藥廠祕密資料強化 AI 蛋白質模型，表現超越僅用公開資料的系統

一套以超過 20,000 個來自製藥公司的蛋白質結構訓練的 AI 系統，在表現上優於僅使用公開資料的 AlphaFold 類模型。這個結果揭示了當前 AI 科學應用的一個關鍵瓶頸：資料，而非演算法。

蛋白質結構預測的突破，過去被視為演算法創新的成果。公開的蛋白質資料庫累積了數十年的實驗結構，而模型的價值在於從這些資料中學到摺疊的規律；當演算法成熟到一定程度，繼續改進架構的邊際效益就開始遞減，而資料的品質與覆蓋範圍成為新的限制因素。

製藥公司的內部資料之所以特別有價值，在於其組成的差異。公開資料庫收錄的結構偏向易於結晶、學術上有研究興趣的蛋白質；而藥廠的資料則圍繞著藥物標的——包含大量與小分子結合的複合結構、難以處理的膜蛋白，以及同一標的在不同條件下的多個構型。這些正是藥物設計最需要、公開資料最缺乏的部分。

這也帶出了一個結構性問題。若模型效能的關鍵在於私有資料，那麼能力就會集中在持有這些資料的機構手中；學術界與開源社群即使擁有同等的演算法能力，也難以達到相同的表現。這與過去幾年開源模型能夠緊追閉源模型的情況不同。

資料共享的誘因同樣複雜。藥廠的結構資料涉及研發管線的機密，揭露可能洩露標的選擇與化合物設計方向；而在缺乏明確互惠機制的情況下，先分享者承擔的風險高於後續加入者。

後續觀察重點在於這類資料聯盟的擴展方式與成果的開放程度。若模型本身能公開供研究使用，即使訓練資料保持封閉，對整體領域仍有實質助益；反之，若能力完全內部化，藥物開發的競爭格局就會進一步向資料持有者傾斜。