从预测蛋白质到模拟生命：AlphaFold 3到底在“算”什么

“解决所有AI问题，再用AI解决所有问题”，哈萨比斯创立 DeepMind不是为了下棋或聊天，而是为了制造一台“万能科学发现机”。

2024年诺贝尔化学奖的背后，AlphaFold系列正是这台机器产出的第一个、也是最重磅的一枚硕果。它正试图解决人类文明最硬核的底层代码：癌症的靶点、材料的极限、能源的枯竭以及生命的密码。

从“预测结果”到“还原过程”，核心技术拆解：为什么它比前代更强？

全原子覆盖：以前只能看蛋白质，现在能看 DNA、RNA、配体。现在不再仅仅预测蛋白质，而是将 DNA、RNA、配体（小分子药物）全部纳入同一个模型。AlphaFold 3 观测的不再是单个零件，而是整个生命工厂的精密运作。

扩散模型（Diffusion）的妙用： 简单通俗地解释，为什么生成式 AI 的技术（类似 Midjourney 画图）能用来预测原子的位置？AlphaFold 2 只是猜出了“拼图”的样子，而 AlphaFold 3 正在推演“拼图”是如何在活着的身体里跳舞的。它不再仅仅是一个生物学工具，而是一个全新的物理模拟器。

这种技术原本被 Midjourney 用来画出精美的画作——从一片模糊的噪点中，一点点‘还原’出真实的轮廓。DeepMind 巧妙地将这一逻辑迁移到了原子世界：它不再是死板地计算原子的坐标，而是通过这种“去噪”的过程，让乱序的原子在概率的引导下，优雅地跳回到它们在生命活动中该有的位置。

AlphaFold 3如同从迷雾中还原图像一样，从一片混乱的原子云中，“去噪”还原出最稳定的分子结构。这种从“确定性计算”到“生成式预测”的飞跃，正是 DeepMind 对底层算法的一次华丽重写。

范式转移：实验室里的“数字化革命”

以前研发一款药要 10 年、耗资 10亿美金，且大部分时间在“试错”。现在AlphaFold 3 可以让科学家在电脑上先看药物分子如何与病毒受体作用。这里的深耕意义在于，DeepMind 正在把生物学变成一种可以预测、可以编程的“信息科学”。

这种效率的跃迁是惊人的，以前需要数月耗费数万美金、科学家在冷冻电镜前枯坐数月，只为捕捉一个模糊的结构；而现在，这一切正简化为键盘上的 Enter 键。AlphaFold 3 就像一个生物界的 Midjourney，从一片原子的‘噪点’迷雾中，精准画出生命起舞的模样。”

这种范式转移意味着，未来的顶级实验室可能不再充斥着试管与培养皿，而是由超算集群和算法工程师主导。

当生物学彻底变成一种“信息处理过程”，人类对疾病的干预将从“亡羊补牢”式的治疗，转向“代码修复”式的精准编程。这正是哈萨比斯所期待的：AI 不再仅仅是辅助工具，它就是科学发现的本身。

结语：这只是“解决所有问题”的预演

AlphaFold 的成功证明了哈萨比斯的路径是通的。解决了蛋白质，下一步可能是材料科学、可能是能源危机。我们“瞭望”的不仅仅是一个算法，而是人类文明进入“算法驱动发现”的新纪元。

下篇预告：

《神经网络的“前世今生”——从图灵到辛顿的跨世纪接力》

这是一个跨越 70 年的孤勇者故事。

当图灵在实验室种下第一颗种子时，没人相信机器能思考；

当辛顿在冷战余晖中坚持神经网络时，他被主流学界视为“疯子”。

下一期我们将拆解 DeepMind 基因里最深处的密码：那些被时间尘封的算法，是如何在 21 世纪突然“觉醒”，并最终改写人类命运的？

关注“DeepMind瞭望”，开启这场AI演化的探索之旅。