Genesis Molecular AI正式发布其新一代生成式基础模型Pearl，该模型在药物-蛋白结构预测任务中实现突破性性能，首次超越AlphaFold 3，标志着AI驱动药物发现领域的重要进展。 Pearl是一款端到端的扩散模型，采用创新的架构、训练方法和大规模模拟数据进行训练。在生物分子结构预测这一被视作“药物发现圣杯”的难题上，Pearl展现出远超现有模型的能力，尤其在预测小分子与蛋白质结合方式方面表现卓越。其核心突破在于通过物理模拟生成大量合成数据，有效弥补了高质量实验结构数据稀缺的短板。研究显示，随着模拟数据量增加，Pearl的性能持续提升，首次为AI药物发现领域提供了“合成数据可扩展性”的实证，为未来模型发展开辟了新路径。 公司首席AI官Aleksandra Faust博士指出，与自动驾驶领域利用模拟数据解决数据不足问题类似，Genesis将物理驱动的合成数据与高效训练方法结合，形成“双轮驱动”策略，显著提升了模型在低数据环境下的泛化能力。这一创新使Pearl不仅在纯共折叠任务中领先，更支持在推理阶段融入专家先验知识，从而在实际药物研发中进一步提升对复杂、柔性蛋白靶点的预测精度。 公司创始人兼CEO Evan Feinberg博士强调，尽管AlphaFold 3是里程碑式突破，但Pearl是首个在真实场景中全面超越它的模型。他指出，当前许多共折叠模型在实际应用中存在泛化能力差、产生明显物理错误等问题。而Pearl作为GEMS（Genesis Exploration of Molecular Space）平台的核心，正被用于攻克以往难以成药的靶点，推动新一代药物的研发。 2024年11月，Genesis已获NVIDIA风险投资部门NVentures追加投资，并与NVIDIA展开合作，将NVIDIA的cuEquivariance内核集成至Pearl，实现训练速度提升15%，推理速度提升10%至80%。双方正进一步优化推理效率，以支持更大规模的药物研发部署。 NVIDIA数字生物学负责人Anthony Costa表示，像Pearl这样融合物理与AI的下一代基础模型，正在开启理解分子相互作用的新纪元，而加速计算平台是实现这些突破的关键。 更多技术细节可查阅Genesis官网发布的技术报告：https://genesis.ml/pearl_technical_report/。