2024年，哈萨比斯凭借AlphaFold拿下诺贝尔化学奖，创下AI行业历史性突破，让AI赋能基础科学的价值被全球公认。但仅仅时隔不到两年，这项足以载入人类科技史的传奇成果，迎来了极具争议的结局。
据《金融时报》7月29日重磅报道，Google DeepMind正式解散了缔造AlphaFold奇迹的核心AI for Science（AI4S）团队。过去一年间，AlphaFold原始论文的绝大多数核心作者被重新分流，一部分入局Gemini大模型研发，一部分转入Alphabet旗下AI药企Isomorphic Labs，还有近四分之一的全职核心作者彻底离职出走。其中，与哈萨比斯共同斩获诺奖的AlphaFold核心负责人John Jumper，也已跳槽至Anthropic，标志着初代核心团队彻底分崩离析。
消息一出，全网哗然。不少网友直言这是典型的“过河拆桥”：项目登顶诺奖、价值榨取完毕，核心团队便被就地解散。更有声音感慨，曾经以长期主义、基础科研、科学理想著称的DeepMind，已然褪去理想主义底色，彻底卷入功利化的AI军备竞赛。但拨开舆论情绪，这场看似无情的团队解散，实则是全球AI格局剧变下，科技巨头战略取舍的必然缩影。
一、AlphaFold：DeepMind十年长期主义的巅峰绝唱
想要读懂这场战略调整，首先要读懂AlphaFold的特殊价值。它从来不止是一个AI模型，而是DeepMind成立之初核心愿景的最佳落地。
2010年DeepMind创立之初，核心目标并非打造盈利产品、追赶流量风口，而是探索通用人工智能（AGI）的终极价值：让AI解决人类无法攻克的世界级科学难题。在这一愿景下，AI for Science（科学智能）成为DeepMind最核心、最坚定的长期赛道，而AlphaFold就是这条赛道的巅峰代表作。
蛋白质折叠问题，是困扰全球生物学界长达50年的世纪难题。蛋白质的三维结构直接决定生物功能，传统依靠冷冻电镜、X射线晶体学的实验解析方式，耗时数月甚至数年、成本极高，严重制约生命科学与药物研发进度。
2018年，DeepMind正式启动AlphaFold项目，深耕AI预测蛋白质三维结构。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，宣告百年难题被AI攻克。2021年，DeepMind公开论文、开源代码，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，彻底重构了结构生物学的研究范式。
自此，人类科研彻底告别“耗时实验解析结构”的低效模式，得以将核心精力聚焦于疾病机制研究、新药研发、生物工程创新，AI赋能基础科学的价值第一次被全球学术界广泛认可。2024年，DeepMind推出AlphaFold 3，将能力从单一蛋白结构预测，拓展至蛋白、DNA、RNA、小分子的交互预测，深度切入药物研发核心链路。同年，哈萨比斯与John Jumper凭借这一颠覆性成果斩获诺贝尔化学奖，AI正式登上人类科学最高殿堂。
从2018年立项深耕，到2024年摘得诺奖，AlphaFold用六年时间完成了从0到1的科学奇迹，完美印证了DeepMind“AI服务基础科学”的长期主义路线，也成为全球AI4S领域的标杆范本。
二、战略大转向：Gemini军备竞赛，挤掉基础科研资源
既然AlphaFold价值卓著，为何诺奖落幕即团队解散？核心答案只有一个：全球AI竞争进入资源密集的大模型决战阶段，专项科学研究不再是谷歌的最优战略。
过去数年，DeepMind长期实行多线并行的研发模式：一边深耕AlphaFold等科学专项研究，一边布局通用大模型、强化学习、机器人等前沿领域。但随着ChatGPT引爆全球AGI军备竞赛，OpenAI、Anthropic持续迭代通用大模型、强化代码与Agent能力，谷歌的竞争压力陡增。
相较于能落地商业化、能决定巨头排位的通用大模型，周期长、见效慢、重基础研究的AI4S赛道，战略优先级持续下滑。尤其是Gemini系列模型迟迟未能拉开代差、3.5 Pro版本延期发布，让谷歌在大模型赛道持续承压，急需集中顶尖人才、算力、资源补齐短板、稳固优势。
