从今年 5 月在《Nature》发表论文时仅提供限制重重的 Web 服务器，到 11 月正式释放完整源代码和模型权重，DeepMind 的这一百八十度大转弯，无疑是今年 AI for Science 领域最重磅的戏剧性事件。
对于这个决策，我们不能简单地用“科技巨头的无私奉献”来概括。这是一场由学术界怒火、竞争对手快速迭代、以及 Google 自身商业防御策略共同催化出的妥协。
要看清这一决策的影响，必须将学术界和工业界拆开来看，因为两者的境遇截然不同。
学术界：从“半吊子科研”走向真正的生产力解放
在 11 月开源之前，学术界对 AlphaFold 3（以下简称 AF3）的态度是极度分裂的：一方面惊叹于它在预测蛋白质-核酸、蛋白质-配体复合物结构上的超强精度；另一方面，则对 DeepMind 提供的 Web 服务器深恶痛绝。
当时限制极多：每天只能提交 20 次任务，不能引入自定义配体，不能进行大规模的突变筛选。这对于习惯了“本地部署、大批量吞吐、魔改代码”的结构生物学与生物信息学实验室来说，无异于戴着手铐跳舞。
如今源代码和权重正式放出（尽管限制为非商业用途），对学术界带来了几层颠覆性的改变：
1. 彻底解决“科学可重复性”危机
科学研究的基石是可重复性。此前，科学家无法在不了解 Web 服务器底层参数、无法干预计算中间态的情况下发表绝对严谨的论文。开源后，学术界终于可以对 AF3 的预测过程进行解剖。你可以探究每一层 Attention 到底关注了什么，可以自定义微调（Fine-tuning）方案，甚至可以将它与其他计算化学软件（如 PyMOL、GROMACS）进行无缝管道拼接。
2. 边缘课题与冷门领域迎来爆发
此前受限于 Web 服务器的限制，很多研究非标准氨基酸、特殊后修饰（Post-translational modification）、复杂核酸交互的课题组几乎无法使用 AF3。现在，通过本地部署，学术界可以自由定义输入格式。预计在未来的 6 到 12 个月内，我们会看到大量垂直领域的“AF3 + 衍生研究”井喷，特别是在病毒学、表观遗传学以及核酸药物机理研究方面。
3. “干湿实验”闭环的效率跃升
结构生物学家（湿实验）现在可以将 AF3 作为一个高通量的预筛选工具。在斥巨资去开冷冻电镜（Cryo-EM）或进行 X 射线晶体衍射之前，先在本地用 AF3 跑出几百个突变体的预测结构，筛掉明显不合理的构象，这将为学术界省下数以亿计的经费和难以估量的时间。
工业界：陷入“看得见、吃不着”的专利围城
如果说学术界在过年，那么工业界（尤其是 AI 制药初创公司和跨国药企）的表情则要微妙得多。
一个残酷的事实是：DeepMind 此次开源的代码和权重，附带了严格的“非商业用途（Non-commercial use）”许可协议。
这意味着，药企不能直接将官方开源的 AF3 用于日常的管线药物研发、商业靶点筛选或任何带有盈利性质的项目中。这种限制给工业界带来了巨大的分裂和连锁反应：
1. 催生了强大的“替代生态”
正因为 DeepMind 之前的保守和现在的“学术限定开源”，给其他竞品留出了巨大的生存空间。
在 AF3 藏着掖着的这半年里，工业界并没有闲着。Chai Discovery 推出了 Chai-1，Ligo Biosciences 推出了 Boltz-1。这些模型不仅在性能上逼近甚至在部分指标上超越了 AF3，最重要的是，它们采用了 Apache 2.0 或类似的宽松开源协议，允许商业化。
DeepMind 现在的开源，很难完全砸掉这些竞品的饭碗。工业界已经意识到，把整个药物研发底座寄托在一家随时可能改变许可政策的商业巨头（Google）身上，风险太大。
2. Isomorphic Labs 的商业护城河依然稳固
DeepMind 的亲兄弟公司 Isomorphic Labs 依然独占 AF3 的商业化变现路径。大药企（如礼来、诺华）要想合规、安全、大规模地利用 AF3 的最新能力进行新药研发，唯一的合规途径就是与 Isomorphic Labs 签署数亿美元的联合研发协议。
因此，这次开源非但没有削弱 Isomorphic Labs 的商业壁垒，反而通过学术界的广泛使用，让 AF3 事实上成为了行业事实上的“金标准”。药企在商业谈判中，将不得不更加认同 AF3 的价值。
3. 灰产与合规的灰色地带
不可避免的是，一些小型 Biotech 公司可能会在私下里、在不公开的本地服务器上悄悄使用官方 AF3 寻找灵感或优化分子，只要不将其写入专利申报文件或论文即可。这种“灰色使用”将成为行业公开的秘密。但对于大药企而言，为了规避高昂的侵权诉讼风险，它们必须坚守合规底线，这也迫使大药企加大对“真正开源”模型的投入和私有化训练。
为什么 DeepMind 会妥协？
观察这场决策，最有趣的部分在于：一向高傲的 Google，为什么认怂了？
主要原因有两点：
- 学术共同体的愤怒与声誉危机
今年 5 月，《Nature》在没有强制要求提供代码的情况下发表了 AF3 的论文，引发了整个科学界的集体抗议。多位顶尖学者联名写信质问，甚至有评审专家表示“如果早知不开源代码，绝不会同意发表”。Google 极度珍视自己在学术界的灯塔形象，这种口诛笔伐直接威胁到了它未来吸引顶尖学术人才的能力。 - 开源竞品的“围剿”
Boltz-1 和 Chai-1 的相继发布，证明了 AF3 的技术壁垒并没有想象中那么不可逾越。如果 Google 坚持不开源，学术界就会全面倒向这些友好的竞争对手。一旦学术界建立起基于 Chai-1 或 Boltz-1 的生态圈和微调工具，AF3 就会被边缘化。
总结
AlphaFold 3 的开源，是学术界声誉约束、开源社区倒逼、以及巨头商业防御共同作用的结果。
它给学术界送去了一把无限制的“神兵利器”，极大地加速了基础生命科学的发现进程；但对工业界而言，它更像是一张精美的橱窗海报——展示了技术所能达到的极限，但如果要带走，请去隔壁 Isomorphic Labs 柜台买单。
这场博弈也给未来的 AI for Science 树立了一个范式：纯粹的闭源在科研界寸步难行，而半开放的“学术开源+商业授权”双轨制，正成为科技巨头收割生态与利润的新常态。
