编辑丨王多鱼 排版丨水成文 继诺奖团队开发的 AlphaFold3 和 RFDiffusion-AA 横空出 世后，通用式生物分子结构预测已达到令人惊叹的精度，为 AI 赋能药物研发领域打下了坚实基础。在药物 研发漫长的研发环节中， 通用式生物分子设计 是下一个 AI 赋能药 物研发领域的"圣杯"。 2025 年 10 月 27 日，由临港实验室牵头，联合上海人工智能实验室、香港中文大学、上海交通 大学、浙江大学、华盛顿大学、哈佛大学等合作机构， 发布了国际首个通用分子设计世界模型 —— ODesign 。 该模型允许科学家在任意类型靶标上指定目标位点，并以精准可控的方式实现 蛋白质、 多肽、核酸、小分子 及 金属离子 等多类型生物配体的 一键式设计 在多个行业标准测试集上，ODesign 显著优于 RFDiffusion、BindCraft 等主流单形态分子设计 模型，标志着生成式 AI 药物研发从" 单点突破 "迈向" 通用智能 "的 关键跨越。 。 ODesign 的出现打破了这一壁垒。 它像是 一位能同时理解蛋白、核酸、小分子和金属离子等生命分子的"通用分子生物学家" ，既理解它们在形状、能量和电荷分 ...

文章核心观点 - 华盛顿大学David Baker团队开发的RFdiffusion3实现了蛋白质设计的范式转变，从氨基酸残基级别进入全原子级别设计 [1][2] - RFdiffusion3能够以原子精度设计蛋白质与蛋白质、小分子、核酸等多种生物分子的相互作用，显著扩展了蛋白质设计的功能范围 [2][3][9] - 该技术计算效率比前代方法提升10倍，计算成本仅为十分之一，参数规模1.68亿，为AlphaFold3的一半 [3][10] RFdiffusion3的技术突破 - 核心创新在于全原子扩散模型，同时模拟蛋白质主链和侧链的所有原子，包括相互作用的非蛋白质成分 [9] - 采用统一表示法，将每个氨基酸残基表示为14个原子，使用虚拟原子填充侧链原子较少的氨基酸 [13] - 模型架构基于Transformer U-Net，包含下采样模块、稀疏Transformer模块和上采样模块 [14] 性能表现与实验验证 - 在治疗相关靶点设计中，平均产生8.2个独特成功聚类，显著优于RFdiffusion的1.4个 [15] - 设计的DNA结合蛋白结合活性达到5.89±2.15 μM，设计的半胱氨酸水解酶Kcat/Km值达到3557 [21] - 在酶设计基准测试中，41个案例中的37个优于RFdiffusion2，成功率达90% [18] 应用前景与行业影响 - 为设计任意靶分子的结合蛋白、任意化学反应的催化剂以及复杂蛋白质组装体提供了通用平台 [28] - 能够精确控制酶活性位点、氢键供体/受体状态、底物和活性位点位置等关键参数 [24] - 技术发展将推动创新疗法、新型蛋白酶和生物材料的出现，实现"设计生命分子"的愿景 [25]

