AlphaFold3 源码开源：开源了什么，没开源什么，DeepMind 为什么这样做？
AlphaFold3 又一次站到了结构生物学和 AI 制药的讨论中心。
这一次不是因为它发布了新的模型架构，也不是因为它在某个 benchmark 上刷新了指标，而是因为 DeepMind 在 AlphaFold3 v3.0.3 的 release notes 中，低调修改了一件很重要的事：AlphaFold3 的源代码许可证从 CC BY-NC-SA 4.0 调整为 Apache 2.0。
这看起来像是一次普通的版本更新。release notes 里还写着支持 Python 3.14、mmCIF 解析提速、糖链原子处理 bug 修复等内容。但真正值得注意的，是那一句“AlphaFold 3 code is now relicensed from CC BY-NC-SA 4.0 to Apache 2.0”。
对于不了解开源协议的人来说，这句话似乎只是法律文本的变化。但对于 AI 制药、结构预测、蛋白设计和商业研发来说，这其实是 AlphaFold3 发布以来最重要的一次开放策略调整。
不过，首先要把话说清楚：AlphaFold3 并没有“完全开源”。
这次开放的是源代码许可，不是模型能力本身的完全释放。更准确的说法应该是：AlphaFold3 的代码变得更开放了，但模型权重、输出结果和商业使用仍然受到严格限制。
一、AlphaFold3 到底开源了什么？
这次变化的核心，是 AlphaFold3 的源代码许可证从 CC BY-NC-SA 4.0 改成了 Apache 2.0。
CC BY-NC-SA 4.0 是一个带有明显非商业限制和“相同方式共享”要求的协议。简单说，它允许别人使用和修改，但不能用于商业目的，并且衍生作品也会受到类似条款的约束。对于学术研究来说，这种协议还能接受；但对于企业、开源社区和商业化工具链来说，它会带来很大的不确定性。
Apache 2.0 则完全不同。它是更宽松、更适合工程生态扩散的开源协议。代码可以被使用、修改、分发，也可以被集成进其他项目，甚至可以被商业软件吸收。对开源社区而言，这意味着 AlphaFold3 的代码不再是一个只能“看一看、学一学、不能轻易用”的参考实现，而是可以更合法、更自由地进入其他工程体系。
这件事的影响并不小。
过去，很多研究者虽然可以阅读 AlphaFold3 的代码，但在进行二次开发、工程复用、商业部署或者与其他开源项目融合时，总要面对协议边界问题。现在代码层面的限制被大幅放松，至少在源代码这一层，AlphaFold3 开始真正进入更开放的工程生态。
这对于学术界有利。研究者可以更方便地研究它的数据处理流程、推理 pipeline、结构输入输出组织、复杂分子系统建模方式以及工程优化细节。对于开源开发者而言，Apache 2.0 也意味着可以更放心地吸收其中的工程设计经验。
但问题在于，AlphaFold3 最有价值的部分并不只是代码。
二、AlphaFold3 仍然没有放开什么？
AlphaFold3 这次没有真正放开的，是模型权重、模型参数以及围绕这些权重产生的输出结果的自由使用权。
这才是理解这次事件的关键。
一个现代 AI 模型的价值，通常不只在代码，而在数据、训练过程、模型参数、计算资源和验证体系。代码可以告诉你模型怎么跑，权重才真正承载了模型“学到了什么”。如果只有代码，没有自由可用的权重，对很多用户来说，模型依然不能被完整、自由地使用。
AlphaFold3 的权重仍然受到单独条款约束。它主要面向大学、非营利机构、研究机构、教育机构、新闻机构和政府机构等非商业组织开放。商业 biotech、药企、商业研发团队，不能简单地下载权重后用于自己的药物研发项目。更重要的是，AlphaFold3 的输出也不能随意用于训练类似的生物分子结构预测模型。
所以，所谓“AlphaFold3 完全开源了”是不准确的。
更准确的判断是：AlphaFold3 开放了代码层面的使用空间，但没有放开模型能力的商业使用空间。它从“代码和权重都受限制”，变成了“代码宽松，权重和输出继续受控”。
这是一种非常典型的分层开放策略：把已经不再构成核心护城河的部分放出来，把真正有商业价值和战略价值的部分继续握在手里。
三、DeepMind 为什么选择现在放开代码？
表面上看，DeepMind 是在释放善意；但从产业格局看，这更像是一次被开源生态倒逼之后的战略调整。
AlphaFold3 在 2024 年发布时，确实引起了巨大关注。它不再只是预测单个蛋白质结构，而是面向更复杂的生物分子相互作用，包括蛋白质、核酸、小分子、离子和修饰残基等体系。对于结构生物学和 AI 制药来说，这当然是一次重要升级。
但问题也随之出现：AlphaFold3 的开放方式与 AlphaFold2 时代完全不同。
