导语 2026年10月16日，华盛顿大学、牛津大学与英伟达等机构的研究团队在《科学》（Science）发表论文，公布新一代AI蛋白质设计系统RFdiffusion3。这一系统将设计对象从蛋白质骨架推进到全部原子，可在配体、核酸等非蛋白原子环境中按原子级约束生成蛋白质结构，研究团队称其在酶活性位点基准测试中以约90%的案例比例优于前代，生成速度约为前代十倍。

一、事件聚焦：国际团队《科学》发文公布RFdiffusion3

先看事件本身。论文于2026年10月16日在《科学》正式发表。研究以华盛顿大学蛋白质设计研究所（IPD）为主体，牛津大学计算机科学系、英伟达公司等机构参与署名，论文共23位作者，通讯作者为2024年诺贝尔化学奖得主David Baker与Rohith Krishna。其中，牛津大学计算机科学系与英伟达的参与并非挂名：预印本作者名单中可见双重机构署名的作者，体现出学术机构与算力企业在这一方向上的深度协同。

需要说明的是，这项工作在正式发表之前已经历了一轮公开检验：论文预印本先行公开于bioRxiv，研究团队又于2025年12月3日开源RFdiffusion3，模型集成于RosettaCommons foundry框架（含RFD3、RF3、MPNN等模型，依赖AtomWorks>=3.0.1）。换句话说，全球实验室在论文正式刊出前数月已可下载复现，此次《科学》发表是对一项已经社区化的技术的同行评审确认。

表1 论文精确口径

图1 AME基准：RFdiffusion3与前代RFdiffusion2的41案例对比

资料来源：David Baker团队论文及随文预印本（AME基准，41个PDB酶活性位点案例）；图表：集微咨询（JW Insights）整理

从代际位置看，RFdiffusion3是贝克实验室蛋白设计扩散模型谱系的最新一代：2023年，Watson等提出基于扩散模型的从头蛋白设计通用框架RFdiffusion（发表于Nature 620:1089-1100）；2024年，DeepMind的AlphaFold3将结构预测扩展到蛋白质-核酸-小分子复合体；2025年前代迭代至RFdiffusion2；2026年，RFdiffusion3在《科学》发表。

二、技术解析：扩散模型+AlphaFold3架构的原子级生成

RFdiffusion3的技术要点，可以概括为"表征升级、架构借力、目标直给"三个层面。

表征升级：从骨架到14原子槽位。 模型将每个氨基酸统一展开为14原子槽位表征——4个主链原子加10个侧链原子槽位，其中正则侧链最大的色氨酸恰好含10个侧链原子，较小的侧链以Cβ虚拟原子补齐槽位。在此基础上，模型直接以三维原子坐标为扩散对象。这一设计使蛋白质侧链、配体、核酸等全部进入同一个原子坐标系，生成过程可以在原子尺度上感知并满足约束，而不是先设计骨架再"回头"安置侧链与环境原子。

架构借力：与AlphaFold3扩散模块同型的transformer U-Net。 RFdiffusion3采用与AlphaFold3扩散模块类似的全原子transformer U-Net架构，基于AtomWorks框架构建，其中Pairformer压缩至2层，全网参数量约1.68亿（168M），约为AlphaFold3扩散模块（约3.5亿参数）的一半。架构上的这层"亲缘关系"指向一个更清晰的判断：2024年AlphaFold3验证了全原子注意力架构对生物分子复合体的表征能力，2026年的RFdiffusion3则把同型架构从"预测已有结构"转向"生成全新结构"，结构预测与结构生成在架构层面开始合流。

图2 从骨架扩散到全原子生成：蛋白设计扩散模型演进时间线

资料来源：贝克团队论文及KB研报（RFdiffusion 2023年Nature 620、AlphaFold3 2024年、RFdiffusion2 2025年、RFdiffusion3 2026年）；图表：集微咨询（JW Insights）整理

目标直给：在非蛋白原子环境中做设计。 由于显式建模全部聚合物原子，使用者可以直接给出配体、核酸等非蛋白原子的坐标与约束，让模型在真实生物分子环境中生成与之匹配的蛋白质结构。对酶设计而言，这意味着活性位点周围的催化环境可以被显式指定；对核酸结合蛋白而言，DNA或RNA的原子环境成为设计的输入条件之一。

三、性能与验证：90%成功率、十倍速度与酶催化实验闭环

基准表现：41案例中37例优于前代。 在原子基序酶设计（AME）基准上，研究团队以41个PDB酶活性位点案例对比RFdiffusion3与前代RFdiffusion2，前者在37个案例上占优，占比约90%。

效率跃升：计算成本约为前代十分之一。 论文给出，生成蛋白质结构的计算成本约为前代的十分之一，对应约十倍的速度提升。考虑到架构参数量明显小于AlphaFold3扩散模块，效率收益来自"更小的网络+更直接的原子坐标目标"的组合，而非更大的算力堆叠。

