我下载了那个登上 Nature 的开源模型,才看懂它在送什么
- 2026-11-07 12:57:20
我下载了那个登上 Nature 的开源模型，才看懂它在送什么
中国科大团队把一款能预测 RNA 结构与功能的 AI 基础模型，连同 2100 万条配对数据、完整权重和源码一并开源，论文刚登上《自然》。这把铲子，谁都能拿。
1️⃣凌晨一点，我点开了那个叫 structRFM 的仓库
刷到一条不起眼的新闻：中国科大一个团队，做出一款能读懂 RNA 的 AI 基础模型，登上了《自然》。我本来划过去了，可下一句说，它开源。不是只发论文，是把 2100 万条序列和结构的配对数据、模型权重、源代码，全放了出来。我这种平时只跟文字模型打交道的人，点进仓库愣了几秒。这感觉不像拿到一篇论文，倒像有人把一台印刷机连同字模一起递到你手上，说拿去印吧。
2️⃣它到底在做什么：教 AI 先看清 RNA 的模样
我花了点时间补基础。RNA 是一串由字母写成的分子，它自己会折叠成特定形状，形状决定它能干什么。过去想搞清楚一段 RNA 长什么样、有什么用，靠实验又慢又贵，数据也少。structRFM 的做法，是把结构知识塞进大规模序列学习里。团队先攒出约 2100 万条计算注释过的配对数据，让模型同时学序列和结构的依赖关系。现在你只丢一段序列进去，它能猜二级结构、三级结构，也能判断剪接位点、识别非编码 RNA，连没见过的 RNA 家族都分得不错。
3️⃣我试着想清楚，这一手开源意味着什么
越想越觉得不对劲。这类基础模型，过去大多锁在实验室里，或者裹着一层许可费。这一回连数据带权重全开源，等于谁都能在它肩膀上做自己的 RNA 研究：小课题组、罕见病患者组织、普通高校，都行。我忽然意识到，塌掉的是一道门槛。药物研发里最贵最慢的那段，是弄明白靶点长什么样，而现在，免费的铲子摆在那了。
4️⃣可开源不是魔法，它开的是一道门，不是所有门
我冷静下来。structRFM 是底座，不是成品。它帮你预测结构、辅助推断，不会替你做湿实验，更不保证新药问世。把 RNA 靶点变成真药，后面还有实验室、临床、监管，一条长路。开源降的是起点成本，不是终点距离。同一场乌镇论坛里，中科曙光的人说了句我记下的话：AI 赋能科学，瓶颈早就不在于模型能不能提问，而在于验证体系能否跟上。提出猜想容易，低成本验证才难。
🧠 波波池怎么看
我的判断有三层。第一，这次最被低估的，不是那篇《自然》论文，而是把数据、权重、代码全栈开源的姿态。基础模型时代，谁愿意把训练数据和复现资源一起交出来，谁就在抢标准和生态的话语权，这比单发一篇论文影响得更久。第二，AI for Science 的拐点正在从模型能不能提问，切到验证体系能不能跟上，中科曙光的超智融合说要把提出问题和验证问题放进同一个闭环，点到了真痛点，很多领域不缺猜测，缺的是便宜的验证。第三，RNA 是药物研发里被忽视的长尾，罕见病、非编码 RNA 这些没油水的方向，恰恰会因为这套开源底座最先受益；反过来看，下一个科研红利未必在挤满人的大模型，而在那些够基础、够开放的专用小模型。
💬 高校把这种科研底座模型开源，你觉得是好事还是太早？
评论区见 👇
波波池 · AI赋能设计与前沿交互黑科技
原创内容，转载需授权 · 2026-11-07
