起猛了，蘋果怎么搞起跨界AI模型了？？

發布了一個基于流匹配的蛋白質折疊模型SimpleFold，被網友戲稱為“iFold”。

SimpleFold沒有花里胡哨的專屬模塊設計，就靠通用的Transformer模塊，搭配流匹配生成范式，3B參數版本追平了該領域頂流模型谷歌AlphaFold2的性能。

蘋果這波跨界看來玩的是化繁為簡。

MacBook Pro跑起來不費力

首先來說說蛋白質折疊是怎么一回事。

核心是將“一串”氨基酸折成特定的3D形狀，這樣蛋白質才能發揮作用。

而蛋白質折疊模型就是從氨基酸的一級序列預測它的三維空間構象。

之前最厲害的模型，比如谷歌的AlphaFold2，雖然實現了突破，但用了很多復雜的專屬設計。

比如要分析大量相似蛋白質的序列，依賴多序列對比（MSA）構建進化信息、靠三角注意力優化空間約束、推理時需調用超算級算力，普通實驗室不太能用得起。

但這款“iFold”用通用AI框架解決了這個問題。

SimpleFold在架構上采用多層Transformer編碼器作為核心骨干，僅通過自適應層歸一化適配蛋白質序列特征，相當于用“通用工具箱”解決專屬領域難題。

核心創新在于引入流匹配生成技術。

不同于擴散模型的逐步去噪，流匹配通過學習從隨機噪聲分布到蛋白質構象分布的光滑映射，實現一步式生成原子坐標。

在訓練階段，團隊構建了包含900萬條數據的混合數據集，訓練出了100M到3B參數的多尺度模型，其中SimpleFold-3B在CAMEO22 基準測試中，性能達到AlphaFold2的95%。

在CASP14高難度測試集上，超越同類流匹配模型ESMFold。

還值得一提的是效率，在搭載M2 Max芯片的MacBook Pro上，處理512殘基序列的推理時間僅需兩三分鐘，遠超傳統模型的小時級耗時。

研究團隊

這項研究的第一作者Yuyang Wang本科畢業于同濟大學，后赴美國卡內基梅隆大學深造，陸續取得機械工程碩士、機器學習碩士以及機械工程博士學位，長期的學習為其相關領域研究筑牢根基。

他有在Momenta從事強化學習研發的實習經歷，還曾在蘋果公司擔任AI/ML Resident，專注于擴散模型研究，之后成為蘋果的機器學習研究員。

通訊作者是華人機器學習工程師Jiarui Lu，本科畢業于清華大學，就讀期間還在朱軍教授實驗室中擔任研究助理。

隨后，Lu在卡內基梅隆大學取得了機器學習碩士學位，畢業后于2020年加入蘋果公司。

曾經主導了一套關于大模型工具調用能力的Benchmark——ToolSandbox這一蘋果開源成果。

關于這款“iFold”，有感興趣的、想扒技術細節的朋友可戳文末鏈接～

論文地址：https://arxiv.org/abs/2509.18480

代碼地址：https://github.com/apple/ml-simplefold