就在刚刚，谷歌DeepMind终于证实，震撼全球获得诺贝尔奖的AI For Science的AlphaFold背后团队解散了。
智能纪元AGI 7月29日消息，据FT， 谷歌DeepMind公司近期解散了预测蛋白质解析AlphaFold背后的AI4S研发团队，AlphaFold论文的大部分原作者在过去一年中已被重新分配工作。
DeepMind也证实，这些员工已转岗至公司内部围绕谷歌Gemini大型语言模型构建的项目，以及酶设计、核聚变和基因组学等领域；其他人则转投Alphabet旗下的药物研发公司Isomorphic Labs。最初撰写AlphaFold论文的谷歌DeepMind全职作者中，近四分之一已彻底离开公司。
这标志性，AlphaFold 独立原始团队正式宣告解散。
谷歌DeepMind研究副总裁Pushmeet Kohli表示：“过去九年，我们的战略一直是专注于重大挑战……每个项目都围绕一个具体目标展开。如今，这一战略已经发生了演变。” Kohli创立并领导了面向科学的人工智能团队。
他表示，人工智能实验室现在不仅致力于围绕蛋白质折叠等单一科学问题组织研究人员，还专注于构建由 Gemini 提供支持的系统来协助科学家，并最终实现部分科学过程的自动化，同时与 OpenAI 和 Anthropic 竞争，开发前沿人工智能代理。
报道认为，此次人事调整反映了自大型语言模型兴起以来，谷歌DeepMind科研战略的重大转变，而且标志着该公司对研究方向全面变革，使其成为世界领先的人工智能实验室之一。
与此同时，亚马逊AGI团队也被曝“连窝端”解散了，诸多AI领域人才也被优化、离职。
国内大厂腾讯、百度的AI Labs和量子前沿技术业务部门也基本解散结束，很多人才都开始创业；达摩院似乎也逐步脱离“阿里”字眼，林俊旸这类顶尖人才也彻底离开了阿里。
有一个现象已经浮出水面：AI时代一来，大厂养不住前沿硬科技，留不住顶尖AI人才。
在AI for Science领域，谷歌DeepMind的AlphaFold团队鼎鼎有名。
DeepMind于2018年开始研发的AlphaFold，利用人工智能预测蛋白质的三维结构，彻底改变了生物学研究。
2020 年 11 月底，第DeepMind 正式对外公布 AlphaFold2 取得颠覆性成果，在自由建模任务上预测精度逼近冷冻电镜实验水平。
这被学界认定初步攻克困扰生物学界 50 年的蛋白质折叠难题。消息一经发布震动全球结构生物学领域，也标志 AlphaFold 从实验室技术雏形，正式成为具备实用价值的科研工具，拉开 AI 重构生命科学研究范式的序幕。
步入 2021 年，AlphaFold进入成果开放与规模化落地关键阶段。7 月，DeepMind 在《Nature》刊发 AlphaFold2 完整技术论文，同步向全球开源模型完整代码，向学术界开放复现通道；次年7月，AlphaFold数据库完成重大扩容，上线超 2 亿条蛋白质结构预测数据，基本覆盖 UniProt 数据库已知蛋白序列，免费向全世界科研人员开放。
这一举动彻底改变行业格局：过去依靠冷冻电镜、X 射线晶体学耗费数月乃至数年解析蛋白结构的模式被颠覆，全球超过 190 个国家、数百万科研人员开始使用数据库，在疾病靶点挖掘、新型酶开发、疫苗研发等方向快速产出成果，AlphaFold 成为结构生物学基础设施。
2024 年是 AlphaFold 发展历程的分水岭。
当年5月，DeepMind 在《Nature》发布新一代模型AlphaFold3，突破单纯蛋白质预测边界，支持蛋白质、DNA、RNA、小分子配体复合物的结构与相互作用预测，直击药物研发最核心的分子结合场景。
当时我们对谷歌DeepMind联合创始人、CEO哈萨比斯（Demis Hassabis）等人进行了采访。
哈萨比斯表示，对于团队来说，AlphaFold 3的发布是一个重要的“里程碑”，同时也是用 AI 技术“理解和建模生物学”道路上迈出的重要一步。
“相比此前研究，AlphaFold 3不仅能够模拟蛋白质与其他分子的相互作用，而且还能准确预测包括DNA、RNA、配体等生物分子结构以及它们如何相互作用，从而能改变我们对生物世界和药物发现的理解，这非常重要。这是我们和Isomorphic共同正在推进的事情。我们非常自豪地在《自然》杂志新论文中宣布这些新突破发现、新结果和新方法。”Demis Hassabis表示。
DeepMind副总裁兼首席科学家约翰·詹珀(John Jumper)认为，理解生物结构以及它们如何相互作用是一个非常困难的问题。此前实验室需要花费数十万美元、更多科学家也很难通过实验模拟解决，但 AI 能够解决此类问题，这是令人难以置信的进步，从而将“开启”许多新的科学发现。
