Hassabis 、Jumper各获得2024年化学诺奖1/4奖金，图源：诺奖官网
潘 展|编译
随着诺奖得主John Jumper及大量研发人员的离开，AlphaFold已出现人走茶凉的局面。但谁也没有想到这样一个明星级项目，居然被解散了。
近日，据《金融时报》报道，DeepMind已基本解散AlphaFold核心研发团队。过去一年中，AlphaFold论文的大部分原始作者已陆续转岗，分别投入Gemini大模型、酶设计、基因组学、核聚变等新项目，部分成员则转入Alphabet旗下AI制药公司Isomorphic Labs，还有约四分之一的核心作者已经离开DeepMind，加盟Anthropic等竞争对手。
01
一个改变生命科学的项目
AlphaFold无疑是人工智能发展史上的里程碑。
长期以来，蛋白质三维结构预测一直是结构生物学最困难的问题之一。传统实验方法主要依赖X射线晶体学、核磁共振和冷冻电镜，不仅耗时数月甚至数年，而且成本高昂。
AlphaFold 预测蛋白 3D 结构示意图，图源：DeepMind官网
2018年，DeepMind启动AlphaFold项目，并在随后几年不断迭代。2020年，AlphaFold2在国际蛋白质结构预测竞赛CASP中取得突破性成绩，预测精度接近实验水平，被认为基本解决了困扰科学界半个多世纪的蛋白质折叠问题。
随后，DeepMind与欧洲生物信息学研究所（EMBL-EBI）联合发布 AlphaFold蛋白质结构数据库，向全球免费开放数亿种蛋白质结构预测结果。这一数据库迅速成为全球生命科学研究的重要基础设施，广泛应用于基础研究、药物发现、酶工程、生物制造以及疾病机制研究。
凭借这一开创性成果，DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）和AlphaFold项目负责人约翰·江珀（John Jumper）于2024年共同获得诺贝尔化学奖。AlphaFold也成为DeepMind长期坚持“聚焦重大科学难题”研究路线最成功的代表。
02
核心团队为何被拆分？
如今，这支诺奖团队已经不再以独立团队形式存在。
其实在今年早些时候，已有相关报道显示，John Jumper与AlphaFold研究员Jonas Adler被调入谷歌内部AI编程团队“Code Strike”，负责提升Gemini的代码生成能力。随后，Jumper、Adler以及另一位核心成员Alexander Pritzel 相继宣布加盟Anthropic。
DeepMind表示，这些人员调整反映的是公司科研重点的演变，而非削弱科学研究投入。DeepMind研究副总裁、AI for Science负责人Pushmeet Kohli 表示，过去九年，公司主要围绕一个个重大科学挑战组织团队，例如蛋白质折叠、围棋、天气预测等，每个项目都有明确目标。
AlphaFold 蛋白质结构数据库主页,图源：AlphaFold DB
如今，这一模式正在升级。新的战略不再局限于解决某一个科学问题，而是希望构建基于Gemini的科学智能体，帮助科研人员完成文献阅读、实验设计、数据分析、模型建立、结果推理等多个研究环节，未来甚至能够自动执行部分科研流程。
换句话说，DeepMind 正试图打造一种能够参与整个科学发现过程的“科研助手”，而不仅仅是一套解决单一问题的AI模型。
这一方向也与当前全球AI实验室的发展趋势高度一致。Anthropic已推出面向生命科学研究的Claude Science，OpenAI也不断强化GPT在科研领域的能力，微软、Meta等公司同样在布局AI科学智能体。
与此同时，AI人才竞争也愈发激烈。能够开发前沿基础模型和科学智能体的研究人员数量十分有限，各大公司纷纷展开高强度的人才争夺。此次多位AlphaFold 核心成员加盟Anthropic，也反映出这一趋势。
Anthropic Claude Science 科研工作台，图源：Anthropic官网
另一方面，AlphaFold的商业化仍在持续推进。2021年从DeepMind分拆成立的 Isomorphic Labs，正利用AlphaFold技术开展AI药物研发，并已与诺华、礼来等国际制药企业建立合作，希望借助人工智能缩短药物发现周期、提高研发效率。
从某种意义上说，AlphaFold已完成自己的历史使命。它不仅解决了蛋白质结构预测这一世界级科学难题，也证明了人工智能能够推动基础科学取得重大突破。
而如今，DeepMind将资源进一步投入以Gemini为核心的科学智能体研发，并不意味着Google放弃AI4Science/AI 制药，而是战略升级：将垂直模型转化为通用科研平台的底层工具，产业化落地则交由Isomorphic Labs承接，其药物设计引擎（IsoDDE）是一个统一的计算药物设计系统，不仅预测精度超越了AlphaFold 3（AF3），同时引入了连接结构预测与药物发现功能。
IsoDDE性能展示，图源：Isomorphic Labs官网
03
对国内AI制药行业的警示
AI药物研发存在四层竞争架构：（1）通用大模型层（Gemini/Claude，负责推理、任务规划）；（2）垂直专业模型层（AlphaFold、分子生成模型等工具）；（3）专有数据与自动化实验闭环（药企 / AI 药企核心壁垒）；（4）临床、监管、商业化落地能力。未来竞争核心是打通四层的完整自迭代系统，单一模型精度不再构成护城河，Google DeepMind与Anthropic等一众头部AI企业近期的举措已可窥见一斑。
国内企业普遍过度看重模型指标、算力、分子生成数量，忽视高质量自有实验数据、跨学科研发闭环、长期科研投入耐心；仅靠结构预测模型无法落地新药，持续沉淀实验反馈数据、打通计算-合成-测试链路才是稀缺竞争力。
而科学界的核心争议在于，下一代突破性AI科学成果究竟来自通用大模型科研智能体，还是长期聚焦单一重大难题的小型专项团队，仍待市场与实验验证。
https://www.engadget.com/2225849/google-shuts-down-alphafold/
Deep Science预印本
热门跟贴