Quanquan Gu's team at Geodesic Intelligence releases NovaAtom-Lite…
English text is being prepared.
Geodesic Intelligence, founded by Quanquan Gu, released the all-atom structure prediction model NovaAtom-Lite on November 10, ranking first on both the antibody-antigen and protein-ligand benchmarks of FoldBench and surpassing IsoDDE from DeepMind's Isomorphic Labs. On the antibody-antigen task, its DockQ success rate is 31 percentage points higher than AlphaFold 3 and 3.5 percentage points higher than IsoDDE; in the 0-20% ligand group with the lowest similarity to the training set, its success rate is 47.6%, compared with 24% for AlphaFold 3. The team says NovaAtom-Lite is only the first member of the NovaAtom family, and larger models are already on the way.
Why read this
AI score 69
The original text provides comparisons on multiple FoldBench benchmarks and grouped tests on unfamiliar molecules, which can be used to assess the new model's relative position in structure prediction.
Topics
Body
最近,Anthropic的CEO Dario Amodei 说了一句话:
AI将在10年内,把人类在生物学上50到100年的进展压缩完成——癌症、阿尔茨海默症、心脏病,统统有望攻克。
这话说得够狠,但很多人觉得,也就听听。
直到一个叫顾全全的科学家站出来说:10年太慢了,我们要把药物研发周期压缩到4年!
11月10日,他创立仅5个月的公司 Geodesic Intelligence,发布了全原子结构预测模型NovaAtom-Lite。
在全球最严苛的生物分子预测基准测试 FoldBench上,NovaAtom-Lite直接把谷歌 DeepMind 旗下Isomorphic Labs 的王牌模型 IsoDDE 拉下了马。
在一系列生物制药基准测试中屠榜,获得多项TOP 1!
15个人的创业公司,几百张GPU,5个月。对面是累计融资27亿美元、正在以400亿到500亿美元估值谈新一轮融资的 Isomorphic Labs。
X上瞬间炸了。
有人感叹:「Dario Amodei 预测癌症10年内攻克,而 NovaAtom 的创始人说只要4年。」
有人算账:「谷歌 DeepMind 剥离出 Isomorphic,烧了几十亿美金,估值谈到400亿以上。结果一个UCLA教授带着15个人的创业公司,5个月就超了。」
而且,这不是顾全全第一次干这种事。他之前在字节跳动带队做出了 SeedFold——世界上第一个在 FoldBench 上超越 AlphaFold 3 的模型。
正是 SeedFold 的横空出世,逼得 Isomorphic Labs 不得不祭出 IsoDDE,重新夺回结构预测的王座。而这次,NovaAtom-Lite 又把 IsoDDE 拉下马,王座再次易主。
更狠的是,根据顾全全在 X 上透露的信息,NovaAtom-Lite 只是开胃菜,后面还有更大更强的NovaAtom-Pro蓄势待发。
也就是说,就算 Isomorphic Labs 近期再放出更强的模型试图反扑,迎接它的可能是 NovaAtom-Pro 的又一次击穿。
这场结构预测的王座之争,顾全全已经连赢两局,而第三局的底牌他还攥在手里。
从此,人类攻克绝症的时间表,再度提前!
生物界已经迎来了它的「HBM爆发时刻」,投资人这样感慨
NovaAtom-Lite 到底在干什么?
为什么药那么难做?
因为药物起效的本质,是让一个分子精准地「咬住」另一个分子。
抗体要咬住抗原,小分子药物要塞进蛋白质的口袋里。
这个「咬合」发生在原子尺度——埃(Å)级别,一埃等于一百亿分之一米。
稍微偏一点,药就不灵。
传统方法靠湿实验一个一个试,平均一款新药从实验室到上市要13年、烧掉近20亿美元,成功率不到5%。AI的价值就在于:在计算机里先把这个「咬合」模拟出来,大幅缩短试错周期。
这正是 NovaAtom-Lite 干的事——
输入蛋白质、DNA、RNA的序列以及小分子配体的信息,它就能预测出整个复合物中每一个重原子(氢以外的原子)的三维空间坐标。
不是模糊的轮廓,是精确到原子级别的位置。
而且,它不是一个「死板」的计算器。
NovaAtom-Lite 加入了一套极具工程价值的「条件约束与提示」功能。
输出的也不只是一组坐标。
模型同时返回局部结构置信度 pLDDT、残基间预期误差 PAE,以及界面可靠性指标 ipTM——简单说,它不仅给你答案,还告诉你「这个答案我有多大把握」。
两记重拳:79.07% 和 77.06%
评价一个结构预测模型有多强,制药界有两块最核心的试金石:抗体-抗原结合预测和蛋白质-配体结合预测。
前者是大分子药物(比如抗癌抗体)的核心——你得知道抗体是怎么精准「锁住」靶点的;后者是小分子靶向药的命门——药物分子得准确塞进蛋白质的结合口袋里。
两个方向,一个比一个难。
FoldBench 是目前公认最严格的全原子生物分子预测基准,包含1522个复合物结构,数据全部来自模型训练截止日期之后的新结构,杜绝了「提前看答案」的可能。
第一拳:抗体-抗原。FoldBench 收录了172个抗体-抗原结合界面。
评判标准用的是 DockQ 分数(可以理解为预测的结合姿态和真实结构有多像,0.23 以上算预测成功,越高越好)。
一个5个月大的公司,比 AlphaFold 3 高出31个百分点,比融资27亿美元的 Isomorphic Labs 高出3.5个百分点。
更夸张的是,如果把标准提高到 DockQ ≥ 0.80(要求极高精度的预测),NovaAtom-Lite 的成功率是 AlphaFold 3 的2.2倍。
第二拳:蛋白质-配体。这项测试覆盖558个结合界面,判定标准更苛刻:不仅要求小分子药物的预测位置与真实位置偏差小于2埃(配体 RMSD 0.8)。两个条件同时满足才算成功。
两项核心指标,全部TOP 1。
它真的「懂」物理,还是只会背答案?
