臻格生物CEO陈建新表示，对于抗体的结构预测，AlphaFold的精度就远不能达到预期。人类免疫系统可以产生1012种不同抗体。这些需要通过类似深度思考这样的公司以及整个学术界、产业界，包括开源社区来共同努力，优化迭代。。

在开拓药业创始人、董事长兼CEO童友之看来，AlphaFold的应用目前会受到两个因素的限制:

一是想要确认这个计算模型解析出来的结构预测是否准确，还需要试验来验证;

二是它只能提供蛋白质的三维结构，但还不能告诉人们蛋白质在细胞中的功能性注解。

童友之认为，未来的场景应该是，AlphaFold等计算软件在算出大致蛋白质结构基础上，再通过其他实验技术手段，更精确地了解蛋白质的作用机理和调控机制。”

康宁杰瑞董事长徐霆也认为，现在AI在药物，特别是小分子药物的开发过程中，对于蛋白质结构的依赖性还不是特别强。目前，新靶点、新机制还有候选药物的开发，主要瓶颈还是在于人们对复杂疾病的了解及干预方式有限。此外，大量三维结构的运用所需的算力以及对研发人员的要求都非常高。但未来5～10年内，或将会看到整个行业由此发生的深刻变化。

徐霆分析，Alphafold短期内对行业的推动主要体现在四个方面:

一是由于蛋白质结构相对精准的预测，可以获得大量同源蛋白的结构信息，对于蛋白质结构功能的进化和深入理解提供很大帮助；

二是可以在短时间内对于蛋白质突变做出结构模型，对于致病的突变可以找出或者快速定向筛选出小分子或者单抗药物；

三是对于AI辅助的蛋白质的定向进化和合成生物学起到极大推动作用；

四是对于蛋白质和抗体的全新设计提供指引，为AI辅助蛋白质设计提供基础和训练样本。

有这个数据库和开源为基础，蛋白质结构预测会更加精准，特别是对于单个蛋白的结构解析。但是传统的结构生物学，比如晶体衍射、冷冻电镜等不会很快退出舞台，而是会演变进化到蛋白质修饰、复合物、弱相互作用。新的技术也会出现，用来获得蛋白质在完成其功能的过程中的动态变化。

健新原力CEO李玉玲也表示，基于靶点结构的药物设计在理论上是一项可行的举措，但在真实应用中取得的成功有限。未来治疗疾病的靶向治疗药物会越来越多，那些很难表达和纯化的靶点，可能会通过AlphaFold来解决这个结构。

劲方医药董事长吕强认为，新药研发最终仍然需要依靠人的能动性和创造性。人工智能深入药物设计领域，已大大提升研发效率和化合物成药性。但业界更期待重磅的跨界技术成果和真实世界数据，能证明AI靶标筛选及分子设计可以沟通早期发现和转化科学，甚至超越传统开发模式的疗效和安全性。