序列之间），然后用 outer product mean 把 MSA 的信息写回 pair 表示，
  构成「MSA → pair」的回路。**这个双向环路是 Evoformer 的心脏**：进化统计与几何约束在 48 个 block 里来回校准 48 次。

最关键的两个算子是「三角」系列，动机是**强行注入距离几何的三角不等式**——
  三角乘法更新用边 \(ik\) 与 \(jk\) 去更新第三边 \(ij\)：


  \[ z_{ij} \;\leftarrow\; z_{ij} \;+\; g_{ij}\odot \mathrm{LN}\Big(\sum_{k} \big(a_{ik}\odot b_{jk}\big)\Big) \]
  (9.2)
  \(a,b,g\) 都是从 \(z\) 线性投影出的门控量；"outgoing" 与 "incoming" 两个变体对 \(k\) 的位置不同。



三角自注意力则在更新 \(z_{ij}\) 时，把第三个残基 \(k\) 的边信息当作 attention bias 加进来：
  \( \alpha_{ijk} = \mathrm{softmax}_k\big( \tfrac{1}{\sqrt{c}} q_{ij}^{\top} k_{ik} + b_{jk} \big)\)。
  论文的消融显示：只用注意力或只用乘法更新都能出高精度结构，**但两者结合明显更准**[@src-c38a800914]。
  这是一个很典型的做法——不追求最简洁的归纳偏置，而是把多个部分冗余的几何约束叠上去。





      **图 9.2** AlphaFold 2 论文图 1，**本节要看的是面板 (e)**：输入序列 → 基因/结构数据库检索出 MSA 与模板
      → MSA 表示与 pair 表示 → **48 层 Evoformer** → **8 层 Structure Module** → 3D 结构，
      底部那条 **recycling（三轮）** 把输出整个喂回输入端。
      **读法**：注意 MSA 表示与 pair 表示之间的双向箭头——整个架构的信息瓶颈就在这个回路上。
      面板 (a) 是 CASP14 的成绩，本节稍后单独讨论。
      [@src-c38a800914]出处：Jumper et al., Nature 596:583, 2021（图 1）





      **图 9.3** AlphaFold 2 论文图 3（架构细节），本章有**三处**要看它。
      **面板 (a) 与 (c)**：Evoformer 单块，以及那四个「三角」算子——它们是把度量空间的公理写成算子，
      不是为了增加容量，而是为了让网络**没法**输出违反三角不等式的距离图。
      **面板 (d)**：Structure Module 与 IPA，对应下方式 (9.3)。
      **★面板 (f)**：**这才是 FAPE 的原图**——绿色是预测骨架、灰色是真实骨架，
      图上标出的 \((R_k,\vec t_k)\)、\((\tilde R_k,\tilde{\vec t}_k)\) 与 \(\vec x_i,\tilde{\vec x}_i\)
      正是本章公式推导 **F9-1** 里那套「先把两者对齐到同一个局部框架、再算点误差」的机制。
      [@src-c38a800914]出处：Jumper et al., Nature 596:583, 2021（图 3）




**（3）Structure Module 与 IPA。**结构模块把每个残基表示成一个刚体框架
  \(T_i = (R_i, \vec{t}_i) \in SE(3)\)（论文里叫 "residue gas"，一群自由漂浮的三角形），
  再加侧链的扭转角。核心算子是 **Invariant Point Attention（IPA）**——
  在常规 QKV 之外额外生成三维点，并把它们在全局坐标系下的距离作为注意力的惩罚项：


  \[ a_{ij} \;\propto\; \mathrm{softmax}_j\Big( \tfrac{1}{\sqrt{c}} q_i^{\top}k_j \;+\; b_{ij} \;-\; \tfrac{\gamma}{2}\sum_{h}\big\lVert T_i\circ \vec{q}_i^{h} - T_j\circ \vec{k}_j^{h}\big\rVert^2 \Big) \]
  (9.3)
  因为 \(\lVert T_i\circ\vec{q} - T_j\circ\vec{k}\rVert\) 在整体刚体变换下不变，整个注意力对平移与旋转严格不变。



**（4）Recycling 与自蒸馏。**整个网络的输出会被再喂回输入端跑三次。
  有一个很有意思的第三方消融结论：**去掉 IPA 但保留 recycling，模型仍然工作得不错；
  去掉 recycling 只留 IPA，反而更差**[@src-140e49bfdc]。
  训练时还用了自蒸馏：先用初版模型预测大量无结构序列，把高置信度的预测当伪标签再训一遍。

**结果**：CASP14 上中位 **GDT_TS = 92.4**（满分 100，约 90 分被认为等价于晶体结构精度）[@src-c38a800914]。
  上面**图 9.2 的面板 (a)** 是这件事的另一种画法：横轴是各参赛组，
  **要看的不是 AlphaFold 的绝对值，而是它和第二名之间的断层**——
  在一个已经竞争了 25 年、每届通常只有个位数百分点进步的双盲赛制里，这种量级的跳跃只出现过这一次。
  而下面这张图回答的是另一个问题：**这个中位数背后的分布长什么样，以及模型知不知道自己哪里没做好。**




    **图 9.4** AlphaFold 2 论文图 2：精度**分布**与**置信度校准**。
    面板 (a) 是全链骨架 RMSD 的分布——上面那个 92.4 的中位数只是这条分布的一个点；
    **★面板 (c)(d) 是本章更关心的东西**：模型自报的 **pLDDT** 与真实 lDDT、
    自报的 **pTM** 与真实 TM-score 高度贴合对角线。
    **读法**：这意味着 AlphaFold **知道自己什么时候不知道**——
    它随预测一起交付了一个校准过的自评分数。
    放在本章主线上，这是一个很少被单独讨论的点：**结构预测之所以能被大规模使用，
    不只因为它准，还因为它的不确定性可以被下游过滤**；
    pLDDT 本身就是一个「随货附带的、便宜的、可自动化的验证信号」。
    [@src-c38a800914]出处：Jumper et al., Nature 596:583, 2021（图 2）



**五年之后的影响力数字**（截至官方五周年盘点）：AlphaFold 蛋白结构数据库（与 EMBL-EBI 共建）
  收录 **2 亿多**条预测结构[@src-5c44e34893]；**300 万+**研究者、**190 多个**国家使用；
  被引 **3.5 万+** 篇，另有 **20 万+** 篇论文在方法学里用到它[@src-54d3477036]。


  **AlphaFold 2 到底赢在哪一步？**不在深度学习，在于**把「进化统计」和「三维几何」这两种完全异质的先验，
    硬塞进同一个可微分的循环里**。MSA 提供统计共变，三角更新提供度量空间公理，IPA 提供 SE(3) 不变性，
    FAPE（下一节）提供局部框架优先与手性。任何一个单拿出来都不新；新的是把四种先验编织成一个端到端可训练的整体。
    这也解释了一个常被误读的现象：**AlphaFold 2 不是「大力出奇迹」的产物**——
    它的参数量在 2021 年也只是中等规模，赢的是**归纳偏置的密度**。
    这构成了对「scale is all you need」的一个具体反例，
    也是 Hassabis 反复强调「还需要一两个新想法」的经验来源。



### 2.3 公式推导 F9-1：FAPE loss —— 训练数据上的可微监督信号

如果只能从 AlphaFold 2 里挑一个东西讲透，应该挑 **FAPE（Frame Aligned Point Error）**，
  而不是 Evoformer。原因很简单：Evoformer 是一个可以被替换的架构（AF3 就换掉了），
  而 FAPE 定义的是**「在有真值的样本上，什么叫预测对了」**——它是这条线上最接近「验证器」的东西，
  而且它是可微的。**但「最接近」不等于「是」：FAPE 需要 \(\vec x_i^{\text{true}}\) 才能算，
  它是有监督的训练损失，不是一个能对未知蛋白候选调用的科学验证器。这个区别在本节末尾展开。**



    F9-1
    Frame Aligned Point Error（FAPE）
    Jumper et al., Nature 596:583 (2021)，补充材料 Algorithm 28





      符号表

| | (T_k=(R_k,\vec t_k)) | 第 (k) 个残基的局部刚体框架，(R_k\in SO(3)) 无量纲，(\vec t_k\in\mathbb R^3) 单位 Å；由主链 N–Cα–C 三原子按固定顺序构造

| | (T_k\circ\vec v) | (=R_k\vec v+\vec t_k)，把局部坐标搬到全局

| | (T_k^{-1}\circ\vec x) | (=R_k^{\top}(\vec x-\vec t_k))，把全局坐标压回第 (k) 号框架

| | (\vec x_i) | 预测的第 (i) 个原子的全局坐标，单位 Å

| | (\vec x_i^{\text{true}},,T_k^{\text{true}}) | 实验结构对应的原子坐标与框架

| | (N_{\text{frames}},N_{\text{atoms}}) | 参与计算的框架数与原子数（个）

| | (d_{\text{clamp}}) | 截断距离，论文取 10 Å

| | (Z) | 无量纲化尺度，论文取 10 Å

      先定义「从第 \(k\) 号残基看出去，第 \(i\) 号原子放错了多远」。

      \[ d_{ki} \;=\; \big\lVert\, T_k^{-1}\circ\vec x_i \;-\; (T_k^{\text{true}})^{-1}\circ\vec x_i^{\text{true}} \,\big\rVert \]
      注意这里**不比较全局坐标**，而是先把预测结构和真实结构各自搬进「自己」的第 \(k\) 号框架，
        再比较。比的是一个相对量：从某个残基的视角看，其他原子应该在哪里。



      证明 \(d_{ki}\) 对整体刚体变换严格不变。对预测结构整体施加 \(T=(R,\vec t)\)，
        即 \(\vec x_i\mapsto R\vec x_i+\vec t\)，同时框架变成 \(T\circ T_k=(RR_k,\;R\vec t_k+\vec t)\)：

      \[ (T\circ T_k)^{-1}\circ(T\circ\vec x_i)
         \;=\;(RR_k)^{\top}\big(R\vec x_i+\vec t-R\vec t_k-\vec t\big)
         \;=\;R_k^{\top}R^{\top}R(\vec x_i-\vec t_k)
         \;=\;T_k^{-1}\circ\vec x_i \]
      关键只有一步：\(R^{\top}R=I\)。所以局部坐标一个字都没变，
        \(d_{ki}\) 自然不变。**后果是：算这个损失不需要先做结构叠合（superposition）**——
        而叠合是一个不可微、且要解 Kabsch 问题的操作。这一步省掉的东西，才是 FAPE 真正的工程价值。



