IntelliGen AI 于本周末正式发布了 IntelliFold 2这是继 2025 年 7 月 IntelliFold 首版发布后的一次重大升级 。在 GenAI 带动的 “生成式科学智能Generative Science” 的新浪潮中生物基石模型始终是广受关注的热门领域自然界的生命语言序列、结构与人类符号语言呈现类似的序列化特征但其背后蕴含严苛的物理约束与生物演化逻辑长期以来难为人类完全破解同时因其对于人类生产、生活的关键重要作用使生物基石模型成为领域内广受关注的 “皇冠上的明珠”。生物基石模型的关键价值在于其能从海量信息中借助 Transformer 等 GenAI 架构充分打开隐空间挖掘出人类难以感知归纳却又大有所用的 “生命语法”DeepMind 旗下的 AlphaFold 系列研究无疑是其中颇具开创性的重大突破。及至 AlphaFold 3 发布后其现象级的突破性进展与巨大产业潜力有目共睹成为毫无争议的行业典范。随后围绕结构预测及与之密切关联的从头设计应用全球相继涌现出一批以 GenAI 大模型寻求突破的代表性成果Chai Discovery、Boltz、OpenFold 等明星团队、大额融资及至大厂并购Evolutionary Scale等积极消息此起彼伏市场热度持续上涨但及至 2025 年底仍鲜有新发模型真正做到与 AlphaFold 3 匹敌1。与此同时受限于开源程度、效能上限、部署便利性等生物基石模型的进一步普及应用仍面临高性能、高可用的需求端真实考验。在生物基石模型的全球激烈竞逐中IntelliGen AI 于本周末正式发布了 IntelliFold 2这是继 2025 年 7 月 IntelliFold 首版发布后的一次重大升级 [2]。通过从 GenAI 内在逻辑出发的诸多创造性思考与重新设计以及诸多工程化模块的突破性创新IntelliFold 2 成功实现了高效能与多功能的全面突破在 FoldBench 基准测试中给出了超越 AlphaFold 3 主要指标的优秀表现在抗体 - 抗原相互作用、蛋白 - 配体共折叠等影响药物研发成败的关键任务上IntelliFold 2 也树立了全新的行业性能标杆为智能药物设计提供了可控、高精度的工业级引擎。免费试用地址https://server.intfold.com/核心突破在关键性能指标上全面超越 AlphaFold 3在生命科学领域复合物共折叠Co-folding预测一直是核心挑战。IntelliFold 2 在两个关键任务中取得显著进步超越 AlphaFold 3、Chai、Boltz 等主流模型抗体 - 抗原相互作用以 DockQ 0.23 为成功标准IntelliFold 2-Pro 达到 58.2% 的成功率报告的 v2 模型结果为 5 次运行的平均值最高分数达 63%相较 AlphaFold 3 的 47.9% 展现出显著的性能进步。这一逾 10 个百分点的提升意味着在抗体筛选阶段模型能够更稳健地迈过可用性门槛进而减少湿实验试错成本精准锁定高潜力候补分子。蛋白质 - 配体共折叠在该任务中IntelliFold 2-Pro 同样以 67.7% 的成功率击败 AlphaFold 364.9%及 Boltz 等其他主流模型 。这一精度的稳步提升对于基于结构的小分子药物设计至关重要不仅有助于提高虚拟筛选的命中率也为后续亲和力预测、别构靶点捕捉等具体任务打下了坚实基础。IntelliFold 2 的发布通过 v2-Flash、v2 和 v2-Pro 三个版本精准覆盖了从学术微调到工业落地的多元需求。目前已正式开源 v2-Flash 与 v2 两个版本。其中v2 版本作为目前精度最高的开源模型之一将为全球科研人员提供性能卓越的结构预测底座大幅降低高性能生物计算的门槛 。“智能” 为径开启范式迭代四大创新重塑新一代基座IntelliFold 2 的核心突破源于对 “信息表征能力” 和 “硬件计算特性” 的重新思考。针对共折叠Co-folding这一颇具挑战性的核心任务团队并未因循传统的 “强数据堆砌” 或单一的 “专家经验注入” 路径而是寻求生命分子微观交互规律与 AI 计算范式的深度融合以更好的实现 “底层模型智能” 对 “下游任务智能” 的赋能。Scaling Law 在生物计算的验证通过 Latent Space Scaling 技术团队扩展了 PairFormer 模块的特征维度不仅增强了模型对复杂生物大分子相互作用的表征能力更大幅优化了计算效率将 GPU 的计算利用率MFU从 5% 提升至 30%。这种算力投入带来了较高的边际效益以可接受的时间成本换取了对复杂结构表征能力的显著提升。原子级别的精细感知针对抗体 CDR 区域等柔性、易变的结构传统粗粒度建模方法往往难以精确建模。IntelliFold 2 引入了随机原子级 Tokenization让模型在训练中学会捕捉细粒度的原子接触模式。这种 “显微镜” 级别的感知力弥补了宏观表征在局部细节上的缺失成为其在抗体预测任务中领先的关键。