每次有模型刷榜,圈内第一反应都是:你是不是偷看答案了?
这个质疑完全合理。结构预测模型吃的训练数据就是已知的蛋白质结构库,如果模型只是把见过的东西背下来了,那跑分再高也没用:真到了药物研发前线,面对的全是从没见过的新分子。
业界有一个专治「死记硬背」的狠测试叫Runs N' Poses。它把测试样本按照与训练集的相似度分成8组,从「长得像」到「完全陌生」,一层层剥开模型的底裤。
在相似度最低的0-20%组(63个与训练集「毫无关系」的配体,相当于考试里那些完全超纲的题)各模型成绩如下:
AlphaFold 3 直接腰斩到24%,NovaAtom-Lite 依然稳在47.6%,几乎是前者的两倍。
而在相似度最高的80-100%组,两者差距反而缩小到91.0% vs 88.2%。
这说明越是面对陌生的分子,NovaAtom-Lite 的领先优势越大。
它不是在背书,而是真正掌握了微观原子世界的底层物理法则,拥有了一套可迁移的「推理引擎」。
给它更多时间思考,它就更聪明
做 AI 的人都知道一个趋势叫Test-time Scaling——推理阶段给模型更多算力,答案质量就更高。
大语言模型领域早已验证了这一点,而 NovaAtom-Lite 证明,这个规律在生物分子预测里同样成立。
在同一批172个抗体-抗原界面上,团队做了一组优雅的实验:
Oracle 上限(事后用实验答案挑最优解):88.4%
从74.3%到83.1%,仅仅是增加采样数量,成功率就提升了近9个百分点。
这意味着这套系统具有极强的「弹性」。
创业公司预算有限,用少量算力快速试错,依然能拿到不错的结果。而对于医药巨头来说,当一款靶向药关乎百亿市场和无数患者的生命时,你可以开足算力、全力压榨每一点精度——模型的上限远没到头。
真实的药物研发场景里,科学家手上往往已经有一些线索。比如知道抗体和抗原大概在哪个位置接触,或者小分子大概塞在蛋白质的哪个口袋里。
问题是:模型能不能「听懂」这些提示,并用好它们?
NovaAtom-Lite 的回答:不仅听得懂,而且效果炸裂。
在 FoldBench 的172个抗体-抗原界面上,不给任何提示时成功率是79.07%。只要给模型一个接触残基对(相当于告诉它这两个残基离得很近)成功率直接飙到91.28%,提升了12个百分点。
在另一个更大规模的抗体-抗原测试集 PXM-22to25-AB(383个聚类)上,这个提升更夸张:从66.05%一口气拉到88.82%,涨了将近23个百分点。
更有意思的是蛋白质-配体方向。
在 Runs N' Poses 上,团队测了四种设置:无约束、一个接触对、四个口袋残基、完整口袋,层层递进。
提示对最难的样本帮助最大:在与训练集相似度最低的0-20%区间,给完整口袋提示能把成功率从47.6%拉到63.5%,提升近16个百分点;而在高相似度区间(60%以上),提升只有2到5个百分点。
简单说就是,越是「超纲题」,模型越能从你给的线索里「悟到」更多。科学家的经验不会被浪费,你知道得越多,它算得越准。
两个「神级」案例:从分子套索到暗门破解
数字再漂亮,制药的人最终要看的是:你能不能解决真实世界里那些最棘手的结构难题?