      再证明它对**镜像**故意不不变。设 \(M\) 为反射矩阵，\(\det M=-1\)。
        把整个结构镜像后，框架的前两个基向量随之变为 \(Me_1,Me_2\)，
        而第三个基向量是叉乘得到的，对正交阵有 \((Me_1)\times(Me_2)=\det(M)\,M(e_1\times e_2)=-M(e_1\times e_2)\)。
        于是镜像后的框架是 \(R_k^{\text{mir}}=MR_kS\)，其中 \(S=\mathrm{diag}(1,1,-1)\)。代入：

      \[ (R_k^{\text{mir}})^{\top}\big(M\vec x_i-M\vec t_k\big)
         \;=\; S\,R_k^{\top}M^{\top}M(\vec x_i-\vec t_k)
         \;=\; S\,\big(T_k^{-1}\circ\vec x_i\big) \]
      局部坐标的**第三个分量被翻了号**。与未镜像的真值相比，
        \(\lVert S\vec p-\vec q\rVert\neq\lVert \vec p-\vec q\rVert\)，
        所以镜像结构会被实打实地惩罚。**AlphaFold 的手性正确性主要就来自这里**，
        而不是来自任何额外的手性损失项。



      最后对所有框架 × 所有原子求平均，并做截断与归一：

      \[ \mathrm{FAPE} \;=\; \frac{1}{Z}\cdot\frac{1}{N_{\text{frames}}N_{\text{atoms}}}
         \sum_{k}\sum_{i}\min\big(d_{\text{clamp}},\; d_{ki}\big) \]
      三件事同时发生：① \(\min\) 把 L2 距离变成**截断 L1**，
        超过 10 Å 之后梯度是常数，训练早期不会被少数离群原子劫持；
        ② 除以 \(Z=10\) Å 让损失**无量纲**，量级落在 0–1；
        ③ 论文在训练中对约 90% 的样本用 clamp、10% 不用，保留把远端大错拉回来的能力。

**存在实验真值 (\vec x_i^{\text{true}},T_k^{\text{true}})。**这是最强的一条假设，也常被忽略： FAPE 只在 PDB 这类已解结构上有定义，对未知蛋白无法计算，因此它是有监督训练损失，不是部署时可调用的验证器。
主链三原子的几何足够好，框架可以稳定构造；极端构象或缺失原子处框架噪声会被放大。
预测原子与真实原子一一对应。同源多聚体存在链置换歧义，需要额外的匹配步骤。
所有框架、所有原子等权——这等于假设「每个残基的局部视角同样重要」。
计算量是 (O(N_{\text{frames}}\times N_{\text{atoms}}))，全原子版本对长链要分块或下采样。
clamp 抹平了大尺度错误：一旦超过 10 Å，「错 12 Å」和「错 40 Å」是一样的代价。这在机制上解释了为什么 AF2 在多结构域摆放（domain packing）和大型复合物上相对更弱—— 损失函数对这一类错误的分辨率被人为压掉了。
FAPE 低不等于物理合理：它不含键长、键角、原子重叠等项，AF2 另配 structural violation loss。到了 AF3 换成扩散模块之后，这层约束更松——第三方统计 PoseBusters 上约 4.4% 的预测仍存在手性或原子重叠违规^[27]。

它不是度量：(\min) 破坏了三角不等式，所以 FAPE 不能当距离用，也不能直接和 RMSD／GDT_TS 换算。

    FAPE 把「评价一个三维结构**相对于一个已知真值**」从**一次全局对齐问题**，
    改写成 \(N_{\text{frames}}\times N_{\text{atoms}}\) 个**局部视角的加权投票**：
    不需要 superposition、对 SE(3) 严格不变、对镜像敏感、可回传梯度。
    **真值依赖不可去除**——这决定了它是训练损失而非验证器。







**FAPE 在训练数据上充当可微的监督信号，可以类比成验证器，但它验证不了未知结构的真伪。**
  本材料**此前版本**写的是「FAPE 其实就是一个验证器，只不过它可微」——**这个说法过头了**，
  因为 FAPE 的每一项都要减去 \((T_k^{\text{true}})^{-1}\circ\vec x_i^{\text{true}}\)：
  **没有实验真值就算不出来**。对一条你真正想知道答案的、PDB 里还没有的新蛋白，
  FAPE 一个字也说不了。真正的验证器在别处——是 **PDB 晶体结构与 CASP 的双盲赛制**；
  FAPE 只是把那个外部验证器**在已有真值的样本上**翻译成了一个可回传梯度的形式。
  （部署时能对未知结构说点什么的是 **pLDDT / PAE 这类自评置信度**，
  但那是模型对自己的估计，不是独立验证。）

**把限定加上之后，这一节真正的洞察反而更清楚了**：
  AlphaFold 团队做的事情，是为一个**已经存在客观答案库**的问题，
  设计一个几乎无法被作弊的、可微的**拟合目标**——
  你没法靠输出一个平均结构、一个镜像结构、或者一个整体摆歪的结构来骗到低 loss。
  **「能把外部验证器翻译成可微损失」和「这个领域有外部验证器」是两件事，而后者是前者的前提**。
  这也是为什么蛋白结构预测能被一次性解决，而「设计一个好药」不能——
  后者连那个外部答案库都不存在，只能拿去做实验。

2.4 AlphaFold 3（2024-05，Nature 630:493）：用等变性换通用性

AlphaFold 3 是一次架构上的激进简化，同时是一次能力上的大幅扩张—— 它不再只预测蛋白，而是预测蛋白 + 核酸 + 小分子配体 + 离子 + 修饰残基的联合复合物结构^[28]。四处关键改动：

**（1）Pairformer 取代 Evoformer。**AF2 的 48 个 block 里 MSA 表示占了大头； AF3 把 MSA 处理压缩到只有 4 个 block 的轻量模块，主干换成只在 single 与 pair 表示上工作的 Pairformer （三角更新与三角注意力保留）。这降低了对深 MSA 的依赖，也降低了计算量。

**（2）扩散模块直出原子坐标。**删掉 IPA、删掉残基框架、删掉侧链扭转角参数化，直接用一个条件扩散模型在原子坐标上去噪（下一节完整推导）。

（3）扔掉等变性，靠数据增强补。AF2 用 IPA 保证严格的 SE(3) 不变； AF3 的扩散模块不再有任何等变性约束，改用随机旋转/平移增强在训练中「学」出近似不变性。

**（4）cross-distillation 抑制幻觉。**生成模型有个众所周知的毛病：在本该是无序区的地方会编造出看起来合理的紧凑结构。 AF3 的解法是用 AlphaFold-Multimer v2.3 的预测反向蒸馏—— AF-Multimer 在无序区会输出长而伸展的 loop，AF3 学着模仿这种「诚实的松散」^[28]。

    **图 9.5** AlphaFold 3 论文图 1。**本节先看面板 (d) 的架构**：
    输入 embedder → 模板/MSA 模块 → **48 层 Pairformer** → **扩散模块** → 置信度模块。
    **读法**：把它和图 9.2 面板 (e) 并排看——左半边（表示学习）几乎没变，
    右半边（结构生成）被整个换掉了：Structure Module + IPA 被扩散模块取代。
    这是一次「保留归纳偏置最强的部分、替换掉最难扩展的部分」的手术。
    **面板 (c) 是准确率对照**，见下段讨论。
    [@src-880baf1e28]出处：Abramson et al., Nature 630:493, 2024（图 1）





    **图 9.6** AlphaFold 3 论文图 2（架构与训练细节）——**本章公式推导 F9-2 的原图**。
    **面板 (a)**：Pairformer 单块，注意它相对图 9.3(a) 的 Evoformer **去掉了 MSA 行/列注意力**，
    只留 pair 表示上的三角算子加一路 single attention，这就是「轻量化 MSA」在架构上的样子。
    **面板 (b)**：扩散模块内部——**随机旋转平移**那一步是它替代 IPA 严格不变性的方式，
    即用数据增强换取架构上的等变约束（本章 §2.5 讨论的那笔交易）。
    **面板 (c)**：训练时跑 mini rollout 并对真值做置换，48 个样本一起算损失。
    **面板 (d)**：训练曲线，注意 protein–RNA 那条明显低于 intraligand。
    [@src-880baf1e28]出处：Abramson et al., Nature 630:493, 2024（图 2）

准确率数字（必须用原文口径）：PoseBusters V1（428 个 2021 年之后的蛋白-配体结构）上 76.4% 的预测满足「口袋对齐后配体 RMSD 0) | 噪声尺度，单位 Å；训练时从分布 (p(\sigma)) 采样

| | (\vec\epsilon) | 标准高斯噪声，(\vec\epsilon\sim\mathcal N(0,I))

| | (D_\theta(\cdot;\sigma,c)) | 去噪网络，直接输出对 (\vec x_0) 的估计（不是预测噪声）

| | (c) | Pairformer 给出的条件表示（序列、MSA 摘要、模板、配体化学）

| | (w(\sigma)) | 损失权重，无量纲；用于平衡不同噪声尺度的贡献

      前向过程是最简单的方差爆炸（VE）型加噪，**不缩放信号**：

      \[ \vec x_\sigma \;=\; \vec x_0 + \sigma\vec\epsilon \]
      不缩放信号这一点对分子结构很重要：坐标的物理量纲是 Å，
        \(\sigma\) 直接就是「错多少埃」，可以按化学尺度设计噪声调度（从键长量级到整体尺寸量级）。



      训练目标是加权的去噪回归：

      \[ \mathcal{L}_{\text{diff}} \;=\; \mathbb{E}_{\vec x_0,\,\sigma,\,\vec\epsilon}
         \Big[\, w(\sigma)\,\big\lVert D_\theta(\vec x_0+\sigma\vec\epsilon;\ \sigma,\ c) - \vec x_0 \big\rVert^2 \,\Big] \]



      平方损失的最优解是条件期望，这一步是标准结论：

      \[ D^{\star}(\vec x_\sigma;\sigma,c) \;=\; \mathbb{E}\big[\,\vec x_0 \,\big|\, \vec x_\sigma,\, c\,\big] \]
      这句话后面藏着 AF3 幻觉问题的**数学根源**：
        条件期望的本性是「平均」。在真正无序的区域，真实的 \(\vec x_0\) 是一个宽分布，
        它的均值是一个**没有任何单一构象对应的、看起来却很紧凑**的东西。
        所以 cross-distillation 不是补丁，而是对这个数学性质的必要对冲。



      去噪器与分数函数是同一件事（Tweedie 恒等式）：

      \[ \nabla_{\vec x}\log p_\sigma(\vec x\mid c) \;=\; \frac{D^{\star}(\vec x;\sigma,c)-\vec x}{\sigma^{2}} \]
      于是采样就是沿概率流 ODE 从大噪声积分回 \(\sigma\to 0\)：

      \[ \frac{d\vec x}{d\sigma} \;=\; \frac{\vec x - D_\theta(\vec x;\sigma,c)}{\sigma} \]
      这解释了两件事：**为什么可以「从一团噪声出发多步收敛到结构」**，
        以及**为什么输出天然是多样本的**——每个 seed 是这条 ODE/SDE 的一条不同轨迹。
        「1000 个 seed 取 top-ranked」不是作弊，而是这个参数化的直接推论；
        但它意味着**报告精度时必须同时报告 seed 预算**。