湿实验闭环：从基准分数到真实化学反应。 设计工具的价值最终要由实验裁决。预印本与报道显示，RFdiffusion3设计的对氧磷降解酶（可分解有毒有机磷化合物）与靶向转甲状腺素蛋白（TTR）淀粉样变性相关肽段的裂解蛋白酶，均在真实实验中完成了预期化学反应；此外，模型设计的DNA结合蛋白与半胱氨酸水解酶在预印本阶段已获得实验表征。这四类分子的意义各不相同：对氧磷降解酶指向毒剂降解的应用场景，TTR肽段裂解蛋白酶指向疾病相关靶点，DNA结合蛋白则验证了在核酸原子环境中做设计的成药潜力——蛋白质与核酸的协同设计从概念落到了实验数据上。

四、产业观察：蛋白质与核酸AI设计的机会图谱与竞争格局

第三方基准：第一梯队的横向坐标。 衡量这类系统的另一把尺子来自第三方。国金证券研报转引的Anthropic蛋白设计研究，给出了多个模型在真实湿实验中的蛋白结合剂命中率：RFdiffusion3为72/267（约27%），列居第一梯队；同期对比中，Genie3为41/185，BoltzGen为37/134，初代RFdiffusion为26/118。从命中率读数看，BoltzGen（37/134）与RFdiffusion3处于同一水平线；从命中数量看，字节跳动Seed旗下AI4S团队的PXDesign以86/358居首。

图3 第三方湿实验基准：各模型蛋白结合剂命中率

资料来源：国金证券研究所研报转引的Anthropic蛋白设计研究；图表：集微咨询（JW Insights）整理

这组数据揭示了两点。其一，作者团队自建基准（AME）与第三方湿实验基准（Anthropic研究）构成互补的评估体系，前者衡量代际进步，后者提供跨模型的真实实验坐标，RFdiffusion3在两条线上均处于前列。其二，竞争已经从"有没有扩散模型"进入"谁的实验命中率更高"的阶段，湿实验验证能力成为新的分水岭。

中国力量：PXDesign的卡位。 在上述第三方基准中，字节跳动Seed旗下AI4S团队的PXDesign以86/358的命中数居首。国内团队在这一前沿方向上并非追随者，而是在同一评估体系下拿出了具有竞争力的结果，这与近年国内科研智能方向的投入节奏一致。

产学研协同模式：学术-算力-开源的三重卡位。 回到RFdiffusion3本身，其产业信号不在单点技术，而在协同结构：华盛顿大学IPD提供蛋白质设计的学术纵深，牛津大学计算机科学系补强机器学习方法，英伟达的参与绑定算力与工程优化，而2025年12月的开源则把技术快速转化为全球研究基础设施。foundry框架集成RFD3、RF3、MPNN等模型并依赖AtomWorks>=3.0.1，显示生态正在围绕AtomWorks工具链收敛。对下游的酶工程、药物研发与生物制造而言，原子级设计工具的开源化意味着应用门槛正在快速下降。

五、趋势研判：AI for Science的下一程与商业化路径

技术趋势：原子级统一坐标系是明确方向。 从RFdiffusion的骨架扩散，到AlphaFold3的全原子预测，再到RFdiffusion3的全原子生成，三条线索在2026年汇合：蛋白质、核酸、小分子进入同一个可生成的原子坐标系。可以预期，下一代系统将把设计对象进一步扩展到更复杂的多元复合体系，并把序列设计、结构生成与功能验证串成一条自动化链路。

验证趋势：湿实验基准成为硬通货。 Anthropic蛋白设计研究这类跨模型湿实验对比的出现，说明行业评估标准正在从论文自建基准走向第三方实验基准。设计工具的商业价值将越来越多地由实验命中率直接定价，"设计-合成-测试"闭环的通量化程度，将成为区分平台竞争力的核心变量。

生态与商业化：开源先行，路径待清晰。 RFdiffusion3已于2025年12月开源并进入foundry框架，技术扩散速度明显快于上一代。相比之下，论文与公开报道未涉及商业化安排，授权模式、算力服务等路径有待后续观察。参照AI for Science领域的普遍节奏，短期看点在于学术生态的扩散速度与工具链成熟度，中长期看点在于是否出现以设计工具为入口、连接湿实验验证与专利酶/药物管线的平台型公司——字节跳动Seed的PXDesign与华盛顿大学体系的RFdiffusion3，分别代表了平台型科技公司与学术实验室两条路径的最新进展。

待解问题。 至少三个问题值得持续跟踪：其一，AME基准为作者团队设置，正式发表后的独立复现与同行评审讨论将检验结论的稳健性；其二，第三方湿实验基准目前覆盖蛋白结合剂一类任务，酶设计与核酸环境设计尚需同等强度的外部基准；其三，原子级生成对算力的实际需求曲线，以及AtomWorks生态的版本演进速度，将决定工具普及的节奏。