AlphaFold团队解散？诺奖得主转投Anthropic，Google DeepMind资源转向Gemini
摘要：曾获诺贝尔奖、打造蛋白质结构预测明星模型AlphaFold的Google DeepMind团队，近日被曝已不再作为独立团队存在。原成员被分流到Gemini、AI编程、药物研发等多个方向，部分成员离开Google。DeepMind官方回应称并非解散，而是扩大工作范围，将科学能力融入更多项目。
诺奖团队悄然解散，成员各奔东西
据《金融时报》报道，曾因攻克蛋白质结构预测难题而荣获2024年诺贝尔化学奖的AlphaFold团队，如今已不再是Google DeepMind内部的一个独立团队。这支曾为AI科学领域树立里程碑的队伍，已经被原地打散。
成员的流向大致分为几个方向：
- 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，甚至还有核聚变项目。
- 另一部分人被调往Alphabet旗下的药物研发公司Isomorphic Labs。
- 还有一些人直接离开了Google。
消息一出，立刻引发热议：AlphaFold这是被砍了吗？
Google官方回应：非解散，是扩大范围
Google方面很快给出回应。DeepMind研究副总裁Pushmeet Kohli表示：“DeepMind科学团队并没有转向，只是扩大了工作范围。”
他具体解释，扩大后的方向包括蛋白质功能、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团队成员也不例外。
简单来说，AlphaFold项目取得突破后，Google让这些成员带着积累起来的能力，内部活水（即调动）到了更多项目中去。
成员流向三大方向
按照《金融时报》的梳理，原AlphaFold团队成员的流向可以归纳为三个主要方向：
留在DeepMind内部
一部分人留在DeepMind内部，转向Gemini、AI编程、基因组研究、蛋白质和酶设计，甚至还包括核聚变研究。
加入Isomorphic Labs
另一部分人去了Alphabet旗下的药物研发公司Isomorphic Labs。这家公司由DeepMind联合创始人Demis Hassabis在2021年创办，目标是把AlphaFold展示出的能力继续推向药物发现和设计。
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。
离开Google
还有一批人直接离开了Google，选择加入其他机构或公司。
关键要点
- AlphaFold团队已不再作为独立团队存在，但成员并未全部离开，而是内部活水到多个方向。
- Google官方强调这是“扩大范围”而非“解散”，科学能力将被用在更多项目上。
- 资源正在转向Gemini、AI编程、药物研发（Isomorphic Labs）等更贴近商业应用的领域。
- 诺奖得主Demis Hassabis此前已转投Anthropic（原文标题提及，但本段正文未展开，后续段落会涉及）。
摘要：AlphaFold 2负责人、新晋诺贝尔化学奖得主John Jumper离开DeepMind，加入Anthropic，一同出走的还有另两位核心成员。近四分之一的原AlphaFold论文署名作者已离职，诺奖得主的集体跳槽引发关注。谷歌则借机调整科研模式，将AlphaFold人才与积累分散到更广泛的AI+科学项目中，以Gemini为核心统一驱动。
核心人员集体流向Anthropic
其中最受关注的，是AlphaFold 2的负责人John Jumper。
2024年，他因蛋白质结构预测工作与Hassabis共同获得诺贝尔化学奖。如今，他已在DeepMind工作近9年后选择离开，转身加入Anthropic。
另外两位同样参与过AlphaFold研究的核心成员——Jonas Adler和Alexander Pritzel——也将投奔Anthropic。Adler此前参与了Google的AI编程项目，Pritzel则参与过Gemini模型的训练，但他们都在AlphaFold的核心作者名单之中。
据FT统计，最初署名AlphaFold论文的DeepMind员工中，已有接近四分之一离开。如果单看这个比例，放在一项持续多年的研究项目里，未必称得上离谱。但一位诺奖得主和多位核心研究人员，在差不多同一时间流向同一个竞争对手——Anthropic——这件事的分量就完全不一样了。
谷歌为什么舍得拆掉一支诺奖团队？
AlphaFold团队之所以解体还能引起这么大反响，是因为它完成的任务确实分量十足：解决了困扰生物学界数十年的蛋白质结构预测难题，释放了超过2亿个蛋白质结构预测结果，并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。
比这些成绩更值得关注的，是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：仅凭氨基酸序列，能否准确预测蛋白质最终折叠成什么形状？目标很窄，难度极高。团队也不急着把成果包装成产品。第一代AlphaFold碰壁后，他们没有在原方案上修修补补，而是彻底推倒旧方案，从模型架构重新做起。后来在CASP比赛中夺冠、改变结构生物学的AlphaFold 2，就是这样诞生的。
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证明了这种“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中去。
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。