“iFold”，苹果AI新成果（

起猛了，苹果怎么搞起跨界AI模型了？？发布了一个基于流匹配的蛋白质折叠模型SimpleFold，被网友戏称为“iFold”。

SimpleFold没有花里胡哨的专属模块设计，就靠通用的Transformer模块，搭配流匹配生成范式，3B参数版本追平了该领域顶流模型谷歌AlphaFold2的性能。

苹果这波跨界看来玩的是化繁为简MacBook Pro跑起来不费力首先来说说蛋白质折叠是怎么一回事核心是将“一串”氨基酸折成特定的3D形状，这样蛋白质才能发挥作用而蛋白质折叠模型就是从氨基酸的一级序列预测它的三维空间构象。

之前最厉害的模型，比如谷歌的AlphaFold2，虽然实现了突破，但用了很多复杂的专属设计比如要分析大量相似蛋白质的序列，依赖多序列对比（MSA）构建进化信息、靠三角注意力优化空间约束、推理时需调用超算级算力，普通实验室不太能用得起。

但这款“iFold”用通用AI框架解决了这个问题。

SimpleFold在架构上采用多层Transformer编码器作为核心骨干，仅通过自适应层归一化适配蛋白质序列特征，相当于用“通用工具箱”解决专属领域难题核心创新在于引入流匹配生成技术不同于扩散模型的逐步去噪，流匹配通过学习从随机噪声分布到蛋白质构象分布的光滑映射，实现一步式生成原子坐标。

在训练阶段，团队构建了包含900万条数据的混合数据集，训练出了100M到3B参数的多尺度模型，其中SimpleFold-3B在CAMEO22