Chai Discovery Platform：结构预测创业公司的产品路线

Chai Discovery 是专注生物分子结构预测的创业公司，产品 Chai-1（见 193《Chai-1》）能力对标 AlphaFold 3。它是观察「结构预测赛道商业化」的一个典型样本——当核心算法逐渐公开化，靠什么建立商业价值？

技术差异点

「实验约束注入」是同类工具中比较少见的能力。实际项目中常有部分实验证据（某两个残基交联、某个突变破坏结合），能把这些信息喂给模型引导预测，比纯从头预测更贴近实际工作方式。

结构预测赛道的商业逻辑

这个赛道有一个特殊的困境：核心能力正在快速商品化。

• AlphaFold 2 开源、AlphaFold DB 免费开放 2 亿多个结构；
• Boltz 以 MIT 许可发布 AF3 级能力，商用无限制；
• OpenFold 提供可训练的开源实现；
• 结果是「预测一个结构」本身很难卖钱了。

在这个背景下，商业化路径通常转向：

• 做特定难题而非通用预测：抗体-抗原复合物、膜蛋白、动态构象——这些通用模型仍做不好的领域；
• 从预测转向设计：结构预测是中间能力，蛋白设计、抗体优化才是有支付意愿的终端需求；
• 做管线而非卖工具：自己用技术做药，价值捕获空间更大；
• 企业级服务：私有部署、数据安全、技术支持、与内部流程集成——大药企愿意为这些付费，而不是为算法本身。

选用时的实际考量

• 许可要逐条核对：Chai-1 的代码与权重按特定条款发布，学术与内部研究通常允许，商业用途（尤其是对外提供药物发现服务）可能受限或需单独授权。能 pip install 不等于能商用。
• 与开源方案对比：如果不需要实验约束注入和无 MSA 模式，Boltz（MIT 许可）在许可上更省心。
• 在自家体系上回测：不同工具在不同蛋白家族上的表现差异明显，公开基准不能替代自家验证。
• 关注版本演进：这个领域迭代很快，选型结论半年就可能失效。

对使用者的启示

• 结构预测已是基础设施，不是竞争壁垒。团队的差异化不在于「能不能预测结构」，而在于「拿到结构后能做什么」——设计、优化、决策。
• 不要为算法本身付太多钱：开源方案的能力已经很接近，商业方案的溢价应该体现在支持、集成、特定难题上。
• 预测能力的提升不会自动转化为药物发现的成功：结构只是起点，可成药性、活性、选择性、ADMET、安全性每一关都还在。结构预测解决的是曾经的瓶颈，但新的瓶颈已经在别处。

延伸资源

• 工具本体：193《Chai-1》；教程：021《Chai-1 教程》；
• 对照方案：192《Boltz》、191《OpenFold》、290《AlphaFold Server》；
• 蛋白设计见「新药模态」模块。