2024年诺贝尔化学奖得主AlphaFold团队被解散的消息，震惊了全球AI与生物科技界。这个曾用AI预测蛋白质结构、颠覆生物学研究的团队，如今大部分成员已转岗至谷歌Gemini大语言模型项目，以及酶设计、核聚变、基因组学等前沿领域。这一变动并非偶然，而是DeepMind从“科学攻关”向“通用AI平台”战略转型的关键一步。当AI办公的浪潮席卷各行各业，甚至连最顶尖的科研团队也开始拥抱通用AI，一场关于研究范式与人才流动的深层变革正在上演。
诺贝尔奖团队的解散：AlphaFold的辉煌与转折
AlphaFold的诞生，堪称AI发展史上的里程碑。2018年，DeepMind启动该项目，目标是用AI破解蛋白质折叠这一困扰生物学界50年的难题。2020年，AlphaFold2在CASP竞赛中一鸣惊人，预测精度达到原子级别，被《自然》杂志评为年度突破。2024年，DeepMind CEO德米斯·哈萨比斯和工程研究员约翰·江珀因此获得诺贝尔化学奖，成为AI领域获此殊荣的第一人。
然而，辉煌背后是战略的悄然转向。据《金融时报》分析，过去一年里，AlphaFold论文的原始作者中，绝大多数已被重新分配。DeepMind证实，这些员工内部转岗至Gemini项目，以及酶设计、核聚变、基因组学等领域。还有部分人员调往Alphabet旗下药物发现公司Isomorphic Labs。更令人关注的是，在AlphaFold原始论文的全职作者中，近四分之一已彻底离开公司。
这一重组反映出大模型训练战略的深刻变化。DeepMind研究副总裁普什米特·科利表示，过去九年，公司战略是围绕重大科学挑战组建团队，每个项目目标明确。如今，战略已转变为打造由Gemini驱动、能够协助科学家并实现部分科研流程自动化的系统。与此同时，DeepMind正在与OpenAI、Anthropic竞争开发最前沿的AI智能体，AI Agent技术成为新的焦点。
战略转型背后：从“科学攻关”到“通用AI平台”
为什么DeepMind要放弃一个获得诺贝尔奖的明星团队？核心原因在于，大语言模型的兴起改变了AI研发的底层逻辑。过去，解决特定科学问题需要专门训练的模型，耗时费力且泛化能力弱。而现在，一个强大的通用AI平台（如Gemini）可以通过微调或插件形式，快速适配不同领域的需求。
这种转变与企业数字化转型的趋势不谋而合。在AI办公领域，越来越多的企业开始用通用AI工具替代专用软件，因为后者维护成本高、更新迭代慢。DeepMind的调整正是这种“去中心化”思路的体现：与其维持一个专属的蛋白质预测团队，不如将顶尖人才投入通用模型的建设，让Gemini具备处理蛋白质结构、基因组学、药物发现等多种科学任务的能力。
值得关注的是，DeepMind并非完全放弃科学应用。相反，他们正在用AI工具导航的方式整合资源——通过构建一个统一的AI平台，让科学家可以根据需要调用不同的工具模块。例如，使用AI画图生成分子结构示意图，或者利用抠图技术处理实验图像，这些原本需要专门软件的场景，现在都可以在通用AI平台上完成。
人才流向何方？Gemini、酶设计、核聚变与药物发现
AlphaFold团队的人才分流，揭示了DeepMind未来布局的四大方向。
首先是Gemini大语言模型项目。这是谷歌对抗OpenAI GPT-4和Anthropic Claude的核心武器。AlphaFold团队中擅长模型架构、训练策略的专家，自然成为Gemini团队急需的人才。例如，副总裁江珀和研究员阿德勒转入谷歌内部的“Code Strike”团队，专门提升AI编程能力，以追赶Anthropic和OpenAI。
其次是酶设计、核聚变和基因组学。这些领域与蛋白质结构预测有天然关联，但需要更强大的生成式AI来设计新酶、模拟核聚变反应或解读基因组数据。DeepMind认为，通用AI平台比专用模型更适合这些多变量、高复杂度的任务。
第三是药物发现公司Isomorphic Labs。这家Alphabet子公司成立于2021年，使命是利用AI重新构想药物发现。AlphaFold的底层技术可以直接应用于药物靶点发现、分子对接等环节，因此部分成员被调往Isomorphic Labs，实现从科研到商业的直接转化。
