虎嗅

哈萨比斯过河拆桥?诺奖项目背后的AlphaFold团队被拆散了

该文章尚未提供 العربية 解读,以下为中文版内容。

核心内容总结

2024年刚凭AlphaFold拿下诺贝尔化学奖的DeepMind核心AI科学团队(AI4S),不到两年就被解散了——成员要么转去搞通用大模型Gemini,要么去了Alphabet旗下的AI制药公司Isomorphic Labs,还有近四分之一直接离开公司。这不是DeepMind“过河拆桥”,而是AI行业竞争进入资源密集阶段的必然选择:大厂们开始把最核心的人才、算力和钱,优先投到能快速应对市场竞争的通用大模型上,同时把AI科学的落地任务交给更商业化的团队。

详细解读

1. AlphaFold:曾经让DeepMind“封神”的科学神器

AlphaFold不是普通的AI工具,它解决了生物学界50多年的“老大难”问题——蛋白质折叠。

简单说,蛋白质是生命的“积木”,但它的功能不是由“积木块”(氨基酸)的排列顺序决定的,而是由这些积木折成的3D形状决定的。以前科学家要搞清楚一个蛋白质的3D结构,得用冷冻电镜、X射线这些实验方法,花几个月甚至几年,成本还特别高。

AlphaFold用AI直接根据氨基酸序列预测3D结构,2020年在国际竞赛里精度第一次接近实验结果,2021年开放数据库(现在有2亿多条结构),直接改变了结构生物学的研究方式——科学家不用再花大量时间做实验,能把精力放在找疾病原因、研发药物上。2024年拿诺奖,就是因为它把AI从“提高效率的工具”变成了“推动科学发现的引擎”,是DeepMind“长期主义”(愿意花多年搞看不到即时收益的项目)的代表。

2. 解散团队:不是放弃,而是被通用大模型“抢了资源”

DeepMind解散AI4S团队,核心原因是通用大模型的竞争压力太大了。

现在AI行业的“主战场”是通用大模型(比如OpenAI的GPT、Anthropic的Claude),谷歌的Gemini是直接对标这些产品的。但Gemini的进展一直有点慢,比如大家期待的Gemini 3.5 Pro迟迟没发布,谷歌怕被竞争对手甩在后面。

这种情况下,DeepMind必须把最顶尖的人才调去“救火”。比如AlphaFold的核心负责人John Jumper(和哈萨比斯一起拿诺奖的),就被调去搞Google的AI编码项目,后来甚至离开DeepMind去了Anthropic。团队解散本质是资源重新分配:把原来分散在AI科学项目上的人力、算力,集中到能快速应对市场竞争的通用大模型上。

3. 换个赛道落地:AlphaFold去搞“赚钱的事”了

DeepMind没放弃AlphaFold,而是把它“交给”了更商业化的Isomorphic Labs。

Isomorphic是DeepMind在2021年成立的子公司,专门做AI药物研发。和DeepMind搞基础研究不同,它的目标是把AlphaFold的技术转化成实际的商业价值——比如和诺华、礼来这些大药企合作,用AI设计针对疑难靶点的药物。

举个例子:以前AlphaFold只能预测蛋白质结构,现在Isomorphic要做的是“从结构到药物”——比如根据蛋白质结构,设计出能和它结合的小分子药物,直接帮药企缩短研发时间。虽然现在还没有真正推出AI药物,但这是AI科学从“实验室突破”到“产业应用”的关键一步。

4. 行业趋势:大厂都在“重新算账”

DeepMind的调整不是个例,而是整个AI行业的缩影。

新闻里说“从DeepMind到字节,越来越多科技公司调整AI4S团队定位”。为啥?因为AI竞争进入了“烧钱烧资源”的阶段:训练通用大模型需要巨量的算力(比如GPU)、顶级人才,还有持续的资金投入。大厂必须算清楚:哪些项目能快速带来市场份额(比如通用大模型),哪些项目需要长期投入但短期看不到收益(比如AI科学的基础研究)。

所以,不是AI科学不重要,而是大厂现在更倾向于把基础研究的成果交给子公司或更专注的团队去落地,自己集中资源打通用大模型的“硬仗”。

5. 未来:AlphaFold4可能不会来,但AI制药离我们更近了

核心团队散了,意味着像AlphaFold3那样的纯科研突破可能不会再以原来的方式出现,但AlphaFold的技术会更贴近普通人的生活。

比如Isomorphic Labs如果能成功用AI设计出新药,那未来我们可能会看到更多针对癌症、罕见病的药物更快上市,价格也可能更低。而DeepMind把精力放在Gemini上,也会让通用大模型的能力更强——比如未来用AI辅助科研、写代码、处理日常任务会更方便。

总的来说,这次调整是AI从“实验室神坛”走向“实际应用”的必经之路,虽然少了些“科学奇迹”的浪漫,但多了些“解决实际问题”的实在。

最后一句话总结

AlphaFold团队的解散,不是结束,而是AI科学从“证明能力”到“创造价值”的转折点——大厂在通用大模型的竞争中集中资源,而AI科学的成果则在商业化的赛道上继续发光。普通人未来可能不会再听到AlphaFold4的新闻,但很可能会用到它技术衍生出的AI药物或工具。