基因组编辑技术发展 - 自CRISPR-Cas9技术问世后，碱基编辑器（BE）和先导编辑器（PE）被开发，分别用于单碱基转换和小片段编辑[2] - 先导编辑器因其灵活性和精准性，在细胞和基因治疗及疾病建模领域受到关注，但受限于编辑效率低的问题[2] AI驱动的技术突破 - 研究团队利用AI工具RFdiffusion设计出仅82个氨基酸的MLH1小型结合蛋白（MLH1-SB），通过抑制错配修复（MMR）通路显著提高PE效率[3][9] - AlphaFold3用于高效筛选候选蛋白，整个设计筛选过程仅耗时4天，大幅缩短研发周期[15] 先导编辑器优化架构 - PE2、PE3、PE5等架构通过逆转录酶和切口向导RNA（ngRNA）改进编辑效率，但MMR通路会阻碍编辑整合[6] - PE4通过递送MLH1dn蛋白抑制MMR，但仅对10bp以下片段有效[7] - PE6和PE7通过RNA假结结构或外切核酸酶保护因子增强pegRNA稳定性，进一步提升效率[7][8] 效率提升数据 - PE7-SB2系统在人类细胞中编辑效率比PEmax和PE7分别提高18.8倍和2.5倍，小鼠体内效率比PE7提高3.4倍[11] - MLH1-SB的紧凑结构（82氨基酸）优于传统MLH1dn蛋白（753氨基酸），更易整合到AAV和LNP递送系统中[11] 技术应用前景 - MLH1-SB与现有PE架构（PEmax、PE6、PE7）兼容，可开发PEmax-SB、PE6-SB等新平台[10][11] - 生成式AI工具的高效性（如RFdiffusion网页版）正改变基因组编辑领域的研究模式，加速疗法开发[15]

港股通互联网指数表现 - 中证港股通互联网指数下跌0 88%，成分股涨跌互现，东方甄选领涨8 94%，狮腾控股上涨7 74%，同程旅行上涨1 74%，金山软件领跌8 31%，趣致集团下跌5 37%，美图公司下跌4 87% [3] - 港股互联网ETF下跌1 33%，报价1 71元，近1周累计上涨0 99% [3] - 港股互联网ETF盘中换手12 93%，成交4166 97万元，近1年日均成交1 73亿元 [3] 科技互联网公司医疗布局 - 京东健康发布自研医疗模型"京医千询"，与全国超15万家药店门店合作 [4] - 字节跳动收购医学科普平台"百科名医网"和互联网医疗公司幺零贰四，布局AI+生命科学上游技术，组建AIDD部门 [4] - 腾讯推出"腾讯觅影"AI影像平台和"AI辅助诊断系统"，开发人工智能药物发现平台"云深智药" [4] - 谷歌开源AI蛋白质结构预测工具AlphaFold3，英伟达开源AI制药框架BioNeMo，超200家药企采用，微软发布医疗AI助手Microsoft Dragon Copilot [4] 港股互联网ETF表现 - 近1年净值上涨54 80%，指数股票型基金排名122/2889，居于前4 22% [5] - 最高单月回报30 31%，最长连涨月数3个月，最长连涨涨幅24 85%，涨跌月数比9/7，上涨月份平均收益率9 04%，历史持有1年盈利概率100 00% [5] - 成立以来夏普比率1 56，相对基准回撤4 64% [5] - 管理费率0 50%，托管费率0 10%，近3月跟踪误差0 052%，跟踪精度最高 [5] - 中证港股通互联网指数最新市盈率22 3倍，处于近1年19 25%分位，估值低于近1年80 75%时间 [5] 中证港股通互联网指数构成 - 选取30家港股通互联网相关上市公司证券，前十大权重股合计占比72 11%，包括小米集团-W、腾讯控股、阿里巴巴-W、美团-W、金山软件、哔哩哔哩-W、美图公司、金蝶国际、京东健康、阿里健康 [6]