强化学习引导的采样优化为了解决扩散模型采样在结构预测任务中的不稳定性团队引入基于 PPO 算法的强化学习进一步优化扩散模型。通过将扩散过程建模为随机策略并进行微调IntelliFold 2 有效校正了采样轨迹的偏移减少了不准确结构的生成为实际应用提供了可靠的工业级预测结果。难度感知的损失函数针对复合体中链间距离预测等高难度区域IntelliFold 2 采用了难度感知的损失函数。通过动态调整损失函数权重引导模型专注于那些容易被忽略的长尾困难区域。这种优化改善了训练收敛稳定性提升了模型在处理复杂多链复合物时的稳定性。IntelliFold 2 的技术迭代体现了生成式科学的研发新范式它既不依赖传统专有数据注入或专家调优也非单纯的对 Transformer block 堆叠提升参数量而是结合对领域科学和模型的综合深入理解找到好的 scaling 的角度遵循智能涌现的底层逻辑求解稳定可泛化的有效性能提升否则单纯堆砌算力和参数量或者机械地对跨领域先验经验进行迁移放大依然达不到好的效果。灵活可用从可控预测到应用问题解决的领先实践IntelliFold 2 不仅仅实现了精度的提升还体现了对于可用性的强调通过通用基础模型、轻量适配器LoRA与任务引导形成闭环推理链路连接结构预测与诸多功能发现。这超越了传统单模型 - 单任务开发逻辑以统一基石模型 - 多任务的架构开创性拓展了结构模型的效能场景与价值链条。同时这一架构设计也允许领域科学家注入假设、约束和数据为研究人员进行可控、精准且具有预见性的任务开发打下了创新支点。藉由此次基石模型更新IntelliFold 2 在蛋白 - 配体亲和力预测、别构靶点虚筛等应用问题上充分展示出显著更优且卓有价值的行业应用潜力。1. 亲和力预测小分子IntelliFold 2 延续了初版的高保真亲和力预测能力不但在 PDBBind 数据集性能优于 Boltz-2 及模型初代版本还在更接近产业真实任务的复杂 In-house 数据集上亲和力预测表现Pearson r 0.60显著领先 Boltz-2 等开源模型 (0.38)。结合 IntelliFold 特有的别构和表位分析能力已经形成 “预测结构→估计结合→指导设计” 的完整闭环并在真实案例中帮助合作伙伴在分子筛选任务上实现了效率与精度的大幅提升以及高难靶点的突破进展。2. 动态捕捉靶点别构效应在生命的微观世界里蛋白质的功能并非由静态结构决定而是源于其在复杂能量景观中的动态构象调控。其中别构效应是最具代表性的机制之一只需在蛋白质的一端轻轻拨动 “开关”就能通过构象的连锁反应控制另一端的生化活性。虽然这为药物研发提供了巨大的想象空间但由于其高度的动态性和复杂性寻找此类药物靶点如同大海捞针。IntelliFold 2 构建了一套 “微观原子精度” 与 “宏观构象一致性” 协同的表征体系在微观层面它能以原子级分辨率捕捉氨基酸侧链的细微偏移在宏观层面则能维持蛋白质整体拓扑结构的物理合理性。以此通用表征为基石通过针对性地引入别构数据进行高效微调模型进一步习得了解析复杂别构效应的能力。借助这一特殊机制的引入IntelliFold 2 实现了在真实任务上别构位点筛选能力并作为其动态靶点预测能力的首个应用案例后续成功帮助合作伙伴实现了基于别构结合的候选分子重新筛选最终以特定靶点优秀成功率高至 67%实现多问题全部命中并成功转化至后续环节 asset 开发。结语 ——“Answer ball” from the East在语言智能Language Intelligence和有形智能Physical Intelligence两大领域近年来的新一波 GenAI 浪潮持续带来猛烈冲击与快速变革迭代我们正亲历着一场将空前改变生产与生活的智能大变革。围绕着大语言模型、具身智能、自动驾驶等赛道与产业的发展热潮我们欣喜地看到全球科技竞争的高速迭代和诸多优秀成果的不断涌现中国科技力量持续追赶甚至并驾齐驱然而在关联诸多领域科学和生产力前沿的 “生成式科学智能” 领域尤其是在相对高光的生命科学方向不同于北美市场后 AlphaFold 3 时代模型探索的百花齐放目前在全球其他地区能够直接可比的基模成果并不多见。受限于生物基石模型的高算力消耗门槛、LLM 与生物背景的复合人才需求大中华地区也更多是 Biomap、百度、字节跳动等互联网大厂背景团队在持续参与并取得阶段性成果。IntelliFold 2 的发布及其模型 SOTA 表现与开源举措无疑是一记令人振奋的 “Answer ball”。这表明围绕生成式科学的全球竞赛新兴团队仍然有机会加入竞争甚至取得领先的卓越表现。据悉得益于强大的基石基础模型进展IntelliGen AI 首版针对 Binder 和抗体的从头设计De novo design模型也即将于 2026 年中适时发布进而实现预测与生成的统一进一步加速药物研发与生命科学探索的进程。未来围绕生物基石模型的全球竞争无疑将更加激烈希望新一代际的创新者们能够实现 “科技有效”驱动 “智能药物设计时代” 的真正到来。