前向噪声是各向同性高斯，(p_\sigma) 处处可微。
网络容量足够，且 (\sigma) 的采样分布覆盖从原子间距到整体尺寸的全部尺度。
没有等变性约束：AF3 依赖随机旋转/平移增强来「学」近似不变性。
近似不变性不是保证。同一个结构换一个朝向，输出可以不同；等变架构（如 AF2 的 IPA）在数学上不会。这是一次用理论保证换化学通用性的明确交易。
**幻觉需要外部对冲。**无序区的紧凑构象来自条件期望本身，只能靠 AF-Multimer 的交叉蒸馏压制。
**可靠性要用 seed 数量买。**抗体-抗原的显著增益依赖 1000 seed；这是成本，不是免费午餐。

**物理合理性仍有缺口。**第三方统计称 PoseBusters 上约 4.4% 的预测存在手性或原子重叠违规^[27]。

    AF2 把对称性写进架构（IPA 的严格不变 + FAPE 的框架对齐），AF3 把它换成了数据增强。
    换来的是「任何化学组分都能塞进来」，代价以三种形式支付：**理论保证消失、幻觉需要蒸馏、可靠性要用 seed 买**。







这笔交易和 LLM 那边的故事**完全同构**：Transformer 也是用规模和数据换掉了几乎所有手工先验。
  区别在于，蛋白质领域有一个 LLM 没有的东西——**PoseBusters 这样的物理合理性检查器**。
  所以我们能精确地量出这笔交易的代价是 4.4% 的违规率。
  在 LLM 上，同样的交易也在发生，但我们没有对应的「4.4%」可以报，
  只能用 hallucination rate 这种依赖人工标注的软指标。**又是验证器的问题。**

AF3 的 diffusion module 与 GenCast 用的是同一套数学底座——前向加噪 SDE、反向去噪、\(\epsilon\)-参数化与 flow matching 的等价性，
  本项目在 第 6 章 · B12 扩散与流匹配 里做了完整推导；
  本节只用它的结论，不重复推一遍。同理，AlphaProof 那条线背后的搜索数学见
  第 6 章 · B10 从 UCB1 到 PUCT 与 MuZero 的三网络损失。

2.6 开源争议：AI4Science 叙事上最实在的一道伤口

这件事必须完整写，因为它是「Demis 的 AI for Science 是真信仰还是差异化叙事」这个问题上最有力的反面证据。时间线（严格按档案与基线，不加戏）：

  2024-05-08
  AF3 论文在 Nature 发表，不附代码


    只给补充材料里的**伪代码**；能力通过 alphafoldserver.com 提供，仅限非商业用途，
      限制可用配体种类与共价修饰、每天有预测次数上限、**禁止用于药物开发**[@src-880baf1e28][@src-3794c4cba8]。

  2024-05-11 – 05-14
  结构与计算生物学界发起公开信


    审稿人之一 Roland Dunbrack 表示他在评审过程中反复索要代码但从未获得[@src-1fb7d0a30c]。
      公开信到 5 月 14 日已有 **650+ 签名**[@src-255fe4758e]，到 5 月底累计**超过 1000 个**[@src-c51c2ce70c]。
      核心指控有两条：论文里「Code is not provided」公然违反 Nature 自己的代码可用性政策；
      以及——**使用学术出版的公信力，却不提供复现的可能，是在颠覆整个科研事业**。

  2024-05-23
  Nature 发社论自辩


    《AlphaFold3 — why did Nature publish it without its code?》（Nature 629:728）承认
      「这个决定我们不是轻率做出的」，把考量因素归为生物安全的潜在影响与伦理挑战，
      并称伪代码是替代的可复现性方案[@src-4599a29acb]。

  2024-11-11 / 11-27
  有限度开放：学术非商业用途的推理代码与权重


    DeepMind 释出 AF3 的推理代码与权重，**仅限学术非商业用途，需申请**[@src-0194dacea9]；
      Nature 于 11 月 27 日刊发 Addendum（Nature 636:E4）记录此事[@src-e1b6b2a2ed]。
      Science 的后续报道引述 Pushmeet Kohli 的说法，暗示此前限制访问是为了
      **不损害 Isomorphic Labs 推进药物发现的能力**[@src-cd34d81f4b]。







**一个组织不可能同时最大化「科学共同体的公共品」和「母公司的商业护城河」。**
  AlphaFold 2 时代 DeepMind 选了前者——完全开源、与 EMBL-EBI 共建公共数据库、2 亿多条结构免费——
  换来了诺贝尔奖和无可争议的道德高地。AlphaFold 3 时代 Isomorphic Labs 已经成立，
  与礼来、诺华签下总额超过 30 亿美元的里程碑协议[@src-4b68c2fa0d]，
  **「开放」的机会成本从几乎为零变成了几十亿美元**，选择也随之翻转（首发关闭，抗议后转为学术非商业的有限开放）。
  **这里必须把因果说清楚：机会成本的上升与开放策略的收紧是同步发生的，
  Kohli 被引述的理由[@src-cd34d81f4b]支持商业解释，但它不能证明这是唯一原因**——
  Nature 社论给出的官方理由是生物安全与伦理[@src-4599a29acb]，两种解释覆盖同一批事实。
  能确定的是：这不是道德问题，是**约束结构问题**；至于收紧究竟来自商业、监管还是责任，
  现有证据分不开（第八节末尾列出了这条论证的三处脆弱）。
  对读者的实际含义：当 Demis 说 AI for Science 是他做 AI 的初心时，这句话可以是真的；
  但它同时受 Alphabet 财报的约束，而**这个约束会在商业价值最高的那些方向上最先咬人**。
  一个可操作的判据：**以后每一个 Alpha 系统发布时，看它走 AF2 路线还是 AF3 路线。**
  2025 年的 AlphaGenome 走了 AF2 路线（API + 权重 + 源码，非商业免费）[@src-b07e03a111]；
  2026 年 Isomorphic 的 IsoDDE 连论文都没有[@src-9feb875d22]——这条曲线仍在两端摇摆。

2.7 从结构到功能到设计：AlphaFold 之后的四步

把 2023–2026 的后续排开，会看到一条明确的推进路线， Hassabis 反复讲的**「虚拟细胞」**正在被逐层逼近：

| | 系统 | 时间 | 跨出的那一步 | 关键数字

    表 9.3 · AlphaFold 之后的四步。数据截止 2026-07-25。AlphaProteo 的局限写在论文里：靶点数少，且**全部依赖靶点的晶体结构作为输入**。








      **图 9.7** AlphaProteo 在七个靶点上设计的结合蛋白。**读法**：这是从「预测已有分子长什么样」
      跨到「生成一个自然界不存在的分子」的分界点，但它的输入仍然是靶点的**已知晶体结构**——
      也就是说，它站在 AlphaFold 的肩膀上，同时继承了 AlphaFold 的输入依赖。
      [@src-c2392fac8e]出处：AlphaProteo, Google DeepMind, 2024





      **图 9.8** AlphaGenome 的**相对提升**柱状图（不是模型架构图）：
      左栏是六类**序列任务**，右栏是六类**变异效应任务**，横轴是相对此前最好专用模型的**百分比提升**。
      **读法一**：所有条都在 **+3% 到 +25.5%** 之间——这是「多任务统一模型追平并小幅超过一堆单任务专用模型」的形状，
      **不是 AlphaFold 2 那种断层**。把它和图 9.2(a) 并排看，能直观看出同一个团队在两个领域拿到的战果**量级完全不同**。
      **读法二**：纵轴是 Google 自己选的任务集合、分母是它自己选的对照模型，
      **这是厂商自报的相对值，没有第三方复现**。
      （模型本身「打破长上下文 vs 高分辨率二选一」的架构说法见正文，本图不含架构信息。）
      [@src-b07e03a111]出处：AlphaGenome, Google DeepMind, 2025（官方博客配图）




### 2.8 2026-06-19：John Jumper 离开 Google DeepMind

2026 年 6 月 19 日，Bloomberg 报道诺贝尔化学奖得主 **John Jumper 宣布离开 Google DeepMind、加入 Anthropic**，
  **具体新职位未披露**（中高置信，媒体一手报道，双方未见更详细的官方公告）[@src-a9fcce7daa]。
  同月 24 日，Bloomberg 另有报道称 Jonas Adler 与 Alexander Pritzel 也将转投 Anthropic，
  **但双方均无一手确认，只能写「据 Bloomberg 报道」**[@src-be3f9ae547]。


  **这件事对 AlphaFold 线意味着什么？三个层次，从确定到不确定。**

    **确定的：**AlphaFold 的两位诺奖得主里，负责技术实现的那一位已经不在这家公司了。
    AlphaFold 2 的一作、AlphaFold 3 的核心作者，走了。

    **较可能的：**这是一个**关于回报周期的信号**。AlphaFold 之后，这条线上最有商业价值的部分被划给了
    Isomorphic Labs（一家独立公司，有自己的融资和股权），
    而 GDM 内部的科学线越来越像「为 Isomorphic 提供底座」。
    对一个已经拿过诺奖的科学家来说，去一个把「模型本身」当成核心产品的地方，
    在激励上是说得通的。

    **不确定的（明确标为推测）：**这是否意味着 Anthropic 要开一条 AI for Science 线？
    **截至 2026-07-25 没有任何公开信息支持这个推论**，Jumper 的新职位本身都未披露。
    本材料不做这个外推。

    真正值得记的是一个更冷的观察：**诺贝尔奖没有留住人。**
    如果 AI for Science 的最高荣誉都不足以构成留任理由，
    那么「这是我做 AI 的原因」这类表述，在组织层面的约束力就要打个折扣。



### 2.9 一条独立的外部因果证据：AlphaFold 到底加速了什么

前面 2.1–2.8 全部是 DeepMind 自己的产出与自己的评测。
  本节放一条**不由 Google 生产、方法可复核、而且结论对本章主线不友好的外部证据**——
  两位经济学者用**蛋白级双重差分**做的自然实验。**这是本章「有效验证能力」主线目前最强的一条独立佐证，
  也是本章上一版完全没有引用的缺口。**



    **反方主张：AlphaFold 解决的是「给定序列预测一个静态结构」，而这不是药物研发的约束所在。**
      它确实显著改变了基础生物学的研究方向，但在观测窗口内**没有可比强度地传导到下游应用研发**；
      在药物设计真正需要的那个量（结合亲和力）上，它到 CASP16 仍然明显低于实验不确定度允许的水平。

★Hill & Stein, How Artificial Intelligence Shapes Science: Evidence from AlphaFold, NBER Working Paper 35143 （本章采用冻结日前的 2026-07-17 修订版）^[31]。 识别策略：AlphaFold 发布前，SwissProt 的约 57 万条蛋白中只有约 8% 有实验结构，于是「已有结构」是对照组、「无结构」是处理组，做蛋白级双重差分。三条结论：

      ① **实验结构解析速率几乎没变**——研究者是拿预测结构去**辅助与补充**实验，不是替代实验；

      ② 对先前没有结构的蛋白，**基础研究产出相对上升 23–32%**，研究方向被推向此前冷门的蛋白；

      ③ ★对**应用侧（下游药物研发与专利）**的效应**小，且仅边缘显著**。

      **⚠️ 两条限定必须一起写：其一，这是 B 级 NBER working paper，未经同行评议定稿；
      其二，本章上一轮引用的是它的早期版本（基础研究 16–25%、下游「零可检出效应」），
      与 07-17 修订版不同——「零效应」这个说法已经不准确，必须改成「小且仅边缘显著」。**

