AREX Feed Article
Google DeepMind 解散诺奖级 AlphaFold 团队，诺奖得主 Jumper 转投 Anthropic
TL;DR：Google DeepMind 已解散 AlphaFold 核心团队，大部分原始论文作者被重新分配到 Gemini 相关项目，近四分之一已彻底离开公司。2024 年诺贝尔化学奖得主 John Jumper 携两名核心同事投奔 Anthropic。DeepMind 研究 VP Pushmeet Kohli 在 X 上紧急澄清"科学团队没有转向"，但无法掩盖一个事实：产出诺奖的"登月项目"科研模式已被 Gemini 平台化战略取代。
诺奖到手 18 个月，团队没了
7 月 29 日，《金融时报》独家披露：Google DeepMind 已拆散 AlphaFold 背后的研究团队。DeepMind 随后向 Engadget 确认了这一消息。AlphaFold 是 AI 史上最具科学影响力的成果之一——它在几分钟内完成蛋白质三维结构预测，解决了困扰生物学 50 年的"蛋白质折叠问题"。2024 年，DeepMind CEO Demis Hassabis 与 John Jumper 因此获得诺贝尔化学奖。如今距离颁奖不到 20 个月，这支团队已不复存在。
AlphaFold 本身并未被关闭。包含超过 2 亿个蛋白质结构预测的数据库、AlphaFold Server 和 AlphaFold 3 学术版仍在运行。药物发现工作通过 Isomorphic Labs 继续推进。被解散的，是那种"把一群顶尖科学家关在一个房间里只解决一个问题"的组织形式。
四分之一的人走了，其余散落各处
据 FT 统计，AlphaFold 原始论文的全职作者中，近 25% 已彻底离开 Google。John Jumper——前 DeepMind 工程 Fellow、副总裁、诺贝尔化学奖共同得主——于 2026 年 6 月宣布加入 Anthropic。与他同行的还有两位 AlphaFold 核心合著者：Jonas Adler 和 Alexander Pritzel。一名不愿具名的 DeepMind 员工向 FT 表示，三人都是"关键的、重要的、核心的成员"（instrumental, important, core members），他们的离开"在内部引起了震动"。
今年早些时候，Jumper 和 Adler 已被调至 Google 内部代号"Code Strike"的团队——一个专门为追赶 Anthropic 和 OpenAI 在 AI 编程领域差距而组建的小组。换言之，诺奖得主在被解散前，已经在写代码工具了。
其余留在 Google 的研究人员在过去一年里被分散到多个方向：Gemini 大模型项目、酶设计、核聚变研究、基因组学，以及 Alphabet 旗下药物发现子公司 Isomorphic Labs。AlphaFold 作为一个独立的、有明确目标的团队，已不复存在。
7 年登月：从 CASP 冠军到诺贝尔奖
AlphaFold 的故事始于 2018 年。DeepMind 组建了一支专门团队攻克蛋白质折叠问题。2020 年，AlphaFold 在 CASP（蛋白质结构预测关键评估）竞赛中以碾压性优势夺冠，被公认为解决了 50 年未解的蛋白质折叠难题。
AlphaFold 之所以能成功，并非仅靠算法天才。科技投资人 Gabriel Horwitz 在 X 上的分析提供了一个常被忽略的视角：蛋白质折叠之所以是第一个被 AI 攻克的"大科学问题"，是因为它恰好是唯一一个拥有 50 年高质量标注数据的领域。蛋白质数据库（Protein Data Bank）自 1971 年建立以来，晶体学家用半个世纪的时间，用 X 射线晶体学和核磁共振等方法逐个解析了约 17 万个蛋白质结构——每一份都是公共资助、公开存档的标注数据。当 DeepMind 带着 Transformer 出现时，这些标注数据已经在仓库里等了几十年。
2021 年，《自然》杂志发表 AlphaFold 方法论论文及人类全蛋白质组结构预测。DeepMind 随后开放 AlphaFold 蛋白质结构数据库，向全球研究者免费提供超过 2 亿个预测结构。两年内，AI 从 17 万个人工标注飞跃到 2 亿个机器预测——这套数据库至今仍是结构生物学领域的基础设施。
2024 年 10 月，Hassabis 和 Jumper 因 AlphaFold 获得诺贝尔化学奖。Jumper 当时已是 DeepMind 副总裁兼工程 Fellow，从项目启动时的普通研究科学家一路升至公司核心层，在 DeepMind 效力近 9 年。Kohli 在 Jumper 离职时公开发文致意："从 AlphaFold 的任务驱动执行到那场令人难忘的诺贝尔颁奖典礼——你给我们留下了太多回忆。"
