大数据文摘出品

一个拿过诺贝尔奖的AI团队
，正在被自己的缔造者悄悄拆散 。

就是DeepMind的AlphaFold研发团队
。据《金融时报》报道，这个两年前刚帮CEO Demis Hassabis和项目负责人John Jumper捧回诺贝尔化学奖的明星团队 ，已经正式被解散了。

把时间拨回2020年 。DeepMind意气风发
。AlphaFold 2在国际蛋白质结构预测竞赛CASP14中大幅领先
，把困扰生物学界整整50年的蛋白质折叠难题，一下子推进到了接近实验精度。全世界200多万科研人员开始用它预测蛋白质结构 ，癌症治疗 、疫苗研发的速度都被按下了快进键 。

2024年，Hassabis和Jumper站上斯德哥尔摩的诺贝尔领奖台
，金光闪闪。当时整个科学界都为之沸腾，感觉DeepMind就是"AI for Science"的代名词 ，是AI赋能基础科研的最高标杆
。

那时候
，感觉DeepMind的"科学使命"坚如磐石。但结果呢，现实比剧本还要精彩 。

《金融时报》报道说 ，就在诺奖光环还没完全褪去的时候
，AlphaFold团队已经悄然被拆散了
。过去一年里，论文的绝大多数原作者被重新分配岗位；在原始论文的DeepMind全职作者中 ，近四分之一已经彻底离开公司。核心三人组：John Jumper
、Jonas Adler和Alexander Pritzel
，集体跳槽到了竞争对手Anthropic 。

显然，现实和当时外界的期待背道而驰
。

DeepMind研究副总裁Pushmeet Kohli也出来解释了。他说 ，过去九年
，DeepMind的战略一直是"聚焦重大科学挑战，让每个项目都围绕一个明确的目标展开" 。但他坦言："如今这一战略已经发生了变化
。"

实验室不再单独组建团队专攻蛋白质折叠这类单一科学课题 ，现阶段核心重心是搭建依托Gemini、可辅助科研人员乃至自动化完整科研流程的通用AI系统。换句话说，DeepMind要从一个"解难题的科学家"
，转型成一个"做工具的工程师" 。

其实，AlphaFold并没有"失败" ，它更像一个完成了历史使命的"开拓者"
。它已经预测了超过2亿种蛋白质结构
，数据免费开放给全球190个国家的科研人员使用。就像一位DeepMind员工说的，Jumper那三人曾是"不可或缺 、非常重要的核心成员" ，他们的离开在公司内部引发了震动 。

但震动归震动
，谷歌的决策链条不会因此停下。打开DeepMind的网站主页，首先映入眼帘的标语已经变成了"欢迎来到Gemini的时代"：不再是那个以"Alpha-"开头的产品家族了
。

就像一支以探索未知大陆为使命的探险队 ，在绘制完最精密的地图后
，被整编进了商船队。商船队能运更多货物
、赚更多钱，但那些专门用来测绘星图和未知海岸的仪器 ，也就被收进了仓库 。导航仪能帮你规划路线
，但地图上那些从未被标注过的空白区域，终究需要有人带着六分仪去亲自丈量
。

DeepMind这次战略转向 ，为业界提供了一个值得深思的案例。当前，仍有一些观点
，例如部分科技巨头高管的公开言论，认为AI的核心价值在于迅速商业化、迅速变现 ，基础研究可以靠"项目制"外包或收购来完成 。这类观点有时可能简化了科学探索的复杂性
，未能充分区分"完成一个具体任务"与"持续推动一个学科领域前进"之间的差异
。

即便技术上已经能预测蛋白质结构，组织架构 、商业优先级以及资本回报周期等因素 ，也可能迫使一家实验室放弃它最擅长的长跑
，转而加入短跑比赛。SignalFire的数据显示，DeepMind与Anthropic工程师的双向流动中 ，流向Anthropic的比例接近10.6:1 。人才正在用脚投票
。

对于AI行业而言
，这一案例或许揭示了一个重要启示：在对一家研究机构的发展方向进行判断时，应更为审慎 ，并充分理解其内在的复杂性。这不仅关乎商业回报本身
，更体现了对基础科学探索及其长期价值的尊重 。

如果科学界在AlphaFold取得突破后，就认为"AI for Science"可以靠商业公司的短期项目包打天下 ，而忽视了基础科研团队的长线建设和稳定投入，无疑会对未来的重大科学发现造成难以估量的影响
。

头图说明：DeepMind代表团访问EMBL海德堡时的合影。图中从左数第二位是John Jumper
，第八位是Demis Hassabis，第六位是EMBL总干事Edith Heard 。

摄影师：Massimo del Prete/EMBL