科技圈迎来重磅震动！凭借AlphaFold拿下2024年诺贝尔化学奖、一度封神的DeepMind AI科学团队，在获奖不到两年的时间里惨遭解散。据《金融时报》7月29日独家报道，Google DeepMind正式拆分、解散专攻AlphaFold研发的核心AI for Science（AI4S）团队，这支创造AI科学奇迹、改写全球生命科学研究格局的王牌队伍彻底退出历史舞台。消息曝光后，外界争议四起，不少声音直指DeepMind CEO哈萨比斯“过河拆桥”，诺奖成果落地即弃研，让行业唏嘘不已。
此次团队拆分调整力度空前。过去一年间，AlphaFold经典论文的绝大多数原始核心作者均被重新分配岗位，人员分流呈现两大方向：一部分顶尖科研人才被抽调投入Gemini大模型相关研发，补齐谷歌通用大模型的竞争短板；另一部分成员转入Alphabet旗下AI药物研发公司Isomorphic Labs，转向商业化落地赛道。数据显示，最初参与AlphaFold核心研发的DeepMind全职作者中，已有近四分之一彻底离职出走，团队人才流失严重。其中，与哈萨比斯共同斩获诺奖的AlphaFold核心负责人John Jumper，后续跳槽至竞品Anthropic，成为行业焦点事件。
此番操作让外界争议不断，不少网友与业内人士直言心寒。曾是英国科技创新标杆的DeepMind，凭借AlphaFold奠定全球AI科学研究的顶尖地位，如今诺奖加冕便拆解核心团队，看似是“获奖即落幕”，难免落下过河拆桥、功利逐利的评价，更被质疑彻底放弃深耕多年的AI4S长期科研路线。但跳出舆论情绪，放在全球AI竞争格局中审视，这场看似“卸磨杀驴”的调整，实则是谷歌DeepMind的关键战略取舍。
AlphaFold：DeepMind十年长期主义的巅峰见证
回溯过往，AlphaFold是DeepMind最具代表性的长期主义成果，完美诠释了其创立之初的核心愿景：用人工智能攻克人类未解科学难题。自2010年成立以来，DeepMind始终不局限于短期产品变现，而是聚焦人工通用智能（AGI）的长远布局，致力于让AI赋能基础科学突破。
在此之前，蛋白质折叠问题困扰全球生物学界长达50余年。蛋白质的三维结构直接决定生物功能，传统依靠X射线晶体学、冷冻电镜的实验解析方式，耗时数月甚至数年，成本高昂、效率极低。2018年，DeepMind正式启动AlphaFold项目，尝试用AI实现蛋白质序列到三维结构的直接预测。
2020年，AlphaFold 2在国际顶级蛋白质结构预测竞赛CASP中实现颠覆性突破，预测精度比肩传统实验方法，一举攻克困扰学界半世纪的难题。2021年，团队发布核心论文、开放模型代码，并联合欧洲生物信息研究所搭建全球免费蛋白质结构数据库，累计收录超2亿条蛋白结构数据，成为全球生命科学研究的核心基础设施，彻底重构了结构生物学的研究范式。
2024年，DeepMind推出全面升级的AlphaFold 3，将技术边界从单一蛋白质预测，拓展至蛋白质、DNA、RNA、小分子的交互预测，深度切入药物研发核心环节。凭借这一里程碑式的成果，哈萨比斯与John Jumper成功斩获诺贝尔化学奖，让AI科学研究正式获得全球顶尖学术认可。短短六年，AlphaFold完成从实验室项目到诺奖成果、再到全球科研基础设施的蜕变，印证了AI赋能基础科学的无限可能。
战略全面倾斜：Gemini承压，通用大模型成核心优先级
舍弃王牌科研团队的背后，是全球AI赛道白热化竞争下的资源重新洗牌。过去DeepMind长期采用多线并行策略，同步推进AI基础科学、通用大模型、强化学习、机器人等多条赛道。但随着OpenAI、Anthropic持续领跑通用大模型，谷歌的竞争压力陡增，资源分散的短板日益凸显。
当下，谷歌的核心战略重心全面向Gemini大模型倾斜。在GPT系列、Claude快速迭代、功能持续升级的冲击下，Gemini迭代节奏承压，备受期待的Gemini 3.5 Pro迟迟未能发布，让谷歌在通用AI赛道的领先优势岌岌可危。相较于周期长、见效慢的基础科学研究，通用大模型是当下AI竞争的主战场，直接决定企业行业话语权与商业价值。
因此，DeepMind选择集中核心人才、算力资源攻坚Gemini，甚至不惜抽调AlphaFold诺奖级科研力量补位。诺奖得主John Jumper此前被调入负责AI编码能力的Code Strike团队，正是这一战略的典型体现——当下谷歌更需要顶尖人才赋能通用大模型的场景落地，而非深耕单一垂直科学领域。
对于战略调整，DeepMind研究副总裁Pushmeet Kohli也公开承认，公司九年不变的“聚焦单一重大科学挑战”的科研战略已正式迭代。如今团队不再局限于专用科学模型研发，转而探索用Gemini等通用大模型赋能科学研究，通用AI正式取代垂直科学AI，成为DeepMind研发核心主线。
并非彻底放弃：AlphaFold转入产业落地新阶段
值得厘清的是，团队解散并不意味着AlphaFold技术被彻底抛弃。此次调整本质是基础科研与产业应用的分工重构，标志着AlphaFold从“科研突破期”正式迈入“产业落地期”。
基础研究层面，DeepMind不再保留独立专职团队，依托通用大模型能力持续赋能科学研究，精简长线基础科研投入；产业落地层面，相关技术与人才全面导流至Alphabet旗下AI制药子公司Isomorphic Labs，专注商业化转化。不同于DeepMind的基础研究定位，Isomorphic Labs聚焦AI药物研发的工程落地与商业变现，致力于将AlphaFold技术转化为实际医疗成果。
目前，Isomorphic Labs已与诺华、礼来两大国际药企达成深度合作，聚焦高难度靶点小分子药物研发，同时持续迭代Drug Design Engine系统，推动AI从蛋白结构预测，延伸至分子设计、结合预测的全流程药物研发。
但行业痛点依旧凸显，这也是AI4S赛道的普遍困境：AI能够快速完成理论预测与模型推演，但药物研发、生物实验的落地验证周期漫长、难度极高。截至目前，依托AlphaFold技术研发的落地药物仍未问世，AI科学技术的商业化闭环依旧艰难。
行业反思：诺奖团队解散，暴露AI行业终极取舍
从长期科研到短期落地、从垂直突破到通用攻坚，AlphaFold团队的解散，折射出全球AI行业的核心变局。AI竞争正式进入资源密集、商业化优先的下半场，资本与科技巨头不再愿意为周期漫长、变现缓慢的基础科学研究持续买单，短期战略优先级全面碾压长期主义科研。
对于DeepMind而言，这场调整利弊分明。短期来看，集中资源攻坚Gemini，能够快速补齐通用大模型短板，稳固谷歌的行业竞争地位；但长期来看，拆解王牌科研团队、流失顶尖科研人才，或将彻底终结其在AI科学领域的绝对领先优势。
未来，纯粹由DeepMind主导、颠覆性突破的AlphaFold 4或将不复存在。曾经凭长期科研初心惊艳世界的AI科学奇迹，最终在商业化与赛道竞争的洪流中，完成了阶段性落幕。