最后是外部流失。江珀、阿德勒、普里策尔三位核心成员选择加入Anthropic，这本身就是一个信号——顶尖AI人才正在从科研机构流向通用AI公司。一位匿名员工表示，这三人都是“关键、核心成员”，他们的离职在内部引发了震动。
AI办公浪潮下的科研自动化愿景
DeepMind的转型，本质上是对AI办公浪潮的回应。当AI办公从文档处理、数据分析扩展到科学研究的全流程，实验室的运作方式正在被重新定义。
科利强调，DeepMind的新目标是“打造能够协助科学家开展研究，并最终实现科学研究部分流程自动化的系统”。这意味着，未来的实验室可能不再需要专门的数据分析团队，科学家只需向Gemini描述实验需求，AI就能自动完成文献检索、实验设计、数据采集、结果分析甚至论文撰写。这种“AI办公+科研”的模式，将大幅降低科学发现的门槛。
例如，在蛋白质结构预测领域，原本需要数月时间的工作，现在几分钟内就能完成。而文生图技术可以让科学家直接通过文字描述生成分子结构，无需手动建模。更前沿的应用如AI诗词生成，尽管看似与科学无关，但背后体现的序列生成能力同样适用于蛋白质序列设计。
不过，科研自动化也面临挑战。AI目前还无法完全替代人类的直觉和创造力，尤其是在提出新颖假设方面。但DeepMind认为，通用AI平台可以成为科学家的“超级助手”，通过自动化重复性工作，释放人类精力去思考更高层次的问题。
竞争格局：DeepMind、OpenAI与Anthropic的智能体之争
AlphaFold团队的解散，不仅是DeepMind内部的战略调整，更折射出整个AI行业竞争焦点的转移。
目前，OpenAI、Anthropic和DeepMind正在激烈争夺“AI智能体”的制高点。智能体（Agent）是指能够自主执行复杂任务的AI系统，比如自动预订机票、管理邮件、编写代码，甚至进行科学实验。OpenAI的GPT-4已经具备初步的Agent能力，Anthropic的Claude在安全领域领先，而DeepMind则希望通过Gemini整合其对科学问题的深度理解，打造最强大的科研Agent。
这一竞争对AI办公行业影响深远。如果DeepMind胜出，那么AI办公将不再局限于简单的文档处理，而是能真正参与核心业务决策。例如，企业可以利用AI工具箱中的Agent模块，自动完成市场分析、供应链优化、风险评估等任务。而艺术签名设计这样的创意工作，虽然看似与科研无关，但同样体现了AI在特定领域自动化的潜力。
值得注意的是，人才争夺战也在加剧。江珀等人从DeepMind跳槽到Anthropic，说明顶尖AI人才更倾向于加入通用AI公司而非传统科研机构。这种趋势可能迫使更多科研机构向通用AI转型，否则将面临人才流失和竞争力下降的风险。
对行业的影响：AI研究范式正在改变
从AlphaFold到Gemini，DeepMind的转变不仅仅是组织架构调整，它预示着AI研究范式的根本性变革。
过去，AI研究是“问题驱动”的：先确定一个科学难题，再开发专用AI解决它。AlphaFold就是这种模式的巅峰之作。现在，模式正在转向“平台驱动”：先构建一个强大的通用AI平台，再通过它解决各种问题。这种模式的优势在于规模效应——一个平台可以服务多个领域，且随着数据积累和模型迭代，平台能力会持续增强。
对于其他AI实验室和科研机构，这无疑是一个警示。如果通用AI平台能够解决大部分科学问题，那么专用AI团队的价值就会下降。未来，科研机构可能需要调整组织结构，将更多资源投入通用AI基础设施建设，而非维持小而精的专家团队。
同时，这一趋势也加速了AI办公的普及。当科研领域都能实现自动化，普通办公场景自然更不在话下。我们可以预见，未来的AI办公工具将不再是一个个独立的应用，而是集成了AI图片生成、背景去除、透明背景等多种能力的统一平台。用户只需一个入口，就能完成从创意到执行的全流程。
DeepMind的这次“断臂求生”，或许正是AI行业从“专才时代”迈向“通才时代”的转折点。而AI办公，作为这一变革中最直接的受益者，将迎来前所未有的发展机遇。