AlphaFold2 的代码和模型权重开放，极大推动了结构生物学、蛋白设计、药物发现和计算生物学社区的发展。很多人对 AlphaFold3 也有类似期待。但 AlphaFold3 最初发布时，代码和权重的限制明显更强，商业使用空间更窄，这让很多开发者和企业感到失望。
而开源社区并没有停下来等待 DeepMind。
过去一年多，围绕 AlphaFold3 能力边界的开源替代模型迅速出现。Boltz、Chai-1、Protenix、OpenFold3 等项目不断推进，有些开源代码，有些开放权重，有些甚至直接允许商业使用。这些项目不只是复现 AlphaFold3 的部分能力，而是在工程可用性、商业许可、任务扩展和下游药物研发场景上主动寻找突破口。
其中，Boltz-2 的出现尤其有代表性。它不再满足于结构预测，而是进一步把小分子结合亲和力预测纳入同一个 co-folding 模型框架。对药物研发来说，结构当然重要，但“结合得有多强”往往更接近早期筛选和 lead optimization 的核心问题。如果开源模型开始补齐这类下游能力，那么 AlphaFold3 公共版本的独特性就会被削弱。
在这种背景下，DeepMind 继续用非商业、带传染性的许可证限制代码，收益已经变小，代价却越来越大。
一方面，社区会继续批评它不够开放；另一方面，真正想要可商用模型的企业，可能已经转向 Boltz、Chai、Protenix 等许可更清晰的方案。继续卡住代码，并不能阻止生态发展，反而会让 AlphaFold3 在开源社区中逐渐变成一个“重要但不方便使用”的参考模型。
因此，把代码改成 Apache 2.0，是一个低成本但高收益的动作。
它可以缓和社区关系，降低开发者抵触情绪，让 AlphaFold3 的工程实现重新进入开源生态的中心讨论。同时，它又不会真正伤害 DeepMind 和 Isomorphic Labs 的核心商业模式，因为真正值钱的权重、内部增强模型、专有数据、药企合作和端到端研发服务并没有被放开。
这不是一次彻底开放，而是一次精确让步。
四、开源生态正在改变结构预测的竞争方式
AlphaFold 系列曾经代表了结构预测领域的“单一中心”。很多人谈到蛋白质结构预测，第一反应就是 AlphaFold。AlphaFold2 改变了蛋白质结构预测的基本格局，AlphaFold3 则进一步把问题推向更复杂的分子相互作用体系。
但现在，结构预测领域正在从“单一冠军时代”进入“多模型生态时代”。
这意味着，未来不会只有一个模型解决所有问题。不同模型会在不同任务上形成各自优势。有的模型擅长蛋白质单体结构，有的模型擅长蛋白-蛋白复合物，有的模型擅长小分子结合姿态，有的模型强调结合亲和力，有的模型更重视抗体-抗原体系，有的模型则在速度、可控性或商业许可上更有优势。
对于研究者和企业来说，问题也随之改变。
过去的问题是：我能不能用上 AlphaFold？
现在的问题变成了：在我的具体任务里，AlphaFold3、Boltz、Chai、Protenix、OpenFold3，以及 docking、MD、FEP 等方法应该如何组合？哪个模型更适合我的靶点？哪个模型在我的内部数据上更稳定？哪个模型的许可证允许商业使用？哪个模型更适合作为初筛工具，哪个模型更适合作为高精度验证工具？
这会让“模型选型能力”变得非常重要。
AI 制药并不是把一个模型接入流程就结束了。真正的研发场景中，需要面对靶点类型、配体类型、构象变化、口袋柔性、水分子效应、离子影响、糖基化修饰、抗体 CDR 构象、蛋白复合物动态变化等复杂问题。单一模型很难覆盖所有情况。
因此，AlphaFold3 源代码许可证变化的意义，不只是它自己更开放了，而是它进一步确认了一个趋势：结构预测正在变成一个多模型、多工具、多验证链条共同参与的生态系统。
五、对学术界、开源社区和药企意味着什么？
对学术界来说，这是好事。
代码变成 Apache 2.0 后，研究者可以更方便地阅读、复现、修改和教学。尤其是做结构预测、蛋白设计、抗体设计、多分子复合物建模的研究团队，可以更自由地分析 AlphaFold3 的实现细节，并将其中的工程经验用于自己的方法开发。
对开源社区来说，这也是一个重要信号。
Apache 2.0 意味着其他开源项目可以更合法地吸收 AlphaFold3 的代码实现和工程思想。未来 Boltz、Chai、Protenix、OpenFold3 这类模型，可能会更快借鉴 AlphaFold3 在输入处理、复杂分子表示、推理流程和置信度输出方面的设计。DeepMind 原本想用协议隔开的代码边界，现在变得更容易流动。
这会进一步加速开源生态追赶 AlphaFold3。
对商业公司来说，影响则更加微妙。
代码开放当然降低了学习和工程参考成本，但它并没有解决企业最关心的问题：能不能合规用于商业研发？
