蛋白質設計的模型訓練，長期以來有一套看起來很合理、但其實很貴的流程：先訓練 autoencoder 把序列與結構壓成 latent representation，再訓練生成模型在 latent space 裡工作。Apple ML Research 在 2026 年 9 月 11 日發表的 SimpleDesign 論文，直接質疑這個前提是否必要。
被拿掉的那一階段
根據 Apple ML Research 的論文頁面，SimpleDesign 是一個直接在資料空間訓練的多模態蛋白質設計模型，採用單階段端到端目標：序列用離散 cross-entropy，結構用 regression objective。作者群的假設是，要得到表現良好的 co-design 模型，多階段訓練並非必要。
這件事對做產品的人有意義，因為兩階段訓練的成本不只是算力。它把 pipeline 切成兩個獨立的失敗點：autoencoder 的 latent 品質決定上限，生成模型只能在那個上限裡工作。當你發現最終輸出不好，很難判斷問題出在壓縮階段還是生成階段。單階段目標把這個診斷問題收斂成一個。
模態差異怎麼處理
序列是離散的，結構是連續的，硬把兩者塞進同一個表徵會互相牽制。論文提到，SimpleDesign 用 Transformer-based multimodal backbones，允許 modality-specific processing，同時在兩個模態上保留 global self-attention。
這是架構上的取捨，不是魔法。保留全域注意力意味著模型仍要付出跨模態計算的代價，換來的是序列與結構之間的對應關係不會在早期就被壓扁。作者在超過 200 萬組 sequence-structure pairs 上訓練，並在 co-design 與無條件序列／結構生成 benchmark 上取得具競爭力的表現。
值得注意的是，論文用「competitive」而不是「state-of-the-art」。對要選模型的團隊來說，這個措辭差異決定了 SimpleDesign 是替代方案還是對照組。
對建置流程的實際影響
如果你正在評估蛋白質設計的模型堆疊，這篇論文提供一個可檢驗的方向：先問「這個 latent space 真的在幫我，還是只是歷史慣例」。同樣的問題在別的領域也出現過——把生物序列當成搜尋空間、用代理縮短前期探索，這類做法的價值往往來自減少中間層，而不是增加中間層。
延伸閱讀可以參考站上這篇：把生物序列當搜尋空間：Codex 與 ChatGPT 如何縮短抗菌分子前期探索，它談的是同一個大方向——讓模型更靠近原始資料，而不是更靠近人類設計的中介表徵。
還沒被回答的部分
supplied RSS summary 沒有提供推論成本、模型規模或與既有 co-design 方法的逐項比較數字，因此無法判斷單階段訓練在實際部署時省下多少資源。論文標註部分作者的工作是在 Apple 期間完成，第一作者同時隸屬 Mila 與 Université de Montréal，這些隸屬關係對後續維護與授權的影響，來源也沒有說明。
實務上的下一步很簡單：如果你的 pipeline 目前卡在 latent 品質與生成品質難以歸因，SimpleDesign 的單階段目標值得當成一個對照實驗來讀，而不是直接當成替換方案。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。