CASP16 的制药组评估给出了同一结论的另一半^[32]：在姿态预测上 AlphaFold 3 以 mean LDDT-PLI 0.80 超过所有参赛组；但在亲和力预测上最高只有 Kendall’s τ = 0.42，而实验不确定度允许的最大可达值约 0.73。更关键的是：评估第二阶段把实验结构直接发给参赛者，亲和力预测没有任何改善—— 说明缺的不是结构信息。

  **反方成立的条件很清楚，取决于 AlphaFold 被许诺了什么**：

    如果承诺是「**加速新药**」，反方成立——三年窗口内没有看到可比强度的传导；

    如果承诺是「**加速基础生物学**」，反方不成立——23–32% 是一个相当大的正效应，而且方向是把研究推向冷门蛋白。

    **另有一条时间窗限定**：药物研发的周期本身长于该研究的观测窗口，
    「三年内没测到」与「不会发生」是两回事，作者也没有主张后者。




  反方成立，且它加固而不是推翻本章主线

  **这条证据把分界线画在了「基础研究 / 应用研发」这条缝上，而这条缝恰好也是本章三条变量同时切换的地方**：
    基础研究那一侧，反馈是「能不能据此设计出下一个实验、写出下一篇论文」，时延以周月计、可并行、代理指标偏差小；
    应用研发那一侧，反馈是临床终点，时延以年计、难并行、且结构与亲和力代理不了疗效。

  ★**但这里必须停住，不能顺势把作者拉来当自己的证人。**
    Hill & Stein 给出的机制解释是他们自己的话：**即使 AI 大幅降低了某个关键投入的成本（此处是结构信息），
    下游进展仍可能受制于移动更慢的互补要素。**
    「互补要素移动慢」与本章的「反馈时延长」**相容，但不是同一句话**——
    前者说的是投入品之间的配比，后者说的是验证循环的节奏。
    **本章不把他们的结论写成对时延假说的背书**，只写成：
    有一条独立的、方法可复核的外部证据，与本章的分界线落在了同一个位置。




  **预注册检验点 P3（完整登记见第十节表 9.14）**：**CASP17 亲和力预测的最高 Kendall's τ 是否突破 0.55。**
  测量方 = CASP 官方制药组评估；时间 = CASP17 评估发布时；口径 = 与 CASP16 同一 τ 统计量、同一评估阶段；
  阈值 = **>0.55 判正方，≤0.55 判反方**。
  **⚠️ 0.55 是从 CASP16 的 0.42 与「最大可达约 0.73」推出来的，而后者会随评估靶点集变化**——
  检验时必须先看 CASP17 自己那一届报的最大可达值再换算，不要拿 0.55 当固定终点线（见第十节的锚定审计）。

  另一条：**Hill & Stein 的应用侧分析被更新到 2026 年数据、或有独立团队用相同设计复现时**，
  若应用侧效应变为统计显著且效应量与基础研究可比，本条反方应当撤回。

三、2024 诺贝尔化学奖：官方表述与三种常见误写

这一节短，但它是本章的事实红线区。公布日 2024-10-09^[6]，奖项一分为二：

| | 得主 | 官方贡献表述（原文） | 份额

| | David Baker | “for computational protein design” | 1/2

| | Demis Hassabis | “for protein structure prediction”（两人共享另一半） | 1/4

| | John Jumper | 1/4

    表 9.4 · 2024 年诺贝尔化学奖的准确份额与贡献表述，依据诺贝尔奖官方新闻稿与官方摘要页[@src-8951007398][@src-878bf2e5af]。数据截止 2026-07-25。





  **①「AlphaFold 3 团队因广义生物分子交互获奖」**——错。诺奖表述对应的是蛋白质结构预测，
    官方材料的重点是 AlphaFold2 解决了一个长期存在的问题。AF3 发表于 2024 年 5 月，与奖项无关。

    **②「Hassabis 和 Jumper 各得一半」**——错。是两人**共享**一半，各 1/4；Baker 独得 1/2。

    **③ 把颁奖时间写成 2024 年 12 月**——那是颁奖典礼的时间，公布日是 **2024-10-09**。




  **诺奖对 Google 的真实价值，不是荣誉，是给一条特定的线加了一层外部背书。**
    **但这层背书的覆盖面必须写准，否则就变成不当的举证责任转移。**
    诺奖显著提高了 **AlphaFold 这条线**（蛋白结构预测的历史贡献）的可信度，而且这层可信度**不会过期**：
    Gemini 3.1 Pro 的 ARC-AGI-2 分数会在半年内被超过，诺奖不会。
    **它不验证的东西同样清楚**：它不验证 AlphaFold 3 的广义生物分子交互（AF3 发表于获奖公布前四个月，不在表述范围内），
    不验证 GNoME、Aletheia、Isomorphic 这些其他 AI4S 项目，不验证 Google 的开放策略或商业决策，
    更不为「AI 正在推动整个科学」这个更大的叙事背书。
    **所以「你得先解释诺贝尔委员会为什么错了」不是一个合法的回应**——
    对本章后面任何一条具体断言（736 个匹配、212 → 4 的漏斗、临床时间表），诺奖都不构成证据，
    举证责任仍然在提出断言的一方。
    代价也在同一处：**诺奖同时把这条线上后续所有宣传的门槛抬高了**。
    2026 年 Aletheia 声称解出 212 个开放问题、实际新颖 4 个这种事（见第四节），
    放在一个没有诺奖背景的实验室身上是「有意思的初步结果」，
    放在诺奖得主的组织身上就成了「宣称与实际的落差」。**加冕即约束。**




  **第一条可核事实：授奖表述里没有出现 AI、机器学习或深度学习中的任何一个词。**
    官方摘要页与新闻稿写的是 “for computational protein design” 与 “for protein structure prediction”
    两个**科学成就**[@src-8951007398][@src-878bf2e5af]，不是一种**方法**。

  **第二条可核事实：Baker 拿走的那 1/2 与深度学习无关。**
    Rosetta 起源于 1990 年代，核心是基于物理与统计势能的构象搜索加蒙特卡洛优化；
    Baker 组的从头蛋白设计成果（Top7, 2003）远早于深度学习进入这个领域[@src-134f503822]。
    **也就是说，2024 诺贝尔化学奖中份额最大的那一半，颁给了一条不是深度学习的技术路线**——
    而这一半的份额比 Hassabis 或 Jumper 任何一个人都大一倍。

  **这两条都只是把授奖表述的边界说清楚，它们本身不构成对任何人的反驳。**
    上面这两条事实**不能**推出「因此诺奖不该被当成 AI4S 的背书」——那需要一个额外的论证，
    而那个论证的归属问题见下方反方块的开头。





    ★**先交代一处删除，因为它比新增的内容更重要。**本章上一版在这里放过一个论证：
      「把诺奖的可信度转移到整个 AI4S 方法论上，是一次**非法的可信度转移**。」
      它被标注为「作者推演」保留了下来。**本轮把它整段删掉了**，理由是
      **本项目遍查后没有找到任何一位可具名的科学家公开做过这个论证**——
      它不是业界真实存在的反方立场，而是本材料自己造出来的一个反方。
      SPEC §0.8 的措辞是「**不许自造反方**」，
      **而「自造」这件事不会因为加了一句『这是我自己推演的』就变得可以保留**：
      读者仍然会在「诺奖」这一节读到一个看起来有人在反对的判断。

      **下面这条是替换上去的、真实存在且可回溯的反方主张：**
      **诺奖带来的可观察危害，不发生在「叙事被过度背书」这一层，而发生在下游使用者不再核验不确定性这一层。**




    **反方的真实证据（同行评议，作者具名）**：
      *Should We Expect a Second Wave of AlphaFold Misuse After the Nobel Prize?*，
      *BioMedInformatics* 4(4), 2024[@src-b3174f5284]。
      文中记录了一个具体案例：有作者用 **pLDDT y\)：\((1-F)-(F-F^2)=(1-F)^2\)。于是

      \[ \mathbb{E}\lvert X-y\rvert-\tfrac12\mathbb{E}\lvert X-X'\rvert
         \;=\;\int_{-\infty}^{y}F^2dx+\int_{y}^{+\infty}(1-F)^2dx
         \;=\;\mathrm{CRPS}(F,y) \]
      这就是**能量形式**。它的重要性在于：右边只依赖**样本**，不依赖显式的 CDF。
        所以一个只能采样、写不出密度的生成模型（扩散模型、FGN）也能算 CRPS——
        **这一步是「生成式天气预报」在方法论上成立的前提**。



      用 \(m\) 个集合成员做无偏（fair）估计：

      \[ \widehat{\mathrm{CRPS}}_{\text{fair}}
         \;=\;\frac{1}{m}\sum_{i=1}^{m}\lvert x_i-y\rvert
         \;-\;\frac{1}{2m(m-1)}\sum_{i=1}^{m}\sum_{j=1}^{m}\lvert x_i-x_j\rvert \]
      注意第二项的分母是 \(m(m-1)\) 而**不是** \(m^2\)。
        因为 \(\mathbb E|X-X'|\) 只能用**不同**成员的配对来无偏估计（\(i=j\) 的项恒为 0，会稀释均值）。
        用 \(m^2\) 会系统性低估离散度，从而**奖励欠离散（under-dispersed）的集合**——
        集合越小这个偏差越严重。**比较两个成员数不同的系统时，不用 fair 版本就是在比错的东西。**
        而对 **WeatherNext 2 / FGN** 来说这一项还要更要命一层：**fair CRPS 是它的训练目标**，
        分母写错就不只是评测偏差，而是在训练里直接奖励欠离散的集合。



      严格 properness。对固定阈值 \(x\)，Brier 分数是严格 proper 的：
        在真分布 \(G\) 下，\(\mathbb E_{y\sim G}\big(p-\mathbb 1[x\ge y]\big)^2\) 关于 \(p\) 的唯一最小点是 \(p=G(x)\)。
        对 \(x\) 积分保号，故

      \[ \mathbb{E}_{y\sim G}\big[\mathrm{CRPS}(F,y)\big]\;\ge\;\mathbb{E}_{y\sim G}\big[\mathrm{CRPS}(G,y)\big] \]
      等号当且仅当 \(F=G\)（几乎处处）。

      **这就是「不可作弊」的严格含义**：任何偏离真实分布的报法——
        过度自信、过度保守、把众数当均值——期望得分都会变差。
        对比一下 LLM 的评测：pass@k 可以靠采样预算刷，人类偏好可以靠讨好刷，LLM-as-judge 可以靠风格刷。
        **CRPS 没有对应的漏洞。**