AlphaFold 是 DeepMind"登月项目"模式（grand challenges）的巅峰之作——选定一个明确硬目标，投入顶尖科学家，不急于产出，不追求短期收入。在 AlphaFold 之前，同一种模式还产出了 AlphaGo（击败围棋世界冠军）和 GraphCast（天气预报）。这种模式的核心前提是：存在一个"有明确答案"的硬问题，并且存在足够多的标注数据去训练 AI 找到答案。当最成熟的问题被解决后，剩下的——核聚变、酶设计、基因组功能解析——都没有现成的"蛋白质数据库"等着喂给模型。
Kohli 连夜发推澄清，社区不买账
FT 报道发出数小时后，Google DeepMind 研究副总裁 Pushmeet Kohli 在 X 上发布回应。他的帖子获得了 1,079 个赞、92 次转发和 24.6 万次阅读。"Google DeepMind 科学团队没有转向，而是在扩展工作，"Kohli 写道，"我们仍在攻克科学和生物学中最难的问题——从理解蛋白质功能、解码基因组到实现蛋白质和酶的从头设计，同时通过开发 Gemini 驱动的 AI 智能体加速科学发现过程。"
他还强调了一个文化叙事："Google DeepMind 的文化是赋能我们的科学家。他们对自己想追求的挑战性目标拥有自主权，对 AlphaFold 团队也是如此。"
社区反应两极分化。LatchBio 联合创始人 Alfredo Andere 表示认同："Gemini 驱动的科学智能体，感觉是 GDM 当前对科学进步能做出的最高杠杆贡献，就像 AF2 在当时一样。"
但更多声音是怀疑。一位用户在 unusual_whales（486 万粉丝）下的热评写道："诺贝尔奖买到了大约 18 个月的保护期，之后 Google 就会把你重组进记忆里。"另一位则更为尖锐："他们拿了诺奖，然后团队被解散。这是对一家公司如何看待研究这件事的最清晰表态——你不需要保留团队，你只需要保留论文。"
FT 原推文获得了 1,277 个赞和 201 次转发，unusual_whales 的转述推文获得了 2,119 个赞和 39.3 万次浏览，合计传播量超过 60 万次。
Anthropic 捡到了什么，DeepMind 在赌什么
对 DeepMind 而言，这是一次清醒的战略押注。"过去九年的战略是聚焦'登月挑战'……每个项目都有一个具体目标，"Kohli 在接受 FT 采访时说，"战略已经演进（The strategy has evolved）。"
演进的方向很清楚：不再为单个科学问题组建专属团队，而是构建 Gemini 驱动的通用 AI 系统，让它来辅助科学家、甚至最终自动化科学发现的某些环节。同一天，DeepMind 发布了 Gemini Robotics 2——一个能控制人形机器人从脚趾到指尖完成精细操作的多模态模型。同一天，一边解散诺奖团队，一边发布机器人模型，这本身就是战略重心的最佳注脚。
"战略已经演进"这句话可以有两种读法。慷慨的解读是：AlphaFold 完成了它的使命。蛋白质折叠问题已经被解决到足够好，数据库公开且永久可用，继续维持一支专门团队是一种情感上的惯性而非战略上的理性。不那么慷慨的解读是：七年磨一剑、零收入、产出诺奖的科研模式，在每季度都要比拼 Agent 基准和 Enterprise seat 的当下，已经没法向华尔街解释了。
对 Anthropic 而言，这是 AI 人才战中的一次决定性抄底。Jumper 三人组的到来，使 Anthropic 在 AI + 生命科学交叉领域获得了此前只有 DeepMind 拥有的深度——而这个赛道正是 Anthropic 近期推出的 Claude Science 所瞄准的方向。三名核心成员同时选择同一家竞争对手，暗示 Dario Amodei 领导的 Anthropic 进行了一次有组织的精准挖角。
更深层的张力在于：AlphaFold 之所以成功，恰恰因为它不是 Gemini。它的训练依赖的是结构生物学界 50 年积累的公开实验数据，而非大语言模型的海量互联网语料。它的方法论（基于进化信息的 MSA 和结构模块）与 Transformer 自回归生成有本质区别。将 AlphaFold 的研究人员重新分配到 Gemini 项目，相当于要求一群结构生物学的世界冠军去打一场完全不同的比赛。
当然，Kohli 的论点也有其道理：如果 Gemini 驱动的 AI 智能体能够自动提出科学假设、设计实验、分析结果，那么它可能比一支专门研究蛋白质折叠的团队带来更广泛的影响。问题在于，这是一种未经检验的假设——而那个已经被检验过、并且拿回了诺贝尔奖的假设，刚刚被解散了。
真正的问题不是"AlphaFold 团队该不该保留"，而是：下一个 AlphaFold 会从哪里来？它还会出现在一个允许科学家用七年时间只解决一个问题的组织里吗？在当前 AI 行业每季度比拼基准分数的节奏下，这个问题的答案，比一支团队的去留重要得多。
Sources:
- — 1,079 likes, 92 retweets, 246K views
- — 1,277 likes, 201 retweets, 222K views
- — 2,119 likes, 77 retweets, 393K views
- — cited for Protein Data Bank analysis