苹果把蛋白质设计做成生成模型，真正的变化不在药

这条新闻值得关注。

苹果公布 SimpleDesign，能联合生成蛋白质的氨基酸序列和三维结构，并且直接在原始数据上训练，跳过传统多阶段训练里的中间表示转换。很多人会把它读成苹果做药。我更愿意把它看成生成式大模型从预测生物结构走向设计生物对象。

过去 AI for Science 主要解决看懂生物结构，现在开始尝试造东西。我跑 AI 条线五年，见过太多论文新闻被包装成产业革命。这几天我用搜索 agent 把预印本、媒体报道和相关综述拉了一遍，用 LLM 做关键词归类，结果很朴素，SimpleDesign 目前更像模型路线展示，离落地产品还远。

两条路线的分水岭

过去蛋白质 AI 的主线是 AlphaFold2 带来的结构预测。输入一段氨基酸序列，输出一个三维结构。设计则常要绕一圈，先生成或改造序列，再折叠成结构，再用评分函数筛，再回到实验。每一步都有中间表示，也每一步都可能丢信息。

SimpleDesign 的关键词是联合生成。序列和骨架同时出来，模型把序列和空间结构看成同一对象的两个面，结构也不再只是后验结果。素材里提到的 SimpleFold 也在走类似方向，用通用 Transformer 从序列直接生成三维原子结构；综述里也提到 ProteinGenerator 这类模型尝试序列与结构协同优化。苹果这次把生成式多模态推进到蛋白设计。

这有点像文生图早期。最初大家只做给文字生成图，后来发现更有用的是同时控制构图、材质、语义和物理一致性。蛋白质更难，它的可用标准要落到折叠、稳定性、表达、结合和免疫原性，并且尽量可实验。

大厂为什么碰这个

苹果不是药企。它做 SimpleDesign，至少短期不像为了卖药。它更可能是在验证通用模型能力，文本、图像、视频之外，分子结构是不是也能成为可生成、可条件控制的模态。蛋白质序列像语言，三维结构像空间对象，两者之间还有物理规则。能把这类任务做通，模型工程、数据表示、训练方法也会留下可复用的经验。

这类新闻容易牵动资本市场。素材里已经有人把它映射到 A 股蛋白设计相关标的，比如近岸蛋白。我这边不太同意这种直接映射。一个预印本模型和上市公司业务之间，隔着实验验证、专利、生产工艺、监管、临床和商业化。之前写过老字号退市，资本市场最怕把叙事当事实，这里也差不多。

比起苹果会不会突然宣布一款新药，更该盯住这条路线会不会把蛋白质设计的工作流压扁。以前一个团队可能先做序列模型，再做折叠模型，再做筛选；现在模型试图把想一个分子和判断它像不像一个分子这两步合并。若后续能加入功能约束、稳定性约束、表达约束，计算设计成本会下降。

下降的只是计算成本，实验成本没有同步下降。蛋白设计最脏的活仍然在湿实验，表达量、纯化难度、稳定性、非特异结合、体内行为。模型能生成很多漂亮骨架，实验室未必验证得过来。数据权限、失败样本、成本管理和可复现流程，才是 AI for Science 应用的壁垒。之前我写过 AI 应用核心壁垒在脏活，这条也适用。

未来两三年，蛋白 AI 的重点会从预测更准转向可控生成。生成模型如果接到实验验证流程里，让候选分子在真实测试中存活，才有产业价值。苹果这类大厂可能先把生成端做通，药企和合成生物公司会守住验证端。

这条新闻值得关注，但别急着读成苹果已经能造药。它说明大模型开始尝试设计生命，后面还要看候选分子能不能在湿实验里活下来。实验数据比模型分数更诚实。