AlphaFold

§ 01综述

AlphaFold 作为 AI 在蛋白质结构预测领域的里程碑，其影响正从生物学扩散至更广泛的科学领域。近期，AlphaFold 相关的讨论集中在三个方面：AI 在科学发现中的局限性、类似方法在材料科学中的涌现，以及其衍生应用对药物研发的推动。

主要进展：

AI 科学发现的边界争议：图灵奖得主萨顿指出，普通生成式 AI 缺乏评估能力，难以独立完成科学发现，暗示 AlphaFold 这类模型虽强但仍有根本局限。(图灵奖得主萨顿：普通生成式AI缺乏评估能力，难做科学发现)

材料科学的“AlphaFold 时刻”：Deep Principle 发布 MPA 模型，在 40 项工业任务上达到 SOTA，被类比为材料科学领域的 AlphaFold，标志着 AI 从蛋白质向固态材料的拓展。(Deep Principle 发布 MPA，材料科学领域的 AlphaFold，40 项工业任务达 SOTA)

加速科研工具与药物研发：Google DeepMind 推出 Science Skills 以加速科研工作流；同时，其衍生公司 Isomorphic Labs 筹集 21 亿美元，聚焦 AI 驱动药物发现，直接受益于 AlphaFold 的预测能力。(Google DeepMind 推出 Science Skills, Isomorphic Labs筹21亿美元加速AI药物研发)

当前焦点 / 未来观察点：
AlphaFold 的成功引发了“AI for Science”范式热潮，但也暴露了生成模型在因果推理和评估上的短板。未来需关注：材料 MPA 模型能否复现 AlphaFold 的颠覆性影响；DeepMind 的 AGI 时间表（Hassabis 预测3年内到来，但 Gary Marcus 反驳称离 AGI 还很远）是否与科学发现的渐进性矛盾。(谷歌 DeepMind CEO 哈萨比斯：AGI 最快三年内到来, DeepMind CEO Hassabis：我们离AGI还很远)

§ 02相关报道07 条在档

§ 03邻近话题