(F) 的一阶矩有限（否则积分发散）。
观测 (y) 被当作真值。实际上 ERA5 本身是数据同化的产物、含有误差，所以所有 CRPS 数字都是相对 ERA5 的，不是相对「大气本身」。
集合成员是独立同分布地采自模型的预测分布。
单变量：CRPS 对每个（变量, 层次, 时效, 格点）分别计算再平均。
单变量盲区（最重要的一条）。CRPS 只看边缘分布。一个把场「抹平」的模型完全可以在逐点 CRPS 上赢，却把空间相关结构做错—— 而下游用户（电网、航运、防灾）关心的往往是空间结构。这正是 WeatherNext 2 要另报空间池化 CRPS（改善 8.7%）的原因^[33]。
有限 (m) 的估计量方差大，且非 fair 版本有系统性偏差。
跨模型比较必须固定同一套观测、网格与评估期，否则百分比不可比。「99.9% 的变量-时效组合上更优」这类陈述，必须连同「相对谁、在哪个数据集上」一起写。

对极端尾部不敏感：CRPS 由分布主体主导，极端天气需要另配阈值加权版本等指标。

    CRPS 可以承担三种角色：业务可解释的**评测指标**（单位等于物理量）、
    一个**严格 proper、无法被讨好**的裁判、以及（当集合成员足够便宜时）可微的**训练损失**。
    **但这三种角色不是每个模型都同时用满**：**GenCast 只用前两种**，它的训练损失是 weighted denoising MSE；
    **WeatherNext 2 / FGN 三种全用**，直接把 fair CRPS 当训练目标。
    同一个式子能横跨评测与训练，这在其他领域极其罕见——但引用时必须写清是哪个模型的哪一种角色。







**为什么天气是 AI 最干净的胜利，却在叙事上最没存在感？**
  因为它满足了 DeepMind 方法论的**全部**理想条件，而且这些条件都是别人在 AI 之前建好的：
  **海量高质量标注**（ERA5 再分析，几十年逐小时全球场）、
  **严格 proper 的评价指标**（CRPS，见上面的推导）、
  **明确且公认最强的对照基线**（ECMWF 的 HRES / ENS）。
  所以这条线上的进步是**可度量、可复现、争议极小**的——
  注意这句话的正确形式是「**每一张 benchmark 卡各自可复算**」，
  **而不是**「90% → 97.2% → 99.9% 是一条可验证的上升曲线」：
  那三个数字分属三套不同的对照基线与指标族（见表 9.9），连不成线。
  真正可验证的是每一格本身：GraphCast 对 HRES 的 1380 项、GenCast 对 ENS 的 1320 项，
  代码与权重都开放，任何人都能拿 ERA5 重算一遍；
  而 WeatherNext 2 的 99.9% 是对自家前代的自报，冻结日还没有同行评议，**这一格的可验证性明显弱于前两格**。
  这与 LLM 领域「benchmark 污染 + 厂商自评 + 主观偏好」的混乱形成极其鲜明的对照。
  **天气这条线是检验「AI 到底有没有真本事」的最好试金石，而它给出的答案是肯定的。**
  它在叙事上没存在感，恰恰是因为它太扎实、没有争议、也没有 AGI 想象空间——
  **这本身就是对 AI 舆论场偏好的一个讽刺**：越是无法证伪的宣称，越容易获得注意力。

6.3 附带的两条：飓风与洪水

2025-06-12 上线的 Weather Lab 旗舰是一个随机神经网络热带气旋模型：一次生成 50 种可能情景、最长 15 天；用 NHC 观测数据在 2023、2024 两个测试年评估， 5 天路径预报平均比 ECMWF ENS 靠近真实位置 140 公里——相当于一次性拿到了业界通常需要十年以上才能取得的提前量；并与美国国家飓风中心建立了合作^[34]。

洪水预警这条线属于 Google Research 而非 DeepMind，但在社会影响的量级上必须写：河流洪水预报提前 7 天，覆盖 100 多个国家、7 亿人；新模型在 7 天提前量上的精度等于旧模型在 5 天时的精度，全部信息免费公开、每日更新^[35]。 这是整个 AI for Science 版图里受益人口最多的一项，也是被提及最少的一项。

七、Isomorphic Labs：把科学变成生意的那一环

Isomorphic Labs 成立于 2021 年，是 Alphabet 旗下、由 Demis Hassabis 兼任 CEO 的药物研发公司，与 Google DeepMind 是姐妹关系而非从属关系。AlphaFold 3 是 DeepMind 与 Isomorphic 联合研发的^[36]—— 这一条是理解第 2.6 节那场开源争议的全部前提。

| | 时间 | 事件 | 数字 | 可信度

| | 2021 | 成立，Hassabis 兼任 CEO | Alphabet 全资 | A

| | 2024 | 与礼来、诺华的研发合作 | 总额超 30 亿美元的里程碑协议 | C

| | 2024-05 | 与 GDM 联合发布 AlphaFold 3 | 首发不放代码与权重 | A

| | 2026-02 | 发布 IsoDDE（Isomorphic Drug Design Engine） | Runs N’ Poses 困难基准成功率 50%，AF3 为 23.3%；抗体-抗原结构预测比 AF3 好一倍以上 | B

| | 2026-06-15 | 完成 B 轮融资 | 21 亿美元，据称是 AI 药物发现史上最大私募轮 | C

| | 2026-07-25 | 临床状态（登记库口径） | ClinicalTrials.gov 上以其为申办方的登记研究数 = 0 | A

    表 9.11 · Isomorphic Labs 关键节点，数据截止 2026-07-25。
      融资金额与合作总额来自专业媒体与第三方汇编（[@src-9feb875d22][@src-4b68c2fa0d][@src-f7810da33e]），
      **未见 Alphabet 财报层面的单独披露**，故标 C 级；**最后一行是登记库直接查询结果，等级为 A，查询式与边界见[@src-4375ae5250]**。
      **⚠️ B 轮日期存在来源冲突并按项目纪律保留**：本表引用的行业媒体记为 **2026-06-15**，
      而另一路反方调研依据 Isomorphic 官网公告页记为 **2026-05-12**。
      **两者本章都不强行取舍**，因为本章任何论证都不依赖这个日期；已登记进章末脆弱性表 F7。





  **Isomorphic 的临床时间线是本章最应该被追踪的一个承诺。**
    Hassabis 原本对外表示 2025 年底进临床，后来改口称当时「说错了」，指的是选出首个临床前候选；
    2026 年 1 月在达沃斯，他确认首个 AI 设计的肿瘤药**计划在 2026 年底前进入 I 期**[@src-9feb875d22]。

    ★**本章上一版写的是「尚无公开确认」，这句话不够硬，已换掉**：「没有公开确认」听上去像信息缺口，
    而**登记库里查不到是一个可复核的事实**。准确的写法是——
    **在 ClinicalTrials.gov 上按申办方检索 “Isomorphic Labs”（API v2 `query.spons=Isomorphic Labs`，
    查询日 2026-07-25），返回 `totalCount: 0`**[@src-4375ae5250]。

    **⚠️ 这个 0 的边界必须和它一起写，否则会被读成一个比它强得多的结论：**
    **① 它只覆盖申办方（sponsor）字段**——如果某个分子是以礼来、诺华或强生为申办方登记、
    而 Isomorphic 只以**合作方（collaborator）**身份参与，**这个查询查不到它**；
    **② 它只覆盖 ClinicalTrials.gov 一个登记库**，EudraCT / ISRCTN / 中国药物临床试验登记平台不在其中；
    **③ 因此它能支持的结论只有一句：「没有以 Isomorphic 自己为申办方的在册试验」，
    不能外推成「Isomorphic 的分子一个都没进临床」，更不能外推到药企伙伴名下的项目。**

    这也不是指控失信——药物研发的时间表本来就会滑。
    它的价值在于给出一个**可证伪的检验点**：如果 2026 年底前 I 期启动，
    那么「AI for Science 能一路走到临床」这条论证就迈过了它最关键的一道坎；
    如果又滑了一年，那么本章第一节那张散点图上「药物发现」那个点的纵坐标，就该继续钉在低位。
    **请读者在 2027 年初回来核对这一条。**



中文语境里对 Isomorphic 影响最大的框架，来自海外独角兽 2025-07-07 的文章
  《Isomorphic Labs：DeepMind 创始人再创业，打造制药界的 TSMC》[@src-440b4dd725]。
  它的核心类比转述是：Isomorphic 想做的不是一家自己卖药的药厂，
  而是**制药行业的台积电**——把「分子设计」这一环做成可被所有药企调用的代工能力，
  靠平台而非单一管线获利。**这是一个 C 级中文转述的分析框架，不是 Isomorphic 的官方自述**，
  本材料未在官方渠道找到对应表述，引用时不加引号。


  **「制药界的 TSMC」这个类比，好在哪里、错在哪里？**
    **好的一半**：它准确抓住了 Isomorphic 与传统 biotech 的结构差异——
    礼来、诺华的合作是「你出靶点，我出分子」，收入结构是里程碑付款而非药品销售，
    这确实是代工逻辑；而且 AlphaFold 3 首发限流的动机（保护商业能力）也只有在代工逻辑下才说得通：
    **如果结构预测能力人人可得，代工就没有溢价**。

    **错的一半**：台积电的护城河建立在**工艺良率可测、且客户可以立刻验证**之上——
    流片回来能不能用，几周内就知道。**而分子设计的「良率」要用五到十年的临床来测**。
    在这个反馈周期下，「代工」根本无法形成台积电式的迭代飞轮。
    这又回到了本章的主线：**台积电的商业模式之所以成立，前提是它有一个几周就能给出答案的验证器；
    Isomorphic 没有。**所以更准确的类比可能不是台积电，而是**一家自带 CAD 工具的 fabless 设计公司**——
    工具很强，但要等下游流片才知道设计对不对，而这里的「流片」是临床试验。





    **反方主张：把 Isomorphic 写成「融资最多、临床最少」的泡沫样本，是一个 strawman。**
      外部专业买家——不是散户、不是媒体，是有内部尽调能力的大型药企——
      在**没有任何临床数据**的情况下仍在扩大合作。他们看得到本章看不到的东西：
      **临床前那一段的实际交付质量。**




    **可核的一手事实**：2026-01-20，Isomorphic 与 **Johnson & Johnson** 签署跨模态、多靶点研究合作，
      这是继礼来、诺华之后的**第三家**大型药企[@src-19abd9bbee]。
      **合作在扩大而不是终止**——这一点与「AI 制药是泡沫」的强版本直接冲突。

    **另一条同向的、且对本章主线不友好的独立证据**已经写在第一节的反方块里：
      BCG 团队在 *Drug Discovery Today* 的分析（作者自述为该问题的首次系统分析）报告，AI 发现的分子
      **I 期成功率 80–90%**，远高于历史均值[@src-44fa8ba5d0]。
      **「AI 制药毫无成绩」这个说法，被它自己的数据否掉了。**




    **反方成立的条件**：如果被检验的承诺是「**更快拿到候选分子**」，反方成立——
      I 期数据与三家药企的持续下注一起支持它。

      **反方不成立的条件**：如果被检验的承诺是「**更快拿到获批药物**」，反方不成立——
      同一份分析里，**II 期成功率回落到约 40%，与行业历史均值持平**，
      优势恰好在这里消失；而 Isomorphic 成立近五年，登记库里以它为申办方的试验仍是 0。

