AI蛋白质设计大赛，这一原本局限于技术圈的赛事形式，最近因为AI巨头Anthropic的动作，开始频繁出现在公众视野当中。
伴随关注度一同升高的，还有争议。这场号称全球最大的AI蛋白质设计大赛，被曝出设置了多重限制，科研团队若想获得资助，必须使用Claude进行设计；一些国家和地区的团队甚至无法申请，中国也赫然在列。
对于Anthropic这样的科技巨头而言，赛事成了推广核心产品、触达科研用户的一种方式。当参赛资格、资金支持与特定模型生态绑定，技术竞赛也就难免演变为对模型路线和平台生态的争夺。
一支被排除在原有赛场之外的力量，自己搭了一张桌子。
由AI4S基础设施企业、中国独角兽镁伽科技牵头，腾讯云、Twist等伙伴助力，一场全球AI蛋白质设计竞赛Poreva Open正式开赛——不限国家、不限模型、不限技术路线，唯一的条件是：你的设计敢不敢进湿实验室，接受真实检验。
赛事将史无前例地对超过10000条设计序列进行湿实验验证——是Anthropic赛事计划验证量的两倍，凭借这套全球顶尖的湿实验验证能力，它将AI蛋白质竞赛推进到更真实、客观的实验场。
是来自中国的比赛
也是全球顶尖的湿实验室擂台
镁伽科技发起的Poreva Open，将真实实验室表现作为最终检验标准，赛事计划对超过10000条设计序列进行湿实验验证，这意味着镁伽要自己掏钱跑完一万条，每条都是一个真金白银的承诺。
换句话说，这不只是一次模型能力的较量，更是将AI设计成果放进真实实验室检验、并积累大规模实验数据的机会。
它所面对的，正是AI for Science走向产业应用必须解决的一道关键难题，如何把计算端的设计结果，与真实世界的实验表现对应起来，建立一套可比较、可追溯、可复现的评价体系。
这也是全球AI4S企业都需要面对、却仍有待系统性解决的问题。
细看之下，Poreva Open的设计对标国际一流赛事标准，同时也有两个值得关注的特点。
一个是，考核不只看蛋白质能否结合目标，还进一步关注与后续开发相关的指标。具体而言，热稳定性和低非特异性这两项指标被新增至评价体系中，以进一步考察设计蛋白质的实际应用潜力。
前者考验分子可开发性，关注蛋白质在不同温度条件下能否维持稳定，关系到分子在制剂开发、生产和储运过程中的表现。
后者考验分子能否准确识别目标，而不是与无关分子发生不必要的结合。非特异性结合过高，可能影响分子的体内分布、清除速度和安全性，这也是治疗性蛋白开发中的常见失败原因。
另一个值得关注的点，是评价范围有望从分子层面的结合表现，进一步延伸到更复杂的生物体系，目前首批3项挑战靶点已公布。
根据赛事安排，赛后将择优引入类器官等模型进行进一步验证，有望筛选出不仅计算结果足够优秀，还能在更复杂的生物环境中表现出预期功能的分子。
从这个角度看，Poreva Open并非是在做一张更大更全的AI蛋白质靶点结合能力排行榜，而是尝试建立一套评价“AI蛋白质是否具备进一步开发的潜力”的标尺。
如果这套机制能够持续运转，它积累的就不只是比赛排名，还有计算设计与真实实验之间的对应关系，而这些数据都是后续模型迭代和候选分子筛选宝贵的养料。
承接这类大规模蛋白质设计赛事，难点不只是设计一道好题，本质上是在考验能否组织起足够的实验资源，并让不同设计在相对统一的流程和标准下接受检验。
这背后需要打通算力、模型、云服务、实验材料与实验执行等多个环节。赛事表面上比的是蛋白质设计，底层考验的却是一整套AI4S基础设施能否协同运转。
首先是最核心的实验室端。
