AlphaFold时代落幕，全球AI科学家竞争开启

核心人员赢下诺贝尔奖的AlphaFold团队，正在退出历史舞台。

据《金融时报》报道，谷歌DeepMind已经解散（dismantled）AlphaFold团队。过去围绕蛋白质折叠这一单一科学问题组织起来的团队，将不再作为独立方向运行，而是逐步并入由Gemini驱动的AI for Science体系。

DeepMind证实，部分成员已经转向Gemini相关科研智能体项目，部分人员进入酶设计、基因组学、核聚变等新的科学方向，以及Alphabet旗下药物发现公司Isomorphic Labs等下游应用。此外，AlphaFold原始论文中近1/4的全职作者已经离开公司。

这一变化并不是对专用模型路线的否定，而是对其扩展边界的承认。当科学问题的数量远超顶级研究团队能够覆盖的范围时，AI for Science必须寻找一种可以规模化复制的组织方式，而智能体技术正在提供这种可能。

过去九年，DeepMind一直采取“重大科学挑战+专用AI模型”的路线：针对一个长期存在的科学问题，组织顶级研究团队，训练专门模型解决特定任务。蛋白质结构预测如此，天气预测如此，算法优化同样如此。AlphaFold正是这一范式的巅峰，它让AI首次在基础科学领域取得诺奖级突破，也证明了人工智能可以成为科学发现的重要工具。

未来，AlphaFold这样的专业模型仍然具有不可替代的价值，它们更像足够强大的“AI科研工具”，成为科学智能体可以调用的专业能力模块。而且，部分垂直领域科学数据相对缺乏，仍然需要专门治理。

现在，谷歌希望建立的是全新的“AI科研主体”。AI需要从解决单点科学问题，走向参与完整科研过程。真正的科学发现通常包括阅读已有知识、提出研究假设、设计实验方案、分析实验结果、调整理论方向等多个环节，而大语言模型和智能体技术的发展，使AI第一次有机会覆盖这些连续环节。

2026/06/20 完整阅读 >

谷歌DeepMind对AlphaFold团队的重组，并不是孤立事件。押注AI for Science，是北美AI“御三家”的共同战略方向。

谷歌在最近I/O的大会上发布了全新的Gemini for Science套件，把公司基于大语言模型的几个科学系统整合到了一个品牌下，包括能生成科学假说的AI Co-Scientist和优化算法的AlphaEvolve。OpenAI也尝试过将GPT接入实验室，由智能体和机器人完成实验操作并反馈数据；业界猜测也是通用推理模型推翻了离散几何学中长达80年未解的一个核心Erdős（厄尔德什）猜想。今年6月，Anthropic正式发布了面向科学家的AI工作台Claude Science，能自动生成多个子代理并分配他们进行科研任务。

（Claude Science可以按需在笔记本电脑、集群或GPU上构建环境并管理计算资源）

AI巨头投入AI for Science，并不是偏离商业竞争，而是在争夺下一代人工智能的重要能力边界。

过去几年，北美AI巨头竞争主要围绕基础模型能力展开，但随着模型能力提升，竞争正在向进入真实专业工作流、以及开放问题等更复杂的问题延伸。科研正是最具代表性的场景之一。从这个角度看，AI for Science并非一个普通垂直应用，而可能成为未来通用人工智能能力演进的重要路径。

科学发现对AI提出了更高要求。一个科学智能体不能只生成看似合理的答案，而必须满足可验证、可重复、可产生新知识等较高的“交付标准”。首先，AI在科学领域无法依靠“幻觉式创造”获得成功，任何错误最终都会在真实验证环节暴露。其次，AI不仅需要给出结论，需要提供可审计的研究过程，包括数据来源、实验条件、工具调用记录、关键决策依据和验证过程，使人类能够理解和复核它如何得到这一发现。最后，AI不能只是回答已经存在的问题，而是提出人类尚未解决的问题，甚至提出尚未想到的问题，并推动知识边界向前移动。

但科学也是AI安全问题最复杂的测试环境之一。科学智能体拥有越强的自主研究能力，其潜在风险也越高。尤其是在生命科学、材料科学和化学等领域，AI智能体寻找、设计与优化药物的过程，本质上也适用于让某种细胞死亡或基因失效的“生化武器”。未来前沿模型公司的竞争，不只是比拼模型能力，也需要建立与能力匹配的安全验证体系。而提前在实验室对齐科研的安全性，对应着“分阶段部署”与“许可白名单”的受控环境。

这场范式转移最直接的后果，就是人才争夺战骤然升温。过去，AI公司争夺的是机器学习研究人员和大模型工程师；如今，能够理解科学问题、设计研究路径并提供真实反馈的科学家，正在成为新的战略资产。上个月，AlphaFold的灵魂人物江珀加入Anthropic，被视为后者打造“数据中心里的天才之国”的关键拼图；而本届菲尔兹奖得主雅各布·齐默尔曼（Jacob Tsimerman），拿奖后立刻宣布加盟OpenAI。

本质上，AI公司争夺的不是“科学家”，而是“科学反馈闭环”。今年4月，Anthropic推出Anthropic STEM Fellow计划，邀请数学、物理、化学、生物等领域专家参与模型改进，让科学家直接参与发现Claude在复杂推理中的不足。

中国AI企业也正在进入这一竞争。此前，此前，中国已经在AlphaFold所代表的第一代AI for Science路径上展开探索，取得不小成功。上周，字节跳动Seed启动“Seed STEM科学家计划”，面向全球基础科学领域专家开放合作机会。这与Anthropic吸引STEM专家的逻辑高度相似。相信很快会有更多中国AI巨头跟进，从AI for Science的第一范式转向下一代范式。

此外，美国白宫近期发布《科学：新的黄金时代》报告，将AI赋能科学提升到国家竞争的高度。美国正在利用当前AI基础模型和顶尖科研资源仍然占据优势的窗口期，推动人工智能更深度融入科研体系，希望将技术领先转化为长期科学发现能力。

未来，中美AI竞争不仅体现在模型能力、算力基础设施和商业应用上，也将延伸到谁能够率先建立“模型—智能体—实验平台—科学家”的科研闭环。