2026年7月底，據多家媒體報道，谷歌旗下AI實驗室DeepMind已解散支撐AlphaFold系統嘅核心團隊。AlphaFold曾因為精準預測蛋白質三維結構，協助其主要貢獻者獲得2024年諾貝爾化學獎，被公認為AI喺科學發現範疇最成功嘅應用之一。今次團隊解散，標誌住DeepMind喺策略重心上，從專項科學AI進一步向以Gemini為核心嘅通用大模型同Agent方向傾斜。

詳情：團隊重組與策略轉向

AlphaFold項目自2018年首次亮相以來，歷經多個版本迭代。AlphaFold 2喺2020年實現突破性精度，AlphaFold 3於2024年進一步擴展至蛋白質、核酸及配體相互作用預測，並與Isomorphic Labs合作推進藥物發現。團隊由Demis Hassabis、John Jumper等核心成員領導，長期專注於結構生物學與AI交叉領域。

據報道，DeepMind已系統性地調整該團隊架構：

大部分研究人員被重新分配至其他項目，尤其係與Gemini大模型、Agent系統及通用科學AI相關嘅方向。
原本獨立運作嘅AlphaFold專項組織被解散，相關技術維護與後續迭代可能並入更廣泛嘅科學AI或Isomorphic Labs體系。
此舉發生喺谷歌整體AI資源向Gemini系列集中的大背景下，此前已有報道指有人才流失到Anthropic等競爭對手。

DeepMind官方尚未發表詳細聲明，但外界普遍認為，呢係公司喺算力、人才與商業化優先度上嘅主動選擇：將有限資源更集中投放喺通用智能同可規模化產品上。

背景：由科學突破到通用AI競賽

AlphaFold嘅成功證明咗AI喺特定科學問題上嘅巨大潛力，但亦暴露咗專項模型同通用大模型之間嘅資源張力。近年，大語言模型與多模態Agent快速迭代，令科技巨頭更傾向構建統一基礎模型，再透過微調或工具調用覆蓋垂直領域。

同時，谷歌喺Gemini上嘅投入持續加大，而作為已成熟科學工具嘅AlphaFold，其邊際創新空間相對收窄。將團隊力量轉移到通用AI，可視為對當前行業趨勢嘅回應。

另外，核心團隊成員大量離職亦係AlphaFold團隊解散嘅催化器，佢哋嘅流失對Google嚟講亦係一筆重大損失。

可能影響：科學AI與產業格局嘅雙重衝擊

1. 對結構生物學與藥物研發嘅影響 AlphaFold已改變蛋白質結構預測嘅範式，其數據庫同工具仍被全球科研人員廣泛使用。團隊解散短期內唔會導致現有服務中斷，但長遠睇，後續版本迭代、新功能開發同學術支持可能放慢。依賴持續創新嘅藥物發現項目或需尋找替代方案，或轉向開源社群與其他機構嘅工作。

2. 對DeepMind與谷歌AI策略嘅影響 此舉強化咗谷歌「以Gemini為中心」嘅統一策略，有助集中算力與人才應對OpenAI、Anthropic等對手嘅競爭。然而，亦可能削弱DeepMind喺「AI for Science」領域嘅獨特品牌，降低其喺諾獎級科學突破上嘅持續輸出能力。

3. 對AI人才與開源生態嘅影響 核心成員嘅重新分配或外流，可能為其他機構（包括初創公司與學術實驗室）帶來高水平結構生物學AI人才。同時，AlphaFold相關代碼與模型已有部分開源，社群或將承擔更多維護與改進工作。

4. 對行業趨勢嘅啟示 事件凸顯出當前AI發展嘅一個重要張力：專項科學模型雖能產生深遠影響，但喺資源分配上往往讓位於通用大模型。未來「AI for Science」可能更多以通用模型+領域工具嘅形式推進，而非獨立專項團隊長期投入。

行業觀察：科學AI嘅下一階段

AlphaFold團隊嘅解散並唔代表蛋白質結構預測技術嘅終結，而係由「突破性項目