核心观点 - 曾获得诺贝尔奖并成功开发AlphaFold的Google DeepMind明星团队已被解散，其成员被分流至公司内部多个不同项目或离开公司，这标志着Google的科研模式正从“小团队、长周期、单点攻坚”转向以通用AI模型Gemini为底座的平台化科研模式[1][10][35] 团队解散与成员去向 - 该团队已不再作为独立实体存在，原成员被分流至Google内部多个项目，包括Gemini、AI编程、基因组、蛋白质与酶设计、核聚变研究，以及Alphabet旗下的药物研发公司Isomorphic Labs[4][10][11][12] - 部分核心成员已离开Google，其中最受关注的是AlphaFold 2负责人、诺贝尔化学奖得主John Jumper，以及核心成员Jonas Adler和Alexander Pritzel，他们均加入了竞争对手Anthropic[16][17][20][21] - 在最初署名AlphaFold论文的DeepMind员工中，有接近四分之一已经离开公司[22] AlphaFold的成就与原有模式 - 该团队解决了困扰生物学界数十年的蛋白质结构预测难题，其AlphaFold 2模型被诺奖官方评价为“已经能够预测几乎所有已知蛋白质的结构”，并释放了超过2亿个蛋白质结构预测结果[25][26] - 成功的关键在于采用了“小团队、长周期、单点攻坚”的研究模式：组建了一个小而紧密的跨学科团队，长期专注于“仅根据氨基酸序列准确预测蛋白质结构”这一高难度单一目标，并愿意在遇到瓶颈时推倒重来[28][29][32] Google科研模式的战略转变 - 公司正在将AlphaFold积累的人才和方法拆散并扩散到更广泛的科学问题中，押注于以通用大模型Gemini为底座的平台化科研模式[34][35] - 新模式旨在让不同科研项目共享Gemini模型、算力和人才，科学家无需为每个问题从头训练专用模型，Gemini可配合AI Co-Scientist等智能体辅助研究流程，提升效率[36] - 公司已将这套能力集成到云服务，最新推出的Science Skills连通了AlphaFold数据库等超过30种生命科学数据库和工具，可将过去需要手动切换多个工具完成的分析串联进同一工作流[38][39][40] - 该平台化模式的优势在于，一套以Gemini为底座的科研平台可同时服务生物、材料、数学、核聚变等多个领域，复用模型能力、算力和工具，降低分析方法的使用门槛[41][42] 模式转变的潜在影响与挑战 - 平台化模式可能带来效率的成倍提升[43] - 但原有“小团队专注攻坚单一难题”的成功模式难以被平台化复制，将专家分散到更多项目后，每个具体问题能分配到的专注度可能下降[44][45] - 公司未来是否还愿意允许一支团队花费数年时间仅攻克一个难题而不推出产品，存在不确定性[46] - 此次团队重组留下的核心悬念是，公司能否找到下一个值得投入十年攻坚的重大科学问题[47]