DeepMind AlphaFold团队全面解散；诺贝尔奖得主及员工加入Anthropic；资源转向Gemini

获得诺贝尔奖并创建AlphaFold的传奇团队已在谷歌DeepMind内部解散。

根据《金融时报》报道，这支征服了蛋白质结构预测难题并产生了一位诺贝尔化学奖得主的团队，不再作为独立单位存在。其原始成员已被重新分配到谷歌内的多个项目中：一些转入Gemini和AI编程，另一些转向基因组学、蛋白质和酶设计以及核聚变研究。还有一些转入Alphabet旗下药物发现子公司Isomorphic Labs，而某些成员则完全离开了谷歌。

谷歌云首席科学家、DeepMind科学副总裁Pushmeet Kohli解释道，DeepMind一向鼓励科学家独立选择他们想要解决的问题，AlphaFold团队成员也享有同样的自由。

本质上，在完成AlphaFold后，谷歌允许团队成员通过内部流动将其积累的专业知识带入其他项目。部分团队留在DeepMind内部，转向Gemini、AI编程、基因组学研究、蛋白质和酶设计，甚至核聚变研究。

由Demis Hassabis在2021年创立的Isomorphic Labs成立目标是将AlphaFold展示的能力推进到药物发现和设计领域。从这个角度看，AlphaFold并未被搁置——它只是从致力于科学突破和论文发表的研究项目演变成与药物开发更直接相关的工作。

2024年，AlphaFold创始人因蛋白质结构预测工作荣获诺贝尔化学奖，与Hassabis共享这一荣誉。

另外两位关键AlphaFold研究人员——Jonas Adler和Alexander Pritzel——也正在转向Anthropic。他们的工作超越了AlphaFold本身：Adler参与了谷歌的AI编程计划，而Pritzel对Gemini模型训练做出了贡献。然而，两人都被列为AlphaFold的核心作者。

根据《金融时报》的统计，最初撰写AlphaFold论文的DeepMind员工中，近四分之一现已离职。但令人注意的是，诺贝尔奖得主和多位核心研究人员在大致相同的时间流向了同一个竞争对手：Anthropic。

AlphaFold团队的解散引起如此关注，是因为它所取得的成就确实分量十足。该团队解决了困扰生物学领域数十年的蛋白质结构预测难题，为超过2亿种蛋白质结构生成了预测结果，并产生了两位诺贝尔化学奖获得者。诺贝尔委员会对AlphaFold 2的评估是，它现在可以预测几乎所有已知蛋白质的结构。

DeepMind组建了一支小型、紧密集成的跨学科团队——机器学习研究人员、生物学家和工程师——他们在较长时间内专注于单一问题。当第一代AlphaFold遇到瓶颈时，他们没有对现有方法进行修补和改进，而是彻底放弃了旧的设计，从模型架构层面重新构建。这种方法就像组织登山探险队：山峰在望，所有人聚焦同一个目标，团队迎难而上。

根据原始团队成员的去向，DeepMind似乎在拆散AlphaFold团队，将其积累的人才和方法论分配到更多科学问题上。科学家不再需要为每个新挑战从头开始训练一个定制模型。Gemini可以首先处理文献、数据和代码，然后与AI Co-Scientist代理以及AlphaEvolve等工具并肩工作，帮助研究人员制定假设、优化算法和筛选解决方案。

新推出的Science Skills功能已连接了超过三十个生命科学数据库和工具，包括AlphaFold数据库、AlphaGenome和UniProt。单个AlphaFold团队一次只能解决一个问题；建立在Gemini基础上的研究平台可以同时服务生物学、材料科学、数学、核聚变和其他学科。研究人员不再需要为每个新项目重建建模能力、计算基础设施和研究工具，更多科学家可以获得使用那些先前具有高入门门槛的分析方法。

然而，这种方法隐含着风险。AlphaFold成功是因为一小群人愿意多年专注于看似无法解决的问题。这种专注难以平台化。一旦规模扩大，问题就变成了：每个单一问题能获得多少关注？谷歌是否仍然愿意支持一个团队在多年内没有可交付成果的情况下，仅为了解决单一难题？随着DeepMind现在已经解散了这支小团队，它是否还能识别出下一个值得花十年时间去解决的问题，这才是真正的开放性问题。