2024年，哈萨比斯凭借AlphaFold斩获诺贝尔化学奖。然而，不到两年时间，创造这一AI科学奇迹的核心团队便被解散。据《金融时报》7月29日报道，谷歌DeepMind近期解散了负责AlphaFold研发的核心AI for Science团队。过去一年里，AlphaFold论文的大部分原作者已被重新分配到其他项目，部分转向Gemini相关研究，部分加入Alphabet旗下的AI药物研发公司Isomorphic Labs。最初参与AlphaFold论文的DeepMind全职作者中，已有近四分之一离职。有网友感慨，DeepMind曾是英国创新的象征，如今似乎大势已去。这看似像哈萨比斯“过河拆桥”，或是DeepMind放弃了最根本的AI for Science路线。但若置于更大背景下，这并非DeepMind独有之选。从DeepMind到字节跳动，越来越多科技公司正在调整AI for Science团队的定位。随着AI竞争进入资源密集阶段，大厂正在重新评估哪些方向值得投入最核心的研发、算力与人才资源。
AlphaFold无疑是DeepMind过去十年“长期主义”的最佳代表。早在2010年成立时，DeepMind关注的便不是单一产品，而是更宏大的愿景：人工智能能否帮助人类解决此前无法解决的问题。哈萨比斯设想中的通用人工智能应具备理解复杂世界、发现新知识及推动科学进步的能力，因此科学研究一直是其战略核心。AlphaFold便是这一理念的缩影。蛋白质折叠问题曾困扰生物学界半个多世纪。2018年，DeepMind启动AlphaFold，旨在利用AI直接根据蛋白质序列预测其三维结构。2020年，在CASP竞赛中，AlphaFold 2取得突破，预测精度逼近实验水平。2021年，DeepMind发表AlphaFold 2论文并开源代码，同年联合EBI推出蛋白质结构数据库，数据量迅速扩展至2亿条，成为生命科学的基础设施。2024年，AlphaFold 3将能力扩展至DNA、RNA及小分子相互作用预测，同年哈萨比斯与John Jumper凭借此成果获诺贝尔化学奖。从2018到2024，AlphaFold完成了从实验室项目到全球科研基础设施的蜕变，证明了AI不仅是效率工具，更是科学发现的新引擎。
然而，当AI竞争进入新阶段，DeepMind面临一个挑战：围绕重大科学挑战建立长期团队的模式，是否仍是公司最高优先的资源配置方式？AlphaFold团队的调整，本质上是DeepMind在重新分配AI资源。过去几年，DeepMind长期并行推进多条前沿路线。但随着竞争加剧，资源压力凸显。谷歌当前的首要任务是在Gemini模型上保持对OpenAI、Anthropic的领先优势。Gemini 3.5 Pro的迟迟未发，让外界对谷歌的前沿模型进展感到担忧。过去一年，DeepMind内部人才流动明显。诺贝尔奖得主、AlphaFold核心负责人John Jumper曾调任Google内部负责AI编码能力的团队，随后离开DeepMind加入Anthropic。这一变化极具象征意义：在AI竞争聚焦于大模型、代码能力和智能体后，谷歌需要的是能提升Gemini关键应用场景能力的顶尖科学家，而不仅仅是解决蛋白质结构预测的专家。DeepMind研究副总裁Pushmeet Kohli表示，其战略已从“专注于重大挑战”演变为“利用通用模型构建科学辅助系统”。从某种角度看，AlphaFold曾是证明AI能力的方式，如今Gemini正成为DeepMind重新组织研发资源的核心。
好消息是，DeepMind并未放弃AlphaFold。部分研究人员已加入Alphabet旗下的Isomorphic Labs，继续推动AI在生命科学领域的应用。AlphaFold并未因AI for Science团队解散而终结，而是进入下一阶段。2021年成立的Isomorphic Labs定位更偏向产业落地，旨在利用AI重塑药物研发流程。2024年，Isomorphic Labs宣布与诺华、礼来展开合作，探索利用AI发现针对高难度靶点的小分子药物。公司还在开发超越AlphaFold的Drug Design Engine，试图将AI从结构预测推进至分子设计、结合预测等完整研发环节。目前，Isomorphic Labs尚未推出具体产品，这也是AI for Science领域的普遍难题：从理论发现到实验验证、工程转化和商业应用，往往比发现可能性更难。从这个角度看，AlphaFold团队的调整更像是一次重新分工：DeepMind探索通用AI能力，Isomorphic Labs负责生命科学商业化落地。AlphaFold从一个科研明星项目，转变为连接基础研究与产业应用的平台。不过，随着原始核心团队的分散，人们期待的“AlphaFold 4”可能不会以原有的形式出现。