      ★**还有一条限定要写给反方自己**：「专业买家在加注」是一个**信号**，不是一个**结果**。
      药企签研究合作的门槛远低于把分子推进临床，里程碑协议的绝大部分金额都挂在未来节点上。
      **用它来推断疗效，是把出资意愿当成了疗效证据。**




    反方在「候选分子」这一档成立；本章的低水位判断限定到「获批药物」这一档

    **两个竞争解释并列，本章不判权重：**

    **竞争解释 A（高时延验证器的墙）**——AI 把有快反馈的那一段（ADMET、PK、毒理）做好了，
      没有把反馈就是试验本身的那一段（靶点对不对）做好。
      **成立条件**：优势应当集中出现在 I 期而在 II 期消失。**当前状态：与 BCG 的数据一致**，
      但那份分析样本小、作者全部来自 BCG、II 期样本量作者自陈 “limited”，**它是一致，不是确证**。

    **竞争解释 B（时间还没到）**——药物研发的自然周期本就以十年计，
      Isomorphic 2021 年成立，AlphaFold 3 是 2024 年的东西，**现在评判它的临床产出为时过早**。
      **成立条件**：需要观察窗口至少覆盖一个完整的临床前到 II 期周期。
      **当前状态：这个条件确实还没满足，本章无法排除 B。**

    ★**因此本章的表述只能是**：截至冻结日，「药物发现」这一格的**水位**低——
      这是关于**已交付什么**的陈述，不是关于**会不会成**的预测。
      **把「至今没有」写成「因此不会有」，是本章明令禁止的那类越界。**




    **预注册检验点 P2（完整登记见第十节表 9.14）**：
    **2027-01-31 前，ClinicalTrials.gov 上是否出现申办方为 Isomorphic Labs 的 Phase 1 登记，且状态为 Recruiting 或以上。**
    测量方 = 本项目下一轮复核者；查询式 = 与 [@src-4375ae5250] 同一条（`query.spons=Isomorphic Labs`）；
    阈值 = **≥1 条判正方跨过第一道坎；0 条判达沃斯的「2026 年底前进入 I 期」再次落空，散点图上「药物发现」的水位分维持在低位**。

    ⚠️ **本检验点刻意只查申办方字段**，与上文的边界一致：**以药企伙伴为申办方的项目不计入**，
    因为那无法区分「Isomorphic 的分子」与「伙伴自己的分子」。




## 八、E24 核心追问：真信仰，还是差异化叙事？

这是贯穿全章的问题，放在这里回答。先把两边的证据摆完整。



    **① 资源投入与商业回报严重不成比例，且持续了十年以上。**
      AlphaFold 数据库的 2 亿多条结构免费开放给全世界，Google 从中赚不到直接收入[@src-54d3477036]；
      GenCast 的代码、权重、预报数据全部开放[@src-3b0378df41]；
      洪水预警覆盖 7 亿人、完全免费[@src-9bf52f548a]。

      **② 诺贝尔化学奖。**这是一个外部的、非 Google 控制的、极高门槛的认可[@src-8951007398]。

      **③ 长期投入回报周期极长的项目。**天气预报这条线从 GraphCast 到 WeatherNext 2 做了三代、
      横跨三年，产品化收益是让 Google Search 的天气卡片更准一点——这个投入产出比在任何一家上市公司都很难通过审批。

      **④ Hassabis 本人的公开表述。**他在多个场合把 AI for Science 与 AGI 路线并置，
      称科学发现是这条路线的目的而非副产品转述[@src-8476b0da26][@src-b475ea5fd1]。
      **注意：广为流传的「这才是我做 AI 的原因」一类句子，本材料未能定位到可回溯的一手出处，
      因此这里只作转述、不加引号，也不署为原话。**




    **① Isomorphic 是要赚钱的。**而且它的商业价值直接改变了 AlphaFold 3 的开放策略——
      Kohli 被引述的理由就是不损害 Isomorphic 推进药物发现的能力[@src-cd34d81f4b]。
      **这是本章最硬的一条反面证据**：信仰在遇到几十亿美元时让了路。

      **② AI4S 是 Google 在消费级 chatbot 竞争中一项对手拿不出等价物的差异化资产**
      （**「唯一」这个说法本章不用**——那需要把 Google 的全部资产逐一比对，本材料没有做过这件事）。
      OpenAI 和 Anthropic 没有诺奖，没有 2 亿条结构的公共数据库，没有跑在 Google Search 里的业务级天气模型。
      在一个模型能力差距以月计缩小的市场里，这类资产的稀缺性极高。

      **③ 第三方观察者已经把它明确定义为护城河。**
      在一份 2026-03 的第三方技术分享里，讲师直接把一整页的标题写成
      “AI for science could become a deeper strategic moat than consumer chat”，
      论证是：实验室 + 云平台 + 自动化一旦打通，科学系统会生成**专有的数据反馈闭环**，
      而消费级聊天正在变成 commodity[3]。
      **这是第三方讲师的判断，不是 Google 的表述**；全页四条要点里有两处 “may / could” 的对冲，
      且完全没有讨论科研市场规模有限、付费方分散这些商业化难题。









      **图 9.22** 第三方讲师把科学线定义为「比消费级聊天更深的战略护城河」。
      **读法**：右侧 Feedback 卡片是整个论证的支点——实验能创造高价值的**专有**数据闭环。
      但请注意标题用的是 *could become*，正文里还有 *may generate*，
      **这是一个纯推测性论证，没有任何已实现的商业数据支撑**。






      **图 9.23** 「为什么要在通用模型之外另行投入」。
      **读法**：其中一条直接写道，AI for science 系统需要的是**领域表示、精度与专门化评测**，
      而不是面向消费者的打磨——这句话把科研系统与消费产品的价值函数差异说得很清楚，
      也与本章的验证器主线吻合。但整页**没有点名任何一个具体产品**，全部是抽象归因。






  **这个问题问错了。「真信仰」和「差异化叙事」在 Google 不是二选一，因为它们指向同一批行为。**
    更有解释力的表述是三句话：

    **（1）AI for Science 既是 Demis 的真信仰，也是 DeepMind 方法论的舒适区，两者恰好重合了。**
    DeepMind 的看家本事是「在有客观评价函数的地方做搜索」，
    而科学恰恰是人类知识体系中评价函数最硬的那一块。
    **所以无法从行为反推动机**——当信仰和能力指向同一个方向时，你观察不到二者的差异。

    **（2）比「做不做」更有区分力的观察，是「开放的机会成本上升时发生了什么」。**
    **在目前仅有的两个数据点上，「成本」比「动机」更能解释开放策略的变化：**
    AlphaFold 2 时代机会成本近乎为零 → 完全开放；
    AlphaFold 3 时代机会成本变成几十亿美元 → 首发关闭，被抗议后转为学术非商业的有限开放。
    **注意这句话的强度**：它说的是「在这两个点上，成本的解释力强于动机」，
    **不是**「判据就是成本」，也**不是**「信仰一定排在商业约束之后」——
    两个数据点撑不起一条规律，这条观察**等待更多样本检验**，下面给出它的三处脆弱与三个检验点。

    **（3）因此可证伪的判断是：**未来 24 个月内，
    DeepMind 会在**商业价值低的科学方向**（天气、洪水、基础生物学、公共数据库）继续保持高度开放，
    同时在**商业价值高的方向**（药物设计、材料、企业级算法优化）继续收紧。
    **三个可核对的检验点**：① Isomorphic 的下一代引擎会不会有同行评议论文（IsoDDE 没有）；
    ② WeatherNext 的下一代会不会继续开放权重（GenCast 开放了）；
    ③ AlphaEvolve 在 GA 之后会不会仍然发布公开的技术细节（2026-07-09 已 GA[@src-16f74db008]）。
    **如果三条都走向开放，本判断被推翻；如果三条都走向封闭，那么「差异化叙事」这一侧的解释力就压过了「真信仰」。**
    我的预期是二比一——天气会继续开放，另外两项不会。




  **上面第（2）条是本章最锋利的一句，也因此最需要被攻击。我先把它最脆的三处写出来，
    而不是等别人来指。**如果这三处里有任何一处成立，第（2）条就要被改写成更弱的版本，甚至被替换掉。

  **脆弱一：样本量是 2。**AF2 与 AF3 是同一条产品线、同一批人、相隔三年的两次决定。
    用 \(n=2\) 去支持一条「机会成本决定开放度」的规律，在方法上和用两个点拟合一条曲线没有区别。
    更麻烦的是这两个点**不独立**：AF3 的决定几乎肯定参考了 AF2 的后果。
    本章能做的只有列出检验点、等第三、第四个数据点，而不是现在就宣布规律成立。

  **脆弱二：开放决策同时受监管与责任约束，而这一层被「成本」这个词吞掉了。**
    **★这不是一个假想的替代解释——它有一手出处**：*Nature* 社论给出的官方理由是
    **生物安全的潜在影响与伦理挑战**[@src-4599a29acb]，**不是商业机会成本**。
    也就是说，**一个完全不涉及收入的解释，能覆盖完全相同的事实**。
    下面把两条解释并排写出来，**各自的成立条件写全，本章不给它们排序**：

| | | 竞争解释 A · 开放的机会成本 | 竞争解释 B · 监管与责任敞口

| | 它怎么解释 AF2 全开、AF3 首发关闭 | AF2 时代放出去几乎不损失什么；AF3 直接对应 Isomorphic 的商业能力，放出去等于把护城河送人 | AF2 预测的是静态结构，开放风险主要是学术性的；AF3 加进配体、核酸与共价修饰，离「设计功能分子」更近一步，责任敞口随之上升

| | 最强的一条支持证据 | Kohli 被引述的理由，明确提到不损害 Isomorphic 推进药物发现的能力^[10] | Nature 社论的官方自辩，理由写的是生物安全与伦理^[11]

| | 成立条件 | 需要观察到：在监管与责任敞口不变、只有商业价值变化的情况下，开放度随之变化。 当前状态：没有这样的样本。 | 需要观察到：在商业价值不变、只有监管或责任变化的情况下，开放度随之变化。 当前状态：同样没有这样的样本。

| | 同一条事实两边都能解释 | AF3 服务条款里那条禁止用于药物开发的限制——用商业解释与用责任解释同样自洽，它不能用来区分 A 和 B

      表 9.12 · AF3 收紧的两个竞争解释与各自的成立条件。**两条约束在 AF3 这个点上同时收紧，
        现有证据无法把它们分开（identification 缺失）。**本表**不主张** B 取代 A，也**不主张** A 排在 B 前面——
        **推翻一个解释不等于证明另一个解释**，而这里连「推翻」都还没做到。




  **因此第（2）条能主张的最强版本只有**：在这两个数据点上，**「开放的机会成本」这条线索与观察一致**——
    而**「监管与责任」这条线索同样与观察一致**。**真正诚实的说法是：成本、监管、责任三条约束在 AF3 这个点上同时收紧，无法归因给其中任何一条。**