答案依然是：不能简单地直接使用 AlphaFold3 权重做商业研发。
因此，对于 biotech、药企和 AI 制药公司来说，AlphaFold3 仍然更适合作为学术参考、方法对照和理论基线，而不是直接作为商业产品或企业内部研发流程的核心模型。企业真正落地时，仍然需要优先考虑许可证更清晰的模型，或者建立自己的内部模型体系。
这也提醒企业，AI 模型选型不能只看精度，还要看许可证、数据来源、可解释性、可维护性、算力成本、部署方式和合规风险。
一个模型再强，如果不能用于商业场景，或者输出不能用于后续模型训练，那么它在企业研发流程中的价值就会大打折扣。
六、DeepMind 真的“没招了”吗？
我不太赞成简单说 DeepMind “没招了”。
更准确地说，DeepMind 是在承认现实之后，重新划定开放边界。
它确实受到了开源生态的压力。Boltz、Chai、Protenix、OpenFold3 等项目让社区看到，AlphaFold3 的能力并不是不可追赶的。尤其当这些模型在代码、权重和商业许可上更开放时，AlphaFold3 如果继续保持强限制，就会在社区心智中逐渐失去主动权。
但这不等于 DeepMind 失败了。
DeepMind 和 Isomorphic Labs 真正的商业价值，可能并不在 GitHub 上那份公开代码，而在内部更强模型、专有训练数据、药企合作资源、实验反馈闭环、计算平台和药物研发团队。对于大型药企来说，它们购买的也不是一段开源代码，而是一套能够参与真实药物研发流程的能力体系。
所以，代码开源并不意味着 DeepMind 放弃了商业护城河。相反，这可能是它把护城河从“代码协议”转移到“权重、数据、服务和研发体系”之后的自然结果。
代码这条线守得太死，已经没有太大收益；权重和商业服务，才是它真正要守住的东西。
七、AI 制药进入多模型组合时代
从 AI 制药角度看，这件事最重要的启示是：不要再把结构预测理解为“选一个最强模型”的问题。
未来更合理的方式，是多模型组合使用。
例如，在小分子药物研发中，可以用结构预测模型快速生成蛋白-配体复合物假设，用 docking 做初步构象采样，用 Boltz-2 这类模型评估结构和亲和力趋势，再用 MD、MM/GBSA、FEP 或实验数据进行进一步验证。对于抗体研发，可以结合抗体语言模型、结构预测模型、抗原表位分析、CDR 构象采样、人源性评估、聚集风险评估和可开发性筛选。
在蛋白设计中，结构预测模型也不应该孤立使用。它需要和生成模型、序列恢复模型、能量函数、可表达性预测、稳定性预测、免疫原性预测以及实验筛选闭环结合起来。
AlphaFold3 的价值仍然很大，但它不再是唯一答案。
它是一个强大的参考模型，一个重要的结构预测基线，一个值得研究的工程系统。但在真实 AI 制药流程中，企业和研究者需要的是一套模型组合策略，而不是对某一个模型的单点依赖。
未来的核心能力，不只是“会不会使用 AlphaFold3”，而是能否回答以下问题：
这个任务适合用哪个模型？
这个模型在我的靶点类型上可靠吗？
它的输出能不能进入下游训练？
它的许可证是否允许商业使用？
它和 docking、MD、FEP、实验验证之间如何衔接？
它的错误模式是什么？
它在企业内部 benchmark 上表现如何？
这些问题，才是 AI 制药真正落地时绕不开的问题。
八、结语：这不是终点，而是结构预测生态重新洗牌的开始
AlphaFold3 源代码改用 Apache 2.0，表面上是一次许可证调整，实际上是结构预测生态变化后的战略再定位。
它说明 DeepMind 已经意识到，继续限制代码并不能阻止开源生态追赶。与其让 AlphaFold3 在社区中变成一个被围观但难以复用的封闭参考，不如放开代码，重新进入开源开发者的工作流。
但它也说明，DeepMind 并没有真正放开 AlphaFold3 的核心能力。权重、输出、商业使用和内部增强模型仍然是被严格控制的部分。
因此，这次事件不能被简单理解为“AlphaFold3 完全开源了”，也不宜被情绪化地解读为“DeepMind 没招了”。更准确的判断是：AlphaFold3 的代码开放了，但模型能力仍然受控；DeepMind 在代码层面做出让步，但在商业价值层面继续防守。
对于 AI 制药行业来说，真正重要的不是某一个模型是否开放，而是结构预测正在进入多模型竞争、多工具组合、多证据验证的新阶段。
AlphaFold3 仍然重要，但它已经不再是唯一中心。
未来的竞争，不再是谁拥有一个最强模型，而是谁能把模型、数据、实验、物理计算和药物研发流程组织成一套真正可用的智能研发体系。
转载自CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/a13730374634/article/details/161870475
