啥？？

曾拿下诺奖、打造 AlphaFold 的明星团队，被 Google DeepMind 原地解散了。

据《金融时报》消息，这支曾攻克蛋白质结构预测难题、诞生诺贝尔化学奖得主的团队，如今已经不再作为一个独立团队存在。

原来的成员被分流到 Google 内部多个项目：有人转去做 Gemini 和 AI 编程，有人研究基因组、蛋白质与酶设计、核聚变；

还有一部分人去了 Alphabet 旗下的药物研发公司 Isomorphic Labs，也有人直接离开了 Google。

嚯，AlphaFold 这是被砍了吗？？

消息一出来，Google 方面很快给出了回应。

Google Cloud 首席科学家、DeepMind 科学副总裁Pushmeet Kohli表示：

DeepMind 科学团队并没有转向！只是扩大了工作范围。

扩大到了哪里？

蛋白质功能、基因组、蛋白质与酶设计，以及由 Gemini 驱动的科学智能体。

Kohli 还特意强调，DeepMind 一向鼓励科学家自主选择想要攻克的问题，AlphaFold 团队成员也一样。

简单来说，就是 AlphaFold 做成之后，Google 让成员带着积累下来的能力，内部活水去了更多项目…

AlphaFold 团队没了

按照《金融时报》的梳理，原 AlphaFold 团队成员如今大致流向了三个地方。

一部分人留在 DeepMind 内部，转去做 Gemini、AI 编程、基因组研究、蛋白质和酶设计，甚至还有核聚变。

另一部分去了 Alphabet 旗下的Isomorphic Labs。

这家公司由 Demis Hassabis 在 2021 年创办，目标是把 AlphaFold 展示出的能力继续往药物发现和设计推进。

这么来看，AlphaFold 并没有被搁浅，它只是从一个以论文和科学突破为目标的研究项目，逐渐进入了更接近药物研发的环节。

但还有一批人，直接离开了 Google。

其中最受关注的是 AlphaFold 2 负责人John Jumper。

2024 年，他刚刚因为蛋白质结构预测工作，与 Hassabis 共同获得诺贝尔化学奖。

如今，他已经离开工作近 9 年的 DeepMind，转身加入 Anthropic。

另外两位参与过 AlphaFold 研究的核心成员Jonas Adler和Alexander Pritzel，也将转投 Anthropic。

这几个人的工作不只 AlphaFold。Adler 参与了 Google 的 AI 编程项目，Pritzel 则参与 Gemini 模型训练。但他们都曾出现在 AlphaFold 的核心作者名单里。

按照 FT 的统计，最初署名 AlphaFold 论文的 DeepMind 员工中，有接近四分之一已经离开。

单看这个数字，放在一项持续多年的研究项目里，未必称得上离谱。

但诺奖得主和多位核心研究人员、在差不多同一时间，流向了同一个竞争对手：Anthropic。

A 社脸都要笑烂了好吧。

谷歌为什么舍得拆掉一支诺奖团队？

AlphaFold 团队之所以散了还能引起这么大动静，是因为它做成的事情确实很有分量。

他们解决了困扰生物学界数十年的蛋白质结构预测难题，放出了超过 2 亿个蛋白质结构预测结果，还诞生了两位诺贝尔化学奖得主。

诺奖官方对 AlphaFold 2 的评价是：它已经能够预测几乎所有已知蛋白质的结构。

但比这些成绩更值得注意的，在于 AlphaFold 当年的组织模式。

DeepMind 组建了一支小而紧密的跨学科团队，机器学习研究员、生物学家和工程师长期只关注一个问题：

只根据氨基酸序列，能不能准确预测蛋白质最终折叠成什么样？

目标很窄，难度极高。

团队也不急着把东西包装成产品。第一代 AlphaFold 走到瓶颈后，他们没有继续修修补补，而是把旧方案推倒，从模型架构开始重做。

后来拿下 CASP 比赛、改变结构生物学的 AlphaFold 2，就是这么做出来的。

这套打法很像组建一支登山队：山峰就在眼前，所有人都盯着同一个顶点，缺氧也得继续往上爬。

AlphaFold 证明，这种「小团队、长周期、单点攻坚」的研究模式相当成功。

但问题也随之出现：山已经爬上去了，这支队伍还要不要继续守在山顶？

Google 给出的答案，显然是否定的。

从原团队成员的去向看，DeepMind 正在把 AlphaFold 积累的人才和方法拆开，扩散到更多科学问题。

通用 AI 能找到下一个 AlphaFold 吗？

解散 AlphaFold 团队之后，Google 押注的是另一种科研模式。

他们希望把 Gemini 放在底层，让不同项目共享模型、算力和人才。

科学家不必每遇到一道题，就从头训练一套专用模型。Gemini 可以先处理文献、数据和代码，再配合 AI Co-Scientist、AlphaEvolve 等智能体，帮助研究人员提出假设、改进算法、筛选答案。

Google 还把这套能力接到了云服务上。

最新推出的 Science Skills 已经连通 AlphaFold 数据库、AlphaGenome、UniProt 等 30 多种生命科学数据库和工具。

过去需要科学家手动切换多个工具完成的分析，现在可以被串进同一套工作流。

一支 AlphaFold 团队，一次只能攻克一道题；而一套以 Gemini 为底座的科研平台，却可以同时服务生物、材料、数学、核聚变等不同领域。

模型能力、算力和研究工具不用每次重新搭建，更多科学家也能借此使用原本门槛很高的分析方法。

听起来确实美滋滋啊 ~ 可以想见科学家解决问题的效率将成倍提升。

不过这套模式也有隐忧：AlphaFold 当年能做出来，靠的是一小群人愿意多年盯住一个看似无解的问题，这种专注很难被平台化。

把专家分散到更多项目，确实可以扩大他们的影响。

但摊子铺开以后，每个问题还能分到多少注意力；甚至 Google 还愿不愿意让一支团队几年不出产品、只为攻克一道难题——

也要打个问号。

如今 Google 把这支小队拆开，它能否找到下一个值得花十年攻克的问题，才是真正留下的悬念。

参考链接：

[ 1 ] https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33

[ 2 ] https://x.com/pushmeet/status/2082570716122362021

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见