报告行业投资评级 - 领先大市（维持） [2] 报告的核心观点 - AI医疗相关应用伴随技术发展逐步由B端向C端渗透，各科技互联网公司基于技术与数据优势推动行业发展，建议关注阿里巴巴 - W、腾讯控股、京东健康、美团 - W、水滴公司等 [5] 根据相关目录分别进行总结 事件 - 6月26日，蚂蚁集团发布AI健康应用「AQ」，应用内提供上百项AI功能，连接全国超5000家医院、近百万医生、近200个名医AI分身等专业医疗服务，且已与健康管理设备合作，与可穿戴设备打通，可提供专属健康建议 [5] 模型发展与政策指引助力AI医疗行业 - 据弗若斯特沙利文预测，中国“AI + 医疗”市场规模预计从2023年的88亿元激增至2033年的3157亿元，十年间复合年增长率高达43.1% [5] - 截止2024年底，对外提供医疗领域AI应用的产品和服务且已备案的模型和算法数量已达101个，分布为问诊对话占比48%、健康评估与咨询占比24%、病历生成与结构化医学报告生成占比14%、辅助诊断占比5% [5] - 2017 - 2024年中国AI + 医疗政策体系逐步完善，从早期推动“互联网 + 医疗健康”和医学影像标准化，到2024年细化84个场景应用，覆盖诊疗全流程，强化基层医疗能力建设与数据互通共享 [5] - 2024年以来，对AI医疗技术的政策导向以“场景驱动、规范先行”为核心，地方政府与医疗机构普遍持开放态度 [5] 国内外科技互联网公司积极布局医疗行业 国内公司 - 京东2023年7月京东健康发布自研医疗模型“京医千询”，截至2025年第一季度，京东健康即时零售已与全国超15万家药店门店建立合作 [5] - 字节跳动2020年通过收购医学科普平台“百科名医网”、互联网医疗公司幺零贰四进入医疗行业，并布局AI + 生命科学上游技术，组建AIDD部门 [5] - 腾讯推出“腾讯觅影”AI影像平台用于疾病早期筛查，开发“AI辅助诊断系统”提升医生诊断效率，推出人工智能药物发现平台“云深智药”加速新药研发 [5] 海外公司 - 谷歌2024年11月11日宣布开源AI蛋白质结构预测工具AlphaFold3的源代码和模型权重 [5] - 英伟达2024年11月19日宣布开源AI制药框架BioNeMo，超200家药企采用 [5] - 微软2025年3月4日发布医疗界首个用于临床工作流程的AI助手Microsoft Dragon Copilot [5]

蛋白质结构预测技术突破 - 南开大学郑伟教授团队开发了新型蛋白质结构预测工具D-I-TASSER，在CASP15比赛中表现优于AlphaFold2和AlphaFold3 [2][3] - D-I-TASSER成功预测了人类蛋白质组中19512个蛋白质，覆盖率达95%，能够折叠81%的蛋白质结构域和73%的全长序列 [3][12] - 该技术融合深度学习和物理模拟，实现了高精度的蛋白质结构和功能预测 [3] AlphaFold的局限性 - AlphaFold在多结构域预测方面存在短板，80%的人类蛋白质含多个结构域，传统方法常忽略域间相互作用 [6] - AlphaFold是静态模型，难以捕捉蛋白质动态变化，对缺乏同源序列的蛋白质预测能力骤降 [6] - 纯数据驱动方法可能丢失蛋白质折叠的底层物理规律 [6] D-I-TASSER技术创新 - 深度融合深度学习与物理模拟，整合多源信息并利用物理引擎迭代优化结构 [8] - 首创自动切割-独立预测-动态组装的流程，域内精度达0.858，较AlphaFold2提升2.8%，域间取向误差降低17% [8] - 采用升级版DeepMSA2搜索宏基因组数据库，多序列比对信息量提升6.75倍 [11] 技术性能表现 - 在CASP15盲测中，对困难靶标的预测精度比AlphaFold2高29.2% [11] - 成功解析超过3000个氨基酸残基的超大蛋白质，如新冠病毒刺突蛋白，捕捉开放/闭合双构象 [11] - 无序区域构象多样性比AlphaFold高59%，系统注释了ATP结合、铁硫簇组装等关键功能位点 [14][15] 当前挑战 - 对孤儿蛋白（同源序列<1%）预测精度降至0.67 TM-score [20] - 尚未涉及蛋白质复合体的结构预测 [20] - 计算耗时仍高于纯深度学习模型 [20]

