传奇AlphaFold团队全员解散！诺奖得主投奔Anthropic，资源转向Gemini

传奇AlphaFold团队全员解散！诺奖得主投奔Anthropic，资源转向Gemini

  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：

  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、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。