科学研究的传统路径长久以来依赖于数学原理和实验观测的坚实基础。从牛顿的经典力学到爱因斯坦的相对论，科学家们通过严谨的数学公式、实验验证和精确计算，逐步揭示了自然界的奥秘。
然而，随着生成式人工智能技术的迅猛发展，特别是Transformer和Diffusion模型在文本、图像等多模态领域的广泛应用，一种全新的科学研究范式——“生成式科学”正在悄然兴起。这一范式不再局限于对每一个中间步骤的精确数学描述和实验验证，而是利用海量科学数据，通过深度学习模型的训练，实现对复杂科学问题的快速、准确预测。
在“生成式科学”领域，AlphaFold 2的诞生无疑是一个里程碑事件。它革命性地解决了蛋白质“从序列到结构”的预测难题，为科学研究开辟了新的道路。随后，AlphaFold 3的发布更是将这一能力扩展到了蛋白质与核酸、小分子、抗体等复杂生物分子的相互作用预测，为药物研发提供了新的可能。
DeepMind旗下的Isomorphic Labs作为AlphaFold 3的产业化子公司，已经与礼来、诺华等全球知名制药企业展开了深度合作。他们利用AlphaFold 3的技术优势，共同开发多靶点的小分子疗法，取得了显著的成果。其中，诺华更是进一步拓展了与Isomorphic Labs的合作范围，显示出对“生成式科学”在药物研发领域潜力的高度认可。
与此同时，国内新兴创业公司探序秩元也在“生成式科学”的浪潮中崭露头角。他们自主研发的IntelliFold模型，能够对多种生物分子之间的相互作用进行高精度三维结构预测，并通过可训练的适配器实现特异性针对能力，帮助完成药物发现等特定下游应用所需的复杂任务。
探序秩元的创始人孙鹏是一位具有丰富AI投资与产业经营经验的前tech venture投资人，而首席科学家孙思琦则是复旦大学研究员、博士生导师，拥有在微软西雅图总部从事前沿大语言模型技术研究的经历。他们的团队成员大多同时具备“结构生物学+大语言模型”双重研发背景，为自主开发结构预测基础模型提供了有力保障。
据探序秩元提供的技术测试报告，IntelliFold在多个关键指标上与AlphaFold 3表现相当，甚至在RNA单体预测上超越了AlphaFold 3，展现了其在核酸结构预测上的优势。IntelliFold还能够预测蛋白质与小分子的结合构象及模式，以及结合亲和力等核心指标，为药物虚拟筛选提供了更高效、准确的工具。
在药物设计中，IntelliFold通过目标特异性适配器能够正确预测别构构象，识别罕见构象状态，这对于药物的精准设计至关重要。同时，生成式科学模型也在蛋白质设计领域带来了快速变革，能够从头设计每一个氨基酸的位置及可能，探索自然界不存在但可能更优的结果。
探序秩元希望将IntelliFold打造成通用的智能科学基石模型，提高整个新药研发行业的效率。他们计划与大型药企联合开发、为药企和科研机构提供有价值的早期资产，通过IntelliFold的应用和持续升级，改变新药研发“10年周期、10亿美元、10%成功率”的困境。
随着AI技术的不断应用，临床前和处于临床一期的药物资产价值正在面临重估。AI的介入大大提高了这些早期资产的成药概率，为全球制药行业的发展注入了新的活力。诺华全球CEO瓦斯·纳拉辛汉也曾表示，希望看到AI等新技术能将药物研发的成功率从现在的1/10提升到更高的水平。