Poreva Open由AI for Science基础设施企业镁伽科技发起并主办。镁伽长期布局科学智能，是国内少数具备自主智能体全栈核心技术及规模化落地能力的企业之一，在“AI+生命科学”智慧实验室领域是有显著领先地位的。
对于一场计划验证超过10000条设计序列的赛事而言，实验室不仅要有处理大量样本的能力，还需要尽可能统一实验流程、控制执行差异，并对实验结果进行记录和追踪。否则，即使获得大量结果，也未必能够形成可比较、可复用的数据。
更值得琢磨的，是PorevaOpen背后的合作阵容。把这份名单摊开看，会发现它的想象空间不只在蛋白质设计本身。
腾讯云的云计算、存储及企业级服务能力都是业界顶尖水平；思朗科技是国内科学智能算力赛道的独角兽，手握国内首款自主创新“天穹”3D科学计算机，算力较传统超算提升若干个数量级。
诺唯赞则深耕酶、抗原、抗体等生物技术产品，能为后续实验验证提供必要的试剂与原料支持。
拉来Twist就更有看头了。它是全球DNA合成的一哥，同时也负责Anthropic 那场比赛的DNA合成，它出现在这里未必意味着站队。
但至少说明一件事：镁伽搭的这张桌子，规格已经高到全球顶级厂商愿意上桌。
产业应用端，国企广药集团旗下广药数科的参与，为赛事连接产业需求提供了更多可能；明势创投、英诺基金等投资机构的加入，则为优秀设计的后续发展提供了资本层面的关注。
比赛奖金池以及其他收益自然也是非常可观，最高100万的现金奖励、百万元级的免费湿实验验证额度与千万元级的投资激励，这在同类赛事中几乎是天花板级别。
从资金投入到合作阵容，再到实验验证资源的配置，Poreva Open展现出的不只是办好一场比赛的决心，更是镁伽科技持续投入AI4S基础设施建设、争夺下一代数据入口的野心。
AI for Science基建竞赛 先从实验室开始
要读懂Poreva Open大赛的价值，需要把AI4S行业正在进行的新基建拆成两层。
一层是物理基础设施，也就是自动化实验室、具身智能、物理AI，解决的是AI生成的设计能不能被高效制造、测试和验证的问题，这也是科技巨头们正在用真金白银加码的方向。
谷歌已尝试让AI Agent指挥机器人开展湿实验；OpenAI与Ginkgo Bioworks合作，将GPT-5接入自动化实验室，仅用三轮迭代就将无细胞蛋白质生产成本降低40%。
Anthropic更激进，一边让Claude指挥实验室机器人，一边推出模型硬件标准，试图打通AI与实验设备之间的接口。
在最新披露的IPO招股书文件中，Anthropic也展现了其在生命科学领域的布局：自建分子生物学实验室、收购AI生物技术公司、开发AI实验设备控制标准，并让Claude直接参与科学发现。
更往前，芯片巨头英伟达与药王礼来也宣布在五年内投入最高10亿美元共建AI创新实验室，AI4S的竞争热潮正在越过模型本身，蔓延到支撑模型走向现实的基础设施。
Anthropic生命科学负责人Eric Kauderer-Abrams在媒体采访中明确表示“我们认为，真正开展生物学研究，最终检验仍然要在真实实验室中进行，而且在未来一段时间内都是如此。”
这背后，折射出AI for Science发展的一个现实处境。模型层的关注度正在快速升温，但支撑模型走向真实应用的基础设施层面，整个行业仍处于早期阶段。
蛋白质设计是AI4S中较早发展的方向之一，也集中体现了这一矛盾。
随着AlphaFold等工具不断普及，蛋白质结构预测的门槛不断降低。生成式模型、从头设计工具和AI Agent让科研人员能以简单的自然语言描述目标，再由AI协助完成设计与分析。
过去可能需要数年学习才能掌握的专业技能，如今借助AI，科研人员有望在数天到数周内快速上手。但设计门槛降低，并不意味着验证门槛同步下降。