AI产业影响与趋势 - AI正逐步影响产业与社会底层逻辑，从RPA到个性化助手、AI Coding Copilot等产品推动人机交互革新，AI Agent作为"数字员工"融入企业实际业务[1] - 生物AI模型如AlphaFold3开源推动蛋白质预测、药物发现领域商业化热潮，AI4S成为重要方向[1] - DeepSeek R1模型将中国AI模型能力推向新高度，国内AI生态开始具备"可用性"，DeepSeek、Manus等公司引领创业新范式[1] MVP 50评选标准 - 商业价值创新：需突破既有商业逻辑，重构价值创造与捕获方式，在供需关系、定价机制等方面具备可行性与规模化潜力[4] - 交互体验升级：要求多模态自然交互，构建开放工具生态，实际改进用户工作流并重塑创造方式[4] - 技术能力突破：需在AI算法、模型等底层技术取得原创性进展，具备系统性重构能力并影响行业生态方向[4] - 场景深度融合：需解决行业关键痛点，在效率、成本等方面带来可衡量的实际提升[4] 参评范围与要求 - 聚焦AGI产业基础设施层（数据/算力）、模型层（大模型/训练平台）、应用层（内容生成/企业应用等）[5] - 参评企业需为中国企业为主，成立以来无法律合规问题与经营风险[5] 评选流程 - 申报征集与走访调研同步进行，截止5月31日[8] - 组委会评审分初筛（6月2日）、复筛（6月10日）、终审（6月13日）三阶段[8] - 最终结果将于6月21日公布[8]

AI产业影响与趋势 - AI技术正逐步改变产业与社会底层逻辑，包括RPA、个性化助手、AI Agent等产品带来全新人机交互体验，AI Coding产品向全自动化发展，生物AI模型推动药物发现等领域商业化热潮[1] - DeepSeek R1模型将中国AI模型能力推向新高度，国内AI生态开始具备可用性，DeepSeek、Manus等公司引领创业新范式，AI进入从模型到真实落地的下半场[1] MVP 50评选背景与目标 - Founder Park发起调研寻找技术、商业与场景融合中的关键突破变量[2] - 联合读者、合作伙伴及专家甄选50家最具影响力创新力量，重点关注底层技术、应用落地或交互体验的质变潜力，挖掘未被聚焦的稀有变量[3] 评选核心维度 - **商业价值创新**：AI技术重构价值创造与捕获方式，创新供需关系、定价机制与服务形态，具备规模化潜力[4] - **交互体验升级**：智能交互设计改进用户工作流，提升效率并重塑工作与生活方式，构建开放协同工具生态[4] - **技术能力突破**：在算法、模型、算力等底层技术取得原创进展，推动开放架构与协同智能，影响行业生态方向[4] - **场景深度融合**：解决行业高价值痛点问题，在效率、成本、收入等层面带来可衡量的实际提升[4] 参评范围与标准 - 聚焦AGI产业基础设施层（数据、算力等）、模型层（大模型、训练平台等）、应用层（内容生成、企业级应用等）的中国企业[5] - 参评企业需无法律合规问题及经营风险[5] 评选流程 - 申报征集与走访调研截至5月31日，组委会评审分初筛（6月2日）、复筛（6月10日）、终审（6月13日），结果于6月21日公布[8]

