Didn't（英文 didn't，意为“没有做到”）近期在 AI 圈成为一个被高频讨论的话题标签，源头是 Latent Space 播客对 Google DeepMind 副总裁 Pushmeet Kohli 的专访，标题直接抛出“为什么 AlphaFold 没有解决蛋白质折叠”这一反直觉问题。在 AlphaFold 被广泛视为 AI for Science 标杆、其团队已获诺贝尔化学奖的背景下，这个“Didn't”式追问引发了大量关于 AI 能力边界的讨论。以下是围绕这一话题的现状梳理。
AlphaFold 为什么“Didn't”解决蛋白质折叠
在 Why AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub 一期中，Kohli 与 Chan Zuckerberg Biohub 的 Sal Candido 对谈，核心观点是：AlphaFold 虽然在结构预测上达到接近实验精度的水平，但蛋白质折叠本质上是一个动态的物理化学过程，静态结构预测并不等同于“解决了折叠问题”。对话还延伸到虚拟细胞（Virtual Cells）与疾病治疗等方向，指出 AI for Science 的下一步需要从“预测结构”走向“理解与模拟生物系统的运行机制”。
这一期节目在 2026-10-12 Hacker News Top Stories 中登上 Hacker News 首页热门，社区讨论集中在“AI 的统计学习能力能否真正替代科学理解”这一经典争议上，也有评论认为标题带有一定标题党色彩，但内容对“Bitter Lesson of Biology”（生物学的苦涩教训）的讨论仍被普遍认为有价值。
相关背景与其他动态
除该专题外，近期 AI 领域还有几条值得注意的动态：Fish Audio 发布了 Drama 3，允许用户用自然语言指挥 AI 配音（见 Fish Audio 发布 Drama 3：用自然语言指挥 AI 配音）；ComfyUI 发起 25,000 美元开源重建竞赛，并获得 NVIDIA 支持，目标是重建 Higgsfield 的 Genjutsu、Cinema Studio 等产品（见 ComfyUI 发起 $25K 开源重建竞赛）；Anthropic 的 Claude Startups 创业扶持计划在 10 月 6 日升级后仅三天，就暂停了免费一年 Claude 使用权等两项福利（见 Claude 创业扶持计划上线三天就停了两项福利）。
当前焦点与观察点
围绕“Didn't solve”式讨论，目前的争议点主要有三：一是 AI 模型在科学任务上的成功应如何定义——预测精度高是否等于问题被解决；二是 DeepMind 等头部实验室正在把资源从单点突破转向虚拟细胞这类系统级问题，能否复现 AlphaFold 式的成功尚无定论；三是生物学的复杂性与数据稀缺性，可能意味着 Scaling Law 并不能简单照搬到生命科学领域。对关注 AI for Science 的读者来说，Pushmeet Kohli 这期访谈提供了来自一线研究者的第一手视角，值得作为判断行业走向的参考。