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