Demis Hassabis强调，AlphaFold 3模型和数据库技术已经开始有一些应用场景，对于药物和化合物发现有巨大的推动作用。相对于传统过程，AlphaFold至少快2、3倍，且系统足够准确。
而这一突破性成果使约翰·詹珀(John Jumper)和首席执行官德米斯·哈萨比斯(Demis Hassabis)荣获2024年诺贝尔化学奖。
该项目也成为DeepMind通过组建专门的研究团队，追求长期科学突破战略的典范。
2024年11月，DeepMind 正式向学术群体开放 AlphaFold3 源代码（非商用授权），平息开源争议。
然而高光之下，内部战略转向早已显现。
FT报道称，今年早些时候，詹珀和AlphaFold的另一位研究员乔纳斯·阿德勒(Jonas Adler)加入了谷歌内部的“代码打击”(Code Strike)团队。该团队旨在提升谷歌的人工智能编码能力，以期赶上Anthropic和OpenAI。
2026年6月，AlphaFold 首席负责人、诺奖得主 John Jumper 正式宣布离职，随后多名核心原创科研人员接连出走、加盟 Anthropic。
与 Jumper一同加入Anthropic的，还有阿德勒和AlphaFold的同事亚历山大·普里策尔(Alexander Pritzel)。
时至 7 月末，外媒证实 DeepMind 正式重组、解散原始 AlphaFold 核心团队，剩余研究人员被分流至 Gemini 大模型、基因组研究、Isomorphic Labs 新药管线等不同项目。
一位不愿透露姓名的 DeepMind 员工表示，这三人都是公司“举足轻重的核心成员”，他们的离职在公司内部引起了不小的震动。
从 CASP 一战成名、开源数据库普惠全球，迭代三代模型并拿下诺奖，再到核心团队解散。
短短八年，AlphaFold 走完从明星科研项目到大厂战略调整牺牲品的完整周期，也引发行业持续讨论：
大型科技公司能否长期持续投入回报周期漫长的硬核基础科研。
对于这次人员流动，DeepMind表示，研究人员的流动反映了其不断变化的科研重点。
“我们为自身的科学传承以及AlphaFold的全球影响力感到无比自豪，正是AlphaFold的成就激励我们成立了Isomorphic Labs，其使命是重塑药物研发，”该公司表示。
Isomorphic Labs于2021年从DeepMind分拆出来，旨在将AlphaFold的科学突破商业化。此后，该公司与包括诺华和礼来在内的多家制药公司建立了合作关系，致力于利用人工智能加速药物研发。
此次重组也反映了人工智能行业的更广泛转变，因为前沿实验室越来越倾向于将大型语言模型视为能够加速科学研究的工具，而不仅仅是聊天机器人。
Anthropic今年推出了Claude Science，这是其人工智能助手的一个版本，旨在支持生物学和药物研发领域的研究。
OpenAI 研究主管 Mark Chen此前表示：“（人工智能研究人员）希望在处于前沿的实验室工作，而不是疲于追赶。”
他补充说：“对于研究人员来说，站在前沿，努力推动下一个范式，要比承受复制某个接近前沿的模型的巨大压力要令人兴奋得多。”
从目前来看，AI热潮下，全球互联网科技大厂都要投入大量研发费用到AI算力建设当中，很难持续投入“硬科技”、前沿技术，属于比较难的方向。
例如，量子计算的商业化似乎仍然较远，今年5月麦肯锡预计，在2040年之前，能大规模运行的量子计算机可能都无法实现。
但另一方面，AI算力支出与日俱增。
根据财报显示，Alphabet、亚马逊、微软和Meta四大科技巨头2026年资本支出可能会再度增长，合计支出超过7200亿美元，比原来的“上限”预判高出整整1025亿美元。
其中，Meta是动作最直接：上调100亿，把全年指引推到1250亿至1450亿美元，理由是组件涨价和额外数据中心成本；而微软公司首次公布了截至 12 月底的支出预估值，与Alphabet 预期一致，为1900亿美元。
Meta CEO马克·扎克伯格早前表示，“我们提高了今年的基础设施资本支出预期。这主要是由于组件成本上涨，尤其是内存价格上涨。但我们自身以及整个行业所看到的种种迹象都让我们对这项投资充满信心。”
CIC灼识咨询经理陆佥慧此前对笔者表示，经济下行压力影响下，互联网大公司为确保盈利能力，节省成本，选择关停一些试验性质业务，或开始缩减短期内商业化前景并不明朗的项目。但与此同时，她认为大厂将依靠其原有优势，将会布局盈利预期更为明朗的产业。
©本文为原创内容
未经授权，禁止转载
热门跟贴