在此背景下，深耕多年的AlphaFold核心团队，成为战略资源调配的核心对象。诺奖得主John Jumper被内部调岗至负责AI编码能力的Code Strike团队，足以体现谷歌的核心诉求：比起攻克小众科学难题，当下更需要顶级人才赋能Gemini的通用能力、代码能力与Agent能力。
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”的战略已经正式演变。如今的研发逻辑彻底改写：不再为单一科学问题定制专属模型，而是依托Gemini通用大模型，衍生出服务科学研究的通用AI能力。
简单来说，DeepMind不再单独养一支“专攻科学突破”的专项部队，而是让通用大模型成为万能工具，覆盖科学研究、产业应用、智能交互等全场景。这意味着，以AlphaFold为代表的传统AI4S专项路线，正式退出DeepMind核心战略舞台。
三、并非彻底放弃：AlphaFold从科研标杆转向产业落地
团队解散不代表技术落幕，这场人事重构，本质是DeepMind对AlphaFold价值的重新定位与分工升级。
AlphaFold解决了“蛋白质结构预测”的理论难题，但科学突破不等于产业成功。AI制药、AI生物科研的终极壁垒，从来不是理论预测，而是后续的实验验证、工程落地、商业转化。单纯的结构预测只是药物研发的第一步，距离真正产出落地药物、实现产业价值，还有漫长的商业化链路。
为此，Alphabet早已完成布局拆分：DeepMind保留基础研究与通用AI能力研发，旗下子公司Isomorphic Labs承接AlphaFold的产业化落地。此次调整中，大量AlphaFold科研人员转入Isomorphic Labs，正是为了加速技术从“实验室诺奖成果”走向“产业实用工具”。
目前，Isomorphic Labs已与诺华、礼来等全球顶尖药企达成深度合作，聚焦高难度靶点小分子药物研发，同时自研Drug Design Engine系统，试图将AI能力从结构预测，延伸至分子设计、结合模拟、药物筛选的全流程研发链路。
但不可否认的是，产业化落地至今尚未跑出实质性成果，暂无AI自研药物正式问世。这也印证了行业痛点：AI for Science的理论突破易，商业落地难。
而对于用户期待的AlphaFold 4，随着初代核心团队解散、人员分流出走，传统模式下的迭代升级已然宣告终结。未来相关技术的优化，只会依附于通用大模型体系，不再有独立、纯粹、聚焦基础科学的专项迭代。
四、行业终局：AI告别浪漫理想，全面进入功利时代
AlphaFold核心团队的解散，从来不是DeepMind一家的选择，而是整个AI行业的时代拐点。
曾经的AI行业，充满科研浪漫与长期主义，企业愿意投入数年时间、海量资源，深耕无法短期变现的基础科学难题，追求技术突破与人类进步。AlphaFold、AlphaGo都是这一时代的产物，纯粹、硬核、极具理想主义色彩。
如今的AI行业，彻底进入算力密集、资本密集、结果导向的竞争周期。所有科技巨头的资源分配，都围绕“短期竞争力、商业化落地、市场排位”展开。长期、慢热、低变现的基础科学研究，正在逐步让位于通用大模型、Agent、商业化应用等能快速见效的赛道。
从深层来看，这场争议的核心，从来不是“哈萨比斯是否过河拆桥”，而是AI行业的终极取舍：当通用AGI的商业竞争迫在眉睫，行业是否还愿意容忍慢节奏、高投入、长周期的基础科学研究？
答案已然清晰。DeepMind放下AI4S专项路线，全力拥抱Gemini通用大模型，正是巨头战略的最优解，却也标志着AI行业理想主义的落幕。
结语
AlphaFold的传奇已经落幕。它用六年时间证明，AI可以突破人类科学边界、改写基础科研格局，拿下科学界最高荣誉，留下2亿级的蛋白质数据库，成为惠及全球的科研基础设施。
但诺奖的巅峰，也成了它的终点。在白热化的AGI军备竞赛面前，纯粹的科学理想不得不为商业竞争让步。团队解散、人才分流、路线转型，不是背叛，而是时代必然。
往后，AI依旧会赋能科学、重塑产业，但属于纯粹基础科研、长期主义、无问功利的AI时代，已然悄然结束。AlphaFold的落幕，是DeepMind的战略转折，更是整个AI行业从“探索科学”走向“追逐竞争”的时代缩影。