一边是模型可以一次性提出成百上千个候选；另一边却是每个设计最终都必须面对真实世界的检验，实验执行的成本、速度、通量都有很大的提升空间。
镁伽科技与Poreva Open的合作伙伴看到的，正是这一结构性矛盾。未来的蛋白质设计，比拼的必然不再只是模型参数，而是一整套基础设施，考验的是模型能力、科学算力、实验自动化与数据闭环的综合能力。
所以Poreva Open才选择把临床转化高度相关的指标、真实的生物体系加入其中，并为湿实验验证投入超过10000条设计序列的巨大成本。
当然，这件事做起来没有那么容易。AI4S的物理基础设施从来不是买几台设备能建成的，自动化实验流程的打磨、复杂实验的稳定执行，以及实验数据的持续积累，都需要长年累月地投入。
不过，从主办方给到的支持来看，这一层物理基建恰好是镁伽科技的强项。镁伽一直致力于通过智能化、自动化的实验基础设施，连接计算设计与真实实验，在生命科学研究领域无论是规模化的实验执行水平还是数据处理能力都是国内顶尖水平。
实验吞吐量也是不用担心的。镁伽旗下的鲲鹏实验室能实现7×24小时无人值守运行，每轮最多可以完成接近800个分子的构建和验证，具备进行大规模湿实验室验证的经验与能力。
看见下一代数据基建的长期价值
前面提到，AI4S新基建有两层值得关注，一层是物理基建，另一层是更容易被忽略的数据基础设施。
简单理解，后者包括标准化实验流程、统一评价指标以及能够被追溯、比较和复用的实验数据，镁伽科技借由Poreva Open切入的，正是这一数据入口。
抢占这一入口是至关重要的。一方面，打通彼此割裂的数据孤岛，是数据积累和模型迭代的先决条件。
美国国家标准与技术研究院（NIST）就正在推动蛋白质功能测量标准建设的工作，其项目介绍中明确指出：
AlphaFold取得突破所依赖的蛋白质序列与结构数据，经过了四十多年、约100亿美元的积累。要让AI4S进一步从序列预测蛋白质功能，行业仍需要以更低成本、更快速度获得大规模高质量实验数据。
国家数据集团办公楼
我国也在近期成立了全新央企国家数据集团，以数据资源开发利用为主责主业，国家数据专家咨询委员会委员张向宏在相关解读中指出，破除“数据孤岛”是重要目标之一。
另一方面，这一入口能承接的数据量，或许比想象中更大。
以和Anthropic合作举办大赛的Adaptyv为例，该公司从2024年开始举办AI蛋白质赛事，目前已经累计收到超过2.5万条设计，来自42个国家的1000多名设计者，涉及537种设计方法。
背后的逻辑其实很简单，实验室解决的是能否开展大规模验证的问题，评价体系解决的则是实验结果能否被客观比较、重复检验和持续积累的问题。两者结合，AI4S的底层基础设施才算是完整了。
Poreva Open将为镁伽科技切开这一数据入口，也让其成为中国AI for Science行业少有的，能同时完成物理、数据两层基础设施建设的企业。
这也是镁伽更值得关注的长期价值。多年的自动化实验室积累让它具备强大的实验执行能力，而持续的数据生产与标准化评价建设，则有机会让它从自动化实验室龙头，进一步成为AI蛋白质产业链上，乃至AI for Science行业中不可忽视的基建商。
如今，AI for Science行业快速发展，科技巨头纷纷入局，随着模型能力不断提升，围绕实验验证、标准化评价和数据积累的基础设施也在加速形成。
在这一轮竞争中，稍纵即逝的窗口期正在打开。当新秩序初具雏形，真正占据底层资源和生态位的企业，才能拥抱最大的红利。
毕竟，模型会过时，标杆不会。镁伽赌的，是成为那个别人绕不过去的坐标系。
—The End—
热门跟贴