案例一:给疯狂甩动的「分子套索」拍高清定格照
中东呼吸综合征(MERS)病毒是个凶残的对手。科学家找来了一种纳米抗体 VHH-T148 去对付它,这个抗体的核心武器是一条由22个氨基酸组成的 CDR-H3 长环。
想象一下,一条在三维空间里疯狂甩动的「软鞭」。它极度灵活,缺乏进化上的共变信号,预测难度极高。
这是结构预测领域公认的噩梦级难题。
结果,NovaAtom-Lite 生成了25个候选方案,全部命中。DockQ 达到0.839,CDR-H3 的预测误差仅为0.56 Å,覆盖了全部18个表位残基中的每一个。
0.56 Å大约是一个碳原子直径的三分之一,这是「分子级单反相机」的定格拍摄。
有一类抑制剂能钻进 KRAS 上一个「隐藏口袋」(switch-II pocket)起效,但问题是这个口袋平时是锁着的。
在这个案例(结构编号 8UN5,KRAS G13D 突变体)中,OpenDDE 直接懵了,配体 RMSD 高达 17.74 Å——药物被扔到了十万八千里外。
而 NovaAtom-Lite 的配体 RMSD 仅为0.98 Å。
不仅如此,在全部25个样本中,switch-II 区域的预测与晶体结构仅差 0.4 到 0.6 Å,并重现了全部12个天然极性接触,没有任何配体原子与蛋白质发生空间冲突。
就在 NovaAtom-Lite 发布三天后,硅谷顶级风投 a16z 发布了一篇重磅研报——《大型制药企业,即将与大型软件分庭抗礼》(Big Pharma Can Rival Big Software)。
这份报告有几个核心判断值得细品:
第一,AI 制药正式进入「GPT-3 时刻」。
a16z 的原话是:我们认为当前 Bio × AI 的市场成熟度已接近 GPT-3 水平。GPT-3那是通用AI从「能用」到「好用」的转折点。a16z 认为,类似的能力正在生物模型中涌现。
第二,药企未来将按「科技股」定价。
传统药企的估值逻辑是对已有药物组合做现金流折现,背后的药物研发引擎几乎不被资本认可。但如果 AI 让药物发现变得「高度可重复、可预测」,投资者就会愿意为药企的 AI 基础设施买单——就像他们为 SaaS 公司的平台付费一样。
这是估值逻辑的根本性重构。
第三,11月10日发布的 NovaAtom-Lite 已被 a16z 收录进了这份研报。
一个发布仅三天的模型就被顶级资本写进了行业报告里,反应速度本身就很说明问题。这是真的被注意到了。
更耐人寻味的是,在 a16z 报告的产业版图插图中,唯一被点名提到的公司就是 Geodesic Intelligence。
报告将 AI 制药初创分为两类:一类是像 Isomorphic Labs、Recursion 这样自己下场做药的「垂直整合者」,承担高风险,博万亿美金上限;另一类是提供模型、工具和平台的「卖铲人」:实验室自动化、AI 智能体、分子设计引擎的供应商。
Geodesic 显然被归入了后一类中最尖端的那个位置。通过 Geodesic API 和 NovaDDE 平台,NovaAtom-Lite 的能力正在被开放给每一家药企和科研团队。
目前还不知道Geodesic Intelligence是否会下场做药,但从其模型展现出的竞争力来看,它显然有机会将边界从模型和工具供应商,进一步延伸至药物研发本身。
a16z 的判断不是空谈。产业端的数据已经在验证这个趋势。
GenScript(金斯瑞)的 AI 制药业务连续三个半年翻倍增长,Twist Bioscience 的 AI 药物发现订单更是三位数飙升。
大药企抢着签约。光 Isomorphic Labs 一家,诺华和礼来的合作协议加起来就将近30亿美元;Anthropic 自己开了湿实验室,OpenAI 直接收购了生物科技公司。
最短路径
回到 Geodesic Intelligence 的故事。
顾全全是 UCLA 计算机科学系教授,在 AI for Science 领域声名在外。2026年6月,他创立了 Geodesic Intelligence,目标只有一句话:
构建 AGI,找到从生物学到药物的最短路径。
仅仅5个月后,带着15人的精锐团队,他交出了第一份答卷。
而这只是起点。官方已经明确表示,NovaAtom-Lite 是 NovaAtom 模型家族的第一个成员,更大、更强的模型已在路上。
Geodesic 的完整布局是一个三位一体的闭环:NovaAtom 负责结构预测,NovaDDE 负责科学推理与药物发现工作台,NovaLab 负责湿实验验证——
从提出生物学问题、计算分析分子结构,到实验验证候选物,一条龙打通。
这让人想起 a16z 在报告结尾写的那句话:更快、更低成本地研发药物,将是 AI 最具深远影响力的应用方向。
药物研发的时间加速器,真的来了。
本文来自微信公众号“新智元”,作者:ASI启示录,编辑:Aeneas 所罗门,36氪经授权发布。