  **脆弱三：这条规律赖以成立的那个「几十亿美元」，至今没有兑现成一款药。**
    「开放的机会成本」之所以被算成几十亿，靠的是里程碑协议总额与 B 轮估值——
    而**截至 2026-07-25，ClinicalTrials.gov 上以 Isomorphic 为申办方的登记研究数是 0**
    （**该查询仅覆盖 sponsor 字段，不含以药企伙伴为申办方的项目**）[@src-4375ae5250]。
    也就是说，用来解释 AF3 关闭的那个成本，目前仍是**预期值**而不是已实现收入。
    如果 Isomorphic 最终没有走通临床，那么「AF3 是为了保护一项有价值的商业能力」这个解释，
    回头看会变成「AF3 是为了保护一项**被高估**的商业能力」——
    事实层面不变，但「成本比动机更有解释力」这句话的分量会明显下降。

  **还有一层元批判要写在这里**（SPEC §0.8 第 5 条）：本章大量依赖 Google 系人物的公开发言，
    而当事人对自己决策的解释天然带有自我合理化倾向。
    「我们是被商业约束逼的」这个说法，对 DeepMind 而言其实是一个**比较体面**的叙事——
    它把选择归给结构而不是归给人。**读者应当对「结构性解释」保持和对「动机性解释」同等的警惕。**

  **反方调研的结果（已完成，逐条落地）：**本节此前预留的三个攻击面，调研后的处置各不相同——
    「Isomorphic 至今无药上市」**找到了可核的一手**（§7 的 ClinicalTrials.gov 查询，
    **注意它只覆盖 sponsor 字段**）；
    「AlphaFold 的科研影响力是否被高估」**找到了最强的独立因果证据**（§2 的 Hill & Stein 双重差分）；
    而「监管与责任」这一条，需要把两件事分开说，因为它们此前被混在一起了：

★作为一条竞争解释，它有一手出处，本章正式采用——就是上面表 9.12 的 B 列，依据是 Nature 社论的官方自辩^[11]。

★作为一个反方立场，它是自造的，本章不采用。「真正的判据是监管与责任而不是成本」这个更强的版本， 本轮遍查后没有找到任何可具名的人公开主张过。上一版曾把它写成一个替代解释、再用「它被两个方向夹死」把它驳倒——这是典型的 strawman：先造一个反方，再打赢它。 按 SPEC §0.8「不许自造反方」，这一整段论证已从本章删除，不以任何形式保留，包括不以「作者推演」的标注形式保留。

**这两件事的区别很重要，值得写死**：**「有人说过 X」和「X 是一个成立的解释」是两回事。**
  本章需要的是后者，而后者**不需要有人替它站台**——它需要的是一手出处和写全的成立条件，
  这两样表 9.12 的 B 列都有。**反过来，把一个没人主张过的强命题包装成「有人认为」，
  既伪造了共识，也让驳倒它显得像是一次胜利。**




**反方主张：**关于「AI 加速科学」的公共认知，有相当一部分不是由证据支撑起来的，
  而是由**背书链条**支撑起来的；而这条链条已经被证明会整体失效一次。

**反方证据：**2024-11 一篇预印本《Artificial Intelligence, Scientific Discovery, and Product Innovation》
  报告 AI 工具让材料科学家的新材料发现显著上升、产品创新随之上升，一度成为该领域被引最多的经济学实证之一。
  它被 **Daron Acemoglu**（2024 年诺贝尔经济学奖得主）与 **David Autor** 公开称赞，被 *Nature* 与《华尔街日报》报道，进入了公共政策讨论。
  **2025-05-16，MIT 公开声明「对该数据的来源、可靠性、有效性，以及该研究的真实性，均无信心」，要求从 arXiv 与《经济学季刊》撤回；作者已不在 MIT**[@src-40d95f7c60]。
  MIT 在声明里写明了公开的理由：这篇论文「**即便以未发表的形式，也已经在影响关于 AI 对科学之影响的讨论与预测**」。

**反方成立的条件：**它成立的范围**严格限定在「背书与传播机制」这一层**——
  它证明的是：**顶级机构 + 诺奖得主 + 顶刊报道这条链条，可以在数据真实性完全没有被验证的情况下，
  把一个结论推进公共政策讨论。**
  ⚠️ **它不能证明的事情要说得同样清楚：**这篇论文讲的是**企业内部 AI 工具对材料科学家生产率的影响**，
  **与 AlphaFold、GNoME、AlphaProof 没有任何数据或方法上的关系**。
  一篇造假的论文被撤回，**既不增加也不减少**另一批论文的可信度。

**我的再判断：****反方在它自己的作用域内完全成立，而且这个作用域比它看起来更重要。**
  本章第 §9 节的裂缝清单里有一条是「『AI 解决了 N 个开放问题』这类标题需要三重折扣」——
  MIT 这个案例给那条裂缝提供了一个**制度层面的机制解释**：折扣之所以必要，
  不只是因为研究者会夸大，还因为**核验成本高于背书成本**，
  于是在均衡状态下，背书总是跑在核验前面。
  **但必须守住边界：这是「科研治理与背书失灵」的案例，不是「AI for Science 无效」的证据。**
  把它当成后者，恰恰会重犯它本身所例证的那个错误——**用一条强度不足的证据去支撑一个更大的结论。**
  这也是本项目此轮反方审查的核心裁定：**反方成立只意味着正方需要限定，不等于反方成为新真因。**

九、六条裂缝：本章的批判清单

把前面散落的批判收拢成一张清单。这六条是本章认为必须写进任何一份诚实的 AI for Science 材料的东西。

| | # | 裂缝 | 最硬的证据

| | 1 | 水位分布极不均匀：有廉价验证器的领域达到了可独立核验的高水位，湿实验驱动的领域至今没有可交付成果 | GNoME 预测 220 万结构，同期被匹配上的独立实验结构 736 个（尝试合成的分母未知，不能算命中率）^[2]；Isomorphic 成立五年，ClinicalTrials.gov 上以它为申办方的登记研究数为 0（查询日 2026-07-25，不含伙伴名下项目）^[26]

| | 2 | Nature 论文数 ≠ 药物上市：这条链条的最后一环从未被走通过 | AlphaFold 2 发表满五年、诺奖将近两年，AI 设计分子进入 I 期仍是「计划中」^[37]

| | 3 | 开源与可复现性的倒退 | AF3 首发不给代码 → 1000+ 科学家联名 → Nature 发社论自辩 → 半年后有限度开放^[8]^[11]^[38]

| | 4 | 「AI 解决了 N 个开放问题」需要三重折扣 | Aletheia 212 → 13（原意正确，6.5%）→ 4（新颖，1.9%）^[25]；AlphaProof Nexus 9/353 ≈ 2.5%^[19]

| | 5 | 评测治理缺位：两年了，「什么算数」仍无共识 | IMO 主办方明说不验证方法、算力、人类参与与可复现性^[5]；2026 年官方评分与自评结果仍被混在一起报道^[39]

| | 6 | 人才流失 | John Jumper 2026-06-19 → Anthropic^[12]；David Silver 2026-01 离开创办 Ineffable Intelligence^[13]；另据 Bloomberg 报道两名研究员将转投 Anthropic（双方均无一手确认）^[40]

    表 9.13 · 本章批判清单，数据截止 2026-07-25。第 6 条中 David Silver 的确切离职日 DeepMind 未披露，只确认了事实本身。





  **generate-verify-evolve 这个模板正在被复制到验证器不够格的地方，而这件事没有刹车。**
    AlphaEvolve 用可执行代码打分（验证器满分），AlphaProof Nexus 用 Lean 编译器（满分），
    到了 AI Co-Scientist 就变成了「另一个 Gemini 当裁判 + Elo 排序」，
    到了 Aletheia 就变成了「自然语言验证器」。
    **模板一样，验证器的质量却相差一个量级，而输出的呈现方式（「解决了 N 个问题」）却完全相同。**
    Aletheia 68.5% 的错误率就是这条曲线的末端。
    更麻烦的是，这个模板天然会**放大验证器的偏见**：当 verifier 是 LLM 时，
    进化过程会系统性地选出「最能说服这个 LLM 的答案」，而不是「最正确的答案」——
    这在机制上与 RLHF 的 reward hacking 完全同构，只是发生在科学发现的语境里，后果更严重。
    **本材料没有看到 DeepMind 公开讨论过这个风险的缓解方案。**



## 十、结论：验证器经济学

把这一章压缩成一句话：**DeepMind 与其他前沿实验室最大的不同，不在模型架构，
  而在于它把「客观可验证的评价函数」当成了一切工作的前置条件。**
  蛋白有晶体结构，天气有 ERA5 与 CRPS，数学有 Lean，算法有实测耗时，芯片有时延。
  这既是它的护城河（这些领域需要几十年的领域积累与合作关系，别人短期进不来），
  也是它的天花板（当一个问题没有客观评价函数时，DeepMind 的方法论就退化成和别人一样的「训个大模型试试」）。

Gemini 之所以是今天这个样子——强在推理、数学、代码、多模态，而不是强在「像人一样聊天」——
  根子就在这里。这条线索会在 第 8 章 · Agent 与世界模型
  以「环境反馈决定 agent 边界」的形式再次出现，也会在
  第 7 章 · 基础设施以「AlphaEvolve 反哺 TPU」这个**潜在反馈回路**的形式出现
  （见 5.3：三层各有数字，整条回路尚未被测量）。


  **「攻克了就说这个领域的验证便宜，没攻克就说这个领域的验证贵」——如果论证只到这里，它什么风险都没承担。**
    本章前面十节的每一格，都是**先知道结果、再回头指认验证器**的。
    这种论证形式在事后总是成立，因此它**不构成解释**。**本章上一版的三个「检验点」也没有救回这一点**：
    其中两个预测的是「DeepMind 会做什么选择」，而不是「这条主线对不对」——
    **一个组织的战略决定，无论走向哪边都能被这条主线事后消化掉。**

  **本章能想到的解法只有一个：预注册。在结果出来之前，把测量方、时间、口径、阈值全部写死，并且写明什么结果算输。**
    下面这张表是本章的预注册清单，**它是本章唯一承担风险的部分**。
    **⚠️ 一并声明本章不做的事**：本章**不**把「反馈时延」立成新的单一真因，
    因此下表不含任何「时延预测 X」形式的检验点——
    **把一个单变量换成另一个单变量不是修正，只是换了个叙事**（见第一节的反方块）。

| | P2 | 「AI 能不能跨过高时延验证器的第一道门」（§7） | ClinicalTrials.gov 出现申办方为 Isomorphic Labs 的 Phase 1 登记，状态 ≥ Recruiting | 重跑 ^[26] 的同一条查询式 query.spons=Isomorphic Labs；以伙伴为申办方的项目不计 | 2027-01-31 | ≥1 条 → 正方跨过第一道坎；0 条 → 达沃斯的「2026 年底前进 I 期」再次落空，散点图上「药物发现」的水位分维持低位

    表 9.14 · 本章的**预注册检验点**。每一行都写明了测量方、口径、截止时间与判反阈值，
      **并且每一行都可能判本章输**。
      **P6 是一次针对本章自己的检验**：如果换轴后图形变整齐，说明本章的「三条并列变量」是不必要的复杂化，
      那时正确做法是改用更简单的那一维，**而不是保留合成分再解释一遍**。
      **⚠️ 本表不含任何形式的「时延预测涨速」检验点**——那条命题已被第 8 章的实测数据证否，本章不主张它。





