2026年7月底，据多家媒体报道，谷歌旗下AI实验室DeepMind已解散支撑AlphaFold系统的核心团队。AlphaFold曾因精准预测蛋白质三维结构，帮助其主要贡献者获得2024年诺贝尔化学奖，被公认为AI在科学发现领域最成功的应用之一。此次团队解散，标志着DeepMind在战略重心上从专项科学AI进一步向以Gemini为核心的通用大模型与Agent方向倾斜。

详细情况：团队重组与战略转向

AlphaFold项目自2018年首次亮相以来，历经多个版本迭代。AlphaFold 2在2020年实现突破性精度，AlphaFold 3于2024年进一步扩展至蛋白质、核酸及配体相互作用预测，并与Isomorphic Labs合作推进药物发现。团队由Demis Hassabis、John Jumper等核心成员领导，长期专注于结构生物学与AI交叉领域。

据报道，DeepMind已系统性地调整该团队架构：

大部分研究人员被重新分配至其他项目，尤其是与Gemini大模型、Agent系统及通用科学AI相关的方向。
原有独立运行的AlphaFold专项组织被解散，相关技术维护与后续迭代可能并入更广泛的科学AI或Isomorphic Labs体系。
此举发生在谷歌整体AI资源向Gemini系列集中的大背景下，此前已有人才流失至Anthropic等竞争对手的报道。

DeepMind官方尚未发布详细声明，但外界普遍认为，这是公司在算力、人才与商业化优先级上的主动选择：将有限资源更集中地投入到通用智能与可规模化产品上。

背景：从科学突破到通用AI竞赛

AlphaFold的成功证明了AI在特定科学问题上的巨大潜力，但也暴露了专项模型与通用大模型之间的资源张力。近年来，大语言模型与多模态Agent的快速迭代，使科技巨头更倾向于构建统一的基础模型，再通过微调或工具调用覆盖垂直领域。

同时，谷歌在Gemini上的投入持续加大，而AlphaFold作为已成熟的科学工具，其边际创新空间相对收窄。将团队力量转移到通用AI，可视为对当前行业趋势的回应。

另外，其核心团队成员的大量离职也是AlphaFold团队解散的催化器，其人才的流失对Google而言也是一笔很大的损失。

可能影响：科学AI与产业格局的双重冲击

1. 对结构生物学与药物研发的影响 AlphaFold已改变蛋白质结构预测的范式，其数据库和工具仍被全球科研人员广泛使用。团队解散短期内不会导致现有服务中断，但长期来看，后续版本迭代、新功能开发与学术支持可能放缓。依赖持续创新的药物发现项目或需寻找替代方案，或转向开源社区与其他机构的工作。

2. 对DeepMind与谷歌AI战略的影响 此举强化了谷歌“以Gemini为中心”的统一战略，有助于集中算力与人才应对OpenAI、Anthropic等对手的竞争。然而，也可能削弱DeepMind在“AI for Science”领域的独特品牌，降低其在诺奖级科学突破上的持续输出能力。

3. 对AI人才与开源生态的影响 核心成员的重新分配或外部流动，可能为其他机构（包括初创公司与学术实验室）带来高水平结构生物学AI人才。同时，AlphaFold相关代码与模型已有部分开源，社区或将承担更多维护与改进工作。

4. 对行业趋势的启示 事件凸显了当前AI发展的一个重要张力：专项科学模型虽能产生深远影响，但在资源分配上往往让位于通用大模型。未来“AI for Science”可能更多以通用模型+领域工具的形式推进，而非独立专项团队长期投入。

行业观察：科学AI的下一阶段

AlphaFold团队的解散并不意味着蛋白质