公司背景与创立 - Isomorphic Labs是一家从Google DeepMind分拆出来的秘密人工智能生命科学初创公司[2] - 公司由DeepMind联合创始人兼首席执行官Demis Hassabis和时任DeepMind首席商务官Colin Murdoch共同创立[4][5] - 公司成立于2021年11月，当时谷歌对其进行了初始投资[1][2] - 创立动机源于AlphaFold2的突破，旨在将AI应用于药物发现领域，终极目标是"解决所有疾病"[3][4][5] 技术核心与突破 - 技术基础是AlphaFold2，这是一个能够预测蛋白质结构的人工智能系统，解决了困扰生物学家50年的难题[3][4] - AlphaFold2在2020年开发，并于2024年获得诺贝尔化学奖[4] - 最新版本AlphaFold3已向科学界开放供非商业使用，能够预测所有生命分子的结构和相互作用，包括蛋白质、DNA、RNA和配体等[10] - 蛋白质是细胞的主要组成部分，其折叠形状决定功能，预测形状即可预测功能，许多疾病与错误折叠的蛋白质有关[12][13] 融资与资金用途 - 公司近期完成了首轮外部融资，规模达6亿美元，由Thrive Capital领投，GV和Alphabet跟投[6] - 新资金将用于扩展生物制剂领域以及增加计算能力以支持AI工作[6][27] - 建立全栈生命科学公司成本高昂，需要投资于计算资源、人才、数据和资产开发[28] 业务发展与合作伙伴关系 - 公司已与全球两大制药公司礼来和诺华建立合作伙伴关系[9] - 合作包括预付款和里程碑付款，对Isomorphic Labs的潜在价值接近30亿美元（未来药物销售的潜在特许权使用费除外）[9] - 公司员工规模已超过200人[9] - 公司计划利用其通用引擎快速设计小分子药物（如药丸），并扩展至生物制剂（通常是注射剂），以扩大可治疗的疾病范围[25][26] - 内部项目主要专注于癌症和免疫学领域[26] 行业背景与市场机会 - 到2025年，药物发现市场价值预计将达到710亿美元[7] - 传统药物发现过程漫长且昂贵，平均需要10到15年时间，成本可能超过20亿美元，才能获得FDA最终批准[8] - 潜在新药的临床试验成本高达数亿美元，失败则成为沉没成本[8] - 在药物发现中使用AI可使过程更高效、成本更低，从而提高上市药物的成功率[8] 领导团队与公司文化 - Demis Hassabis同时担任Isomorphic Labs的CEO和Google DeepMind的负责人[5][20] - Colin Murdoch现任Isomorphic Labs总裁[5] - 公司强调建立一种结合AI和药物发现专业知识的跨学科文化[18] - 分拆后需要从零开始招聘团队，包括首席技术官、首席AI官、首席科学官和首席人才官等高管职位[17]

中美AI叙事差异 - 中国AI叙事聚焦于DS开源带来的LLM平权及小模型端侧、边缘侧应用落地 呈现全面开花态势 算力需求以H20和国产Asic为主 大厂持续加大数据中心投入 [1] - 北美AI叙事坚持通往AGI的技术路线 持续推出多模态高阶模型和万亿参数大模型 高端NV显卡供不应求 [2][3] 算力需求分化 - 中国场景下 H20和910c芯片可满足LLM chatbot及端侧AI推理需求 异构芯片如fpga+risc-v也能支持简单AI端侧推理 [4] - 北美高端NV芯片在以下场景不可替代： - GPT-4o类文生图及多模态应用 需高显存+大带宽 单次交互可能消耗500 TFlops [5][6][8] - 千亿/万亿参数大模型训练 NV高阶芯片的互联优势显著 [7] - AI医疗生物科技等科学计算 如AlphaFold3预测分子相互作用 手术机器人需超低延时 [7] - 高阶Agent应用 需支持高并发(如AI游戏数百万NPC交互)、超长上下文记忆(数万token)、多模态处理 [8] 商业化落地差异 - 中国AI应用商业化更快 如会议纪要AI月赚数千万 腾讯接入DS模型获得2000万DAU 成本效益显著 [3][8] - 北美CSP仍在探索多模态等高阶应用 成果周期较长 但若GPT-4o等突破性应用出现 将引发高端NV卡抢购潮 [9][10] 技术变量 - DS的AI infra能力是核心变数 若V4版本实现多模态且低耗能 可能颠覆NV高端芯片逻辑 [7][10] - 视频类企业(如字节跳动)对高端NV卡需求更强 因AI视频生成需500+TFlops和48G显存 [6]