  SPEC 要求逐条审计「本章的可证伪阈值有没有锚定在会漂移的快照上」。本章逐条查过，结果如下：

P2（ClinicalTrials 查询）—— 安全，但只在写法正确时安全。 它锚定的是一条查询式，不是一个快照数字。检验时必须重跑那条查询，不能拿「0」当固定起点—— 登记库是活的，2026-07-25 的 0 只是那一天的值。本章已把查询式写进脚注正是为此。
★P3（CASP17 的 τ>0.55）—— 有锚定风险，必须连同两条一起重估。 0.55 这个阈值是从 CASP16 的两个数推出来的：当时最高 τ = 0.42，而「实验不确定度允许的最大可达值」约 0.73^[32]。 后者不是常数——它取决于纳入评估的那批复合物的实验测量精度，换一批靶点就会变。 **因此 CASP17 出结果时，正确做法是先看它自己那一届报的最大可达值，再按同样的相对位置换算阈值，而不是拿 0.55 当固定终点线。**这与 SPEC 记录的「GDPval-AA 把 440 Elo 当固定终点线」是同一种失效模式。
★Hill & Stein 的 23–32%（§2.9）—— 已经漂过一次，这是本章最真实的教训。 本章上一版引用的是它的早期版本（基础研究 16–25%、下游「零可检出效应」）， 07-17 修订版把两个数都改了^[31]。 一个 working paper 的数字会随版本变动，任何以它为阈值的判断都必须写明「依据哪个版本」。 本章已在脚注里写死版本日期，并把这一条登进下面的脆弱性表。
P1、P4、P5 —— 安全。它们锚定的是事件是否发生（公布 / 出现 / 发布），不是任何会随时间漂移的数值。这类阈值是本章最该多用的形式。

十一、单点数据脆弱性登记表

本章有相当一部分结论建立在单点数据或会漂移的快照上。脆弱不等于错误—— 但脆弱的结论必须知道自己脆在哪，否则下次数据更新时，没人知道该回头改哪里。

本章已经因为没做这件事而付过一次代价，如实写在这里：Hill & Stein 那条「最强的独立外部证据」，上一版引用的是它的早期版本（基础研究 16–25%、下游零可检出效应）； 07-17 修订版把两个数都改了（23–32%、应用侧小且仅边缘显著）。 「零效应」与「小且边缘显著」在统计上不是一回事，而本章上一版正是用前者去支撑「AlphaFold 没有传导到下游」这个更强的说法。那条论证当时并没有失效，但它的强度被高估了一档—— 这正是这张表要防的东西。

| | F2 | AlphaFold 改变了基础研究方向，但未见可比强度地传导到应用研发（§2.9） | Hill & Stein，NBER WP 35143，2026-07-17 修订版：基础研究 23–32%，应用侧小且边缘显著 | ★working paper，数值已随版本变动过一次；未经同行评议定稿；观测窗口短于药物研发周期 | 出现新修订版或期刊定稿版；或独立团队用相同设计复现。若应用侧效应变为显著且与基础研究可比，本章该条反方应撤回

| | F5 | 药物发现这一格水位低（§1.2、§7） | ClinicalTrials.gov 以 Isomorphic 为申办方的登记数 = 0（查询日 2026-07-25） | ★这是动态查询，不是固定事实；只覆盖 sponsor 字段，伙伴名下项目查不到；只覆盖一个登记库 | 重跑同一条查询式返回非 0（见 P2）；或出现以伙伴为申办方、且明示为 Isomorphic 分子的登记；或 EudraCT / ISRCTN / 中国平台出现登记

    表 9.15 · 本章的单点数据脆弱性登记表（**14 条**）。
      最后一列的措辞是「**什么变化会让它需要重估**」，不是「它可能是错的」——**这两者在认识论上不同**。
      可证伪阈值的锚定审计见上方第十节末尾：**三条数值型阈值里有两条锚在会漂移的量上**（F3 的 0.73、F2 的版本号），
      事件型阈值（P1 / P4 / P5）不受影响。





  **把 14 条排开看，脆弱性高度集中在两类来源上：厂商自报（F6、F9、F10）与单篇未定稿论文（F2、F8、F11、F12）。**
    这两类合起来占了七条。**而本章水位打分最高的那几格——形式化数学、算法发现、蛋白结构预测——一条都不在表里**，
    因为它们的证据形态是「可编译的证明」「合入 LLVM 的代码」「CASP 双盲赛制」，
    **不依赖任何人自报**。

  ★**这个分布本身就是本章主线的一次侧面验证，但也必须提防它是循环的**：
    「有好验证器的领域证据更硬」这句话，一部分是因为那些领域**确实做出了东西**，
    另一部分只是因为**好验证器同时也让第三方更容易核验**——
    **后者是关于证据可得性的陈述，不是关于科学进展的陈述。**
    本章无法把这两者分开，因此不把这张表的分布当作对主线的独立证据。




  来源





































































































    ← 总览
    上一章：Agent 与世界模型
    下一章：安全与治理



    Gemini 认知体系全景 · 材料时间边界 2021.01 – 2026.07 · 事实冻结于 2026-07-25



    本章中，正文为有出处的事实陈述；**紫色「本质洞察」**与**橙色「批判 / 局限」**为作者判断。
    引语标「转述」者非原话，标「译文」者以英文原文为准。数字凡官方未披露的均标注为外部估算。

参考来源

[1]https://www.nature.com/articles/s41586-023-06735-9（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[2]https://www.technologyreview.com/2023/11/29/1084061/deepmind-ai-tool-for-new-materials-discovery/（在新窗口打开）www.technologyreview.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[3]https://deepmind.google/blog/ai-solves-imo-problems-at-silver-medal-level/（在新窗口打开）deepmind.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[4]https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/（在新窗口打开）deepmind.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[5]https://imo2025.au/news/the-66th-international-mathematical-olympiad-draws-to-a-close-today/（在新窗口打开）imo2025.au · 访问于 2026-10-18权威媒体 · 非本人原话↩
[6]https://www.nobelprize.org/prizes/chemistry/2024/press-release/（在新窗口打开）www.nobelprize.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[7]https://deepmind.google/blog/alphafold-five-years-of-impact/（在新窗口打开）deepmind.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[8]https://www.genengnews.com/topics/artificial-intelligence/alphafold-3-angst-limited-accessibility-stirs-outcry-from-researchers/（在新窗口打开）www.genengnews.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[9]https://github.com/google-deepmind/alphafold3（在新窗口打开）github.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[10]https://www.science.org/content/article/google-deepmind-releases-code-behind-its-most-advanced-protein-prediction-program（在新窗口打开）www.science.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[11]https://doi.org/10.1038/d41586-024-01463-0（在新窗口打开）doi.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[12]https://www.bloomberg.com/news/articles/2026-06-19/nobel-winner-john-jumper-to-leave-google-deepmind-for-anthropic（在新窗口打开）www.bloomberg.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[13]https://fortune.com/2026/01/30/google-deepmind-ai-researcher-david-silver-leaves-to-found-ai-startup-ineffable-intelligence/（在新窗口打开）fortune.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[14]https://research.google/blog/ai-as-a-research-partner-advancing-theoretical-computer-science-with-alphaevolve/（在新窗口打开）research.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[15]https://doi.org/10.1016/j.drudis.2024.104009（在新窗口打开）doi.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[16]https://artificialanalysis.ai/evaluations/humanitys-last-exam（在新窗口打开）artificialanalysis.ai · 访问于 2026-10-18权威媒体 · 非本人原话↩
[17]https://arcprize.org/results/anthropic-claude-opus-5（在新窗口打开）arcprize.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[18]https://evals.openai.com/gdpval/leaderboard（在新窗口打开）evals.openai.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[19]https://www.alphaxiv.org/abs/2605.22763（在新窗口打开）www.alphaxiv.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[20]https://www.nature.com/articles/s41586-023-06004-9（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[21]https://www.nature.com/articles/s41586-021-03819-2（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[22]https://www.nature.com/articles/s41586-024-08252-9（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[23]https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/（在新窗口打开）deepmind.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[24]https://www.nature.com/articles/s41586-025-10014-0（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[25]https://www.deeplearning.ai/the-batch/googles-aletheia-uses-gemini-3-deep-think-to-find-original-mathematics-solutions（在新窗口打开）www.deeplearning.ai · 访问于 2026-10-18权威媒体 · 非本人原话↩
[26]https://clinicaltrials.gov/search?spons=Isomorphic%20Labs（在新窗口打开）clinicaltrials.gov · 访问于 2026-10-18权威媒体 · 非本人原话↩
[27]https://www.orbion.life/blog/what-alphafold3-changes-for-binding-and-complex-prediction-%E2%80%94-and-what-it-doesn-t（在新窗口打开）www.orbion.life · 访问于 2026-10-18权威媒体 · 非本人原话↩
[28]https://www.nature.com/articles/s41586-024-07487-w（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[29]https://www.science.org/doi/10.1126/science.adg7492（在新窗口打开）www.science.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[30]https://deepmind.google/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/（在新窗口打开）deepmind.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[31]https://www.nber.org/papers/w35143（在新窗口打开）www.nber.org · 访问于 2026-10-18权威媒体 · 非本人原话↩
[32]https://pubmed.ncbi.nlm.nih.gov/41045049/（在新窗口打开）pubmed.ncbi.nlm.nih.gov · 访问于 2026-10-18权威媒体 · 非本人原话↩
[33]https://www.marktechpost.com/2025/11/17/google-deepminds-weathernext-2-uses-functional-generative-networks-for-8x-faster-probabilistic-weather-forecasts/（在新窗口打开）www.marktechpost.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[34]https://deepmind.google/blog/how-were-supporting-better-tropical-cyclone-prediction-with-ai/（在新窗口打开）deepmind.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[35]https://research.google/blog/a-flood-forecasting-ai-model-trained-and-evaluated-globally/（在新窗口打开）research.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[36]https://blog.google/innovation-and-ai/products/google-deepmind-isomorphic-alphafold-3-ai-model/（在新窗口打开）blog.google · 访问于 2026-10-18权威媒体 · 非本人原话↩
[37]https://endpoints.news/isomorphic-claims-major-advance-with-new-ai-drug-design-engine/（在新窗口打开）endpoints.news · 访问于 2026-10-18权威媒体 · 非本人原话↩
[38]https://www.nature.com/articles/s41586-024-08416-7（在新窗口打开）www.nature.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[39]https://www.digitalapplied.com/blog/imo-2026-perfect-scores-ai-benchmark-saturation（在新窗口打开）www.digitalapplied.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[40]https://www.bloomberg.com/news/articles/2026-06-24/google-poised-to-lose-two-more-high-profile-ai-staffers-to-anthropic（在新窗口打开）www.bloomberg.com · 访问于 2026-10-18权威媒体 · 非本人原话↩
[41]https://math.berkeley.edu/~fengt/Aletheia.pdf（在新窗口打开）math.berkeley.edu · 访问于 2026-10-18权威媒体 · 非本人原话↩