7月29日，《金融时报》报道，Google DeepMind 已经解散了开发 AlphaFold 的专职团队。今日头条
消息传得很快，毕竟这个团队刚刚创造过历史：2024年底，DeepMind 首席执行官 Demis Hassabis 和 AlphaFold 项目负责人 John Jumper 凭借 AlphaFold 拿下诺贝尔化学奖，与他们共享荣誉的还有蛋白质设计科学家 David Baker。钛媒体诺奖到手，才不到两年。
但把信息捋一遍会发现，这事和网上传的「凉凉」不是一回事。三个事实：
第一，项目没有关停。解散的是围绕「蛋白质结构预测」这一个任务建立的研究团队。AlphaFold 数据库仍在开放，目前收录了超过2亿个蛋白质结构预测，被全球190多个国家和地区的300多万名研究人员使用，超过20万篇论文把它写进研究方法。今日头条
第二，人没散，是被重新分配了。多数研究人员被调往 Gemini、AI 编程、基因组学、酶设计、核聚变等项目，一部分进入 Alphabet 旗下的 AI 制药公司 Isomorphic Labs。今日头条据《金融时报》统计，AlphaFold 原始论文的署名研究者中，已有接近四分之一离开 DeepMind。
AlphaFold 2 的主要开发者 John Jumper 宣布在 DeepMind 工作近 9 年后加入 Anthropic。今日头条包括研究员 Jonas Adler、Alexander Pritzel 在内的多位关键成员也做了同样选择。今日头条
第三，DeepMind 的官方解释值得琢磨。谷歌对《金融时报》表示，其策略正在从逐一解决特定科学问题，转向建设由 Gemini 驱动的通用科学能力。今日头条
翻译一下：在 DeepMind 看来，AlphaFold 这个任务已经完成了。真是这样吗？
二、为什么敢解散：共进化的红利快吃完了
牛津大学生物化学讲师、AlphaFold 2 论文审稿人之一 Carlos Outeiral，在8月5日发表的文章里给出了更尖锐的回答：AlphaFold 放缓的原因不是缺人、缺算力或缺数据，而是支撑它成功的核心方法正在接近边界。今日头条
AlphaFold 的看家本领是「共进化」：蛋白质折叠后，一些在序列上相距很远的氨基酸会在三维空间里互相接触，一个发生突变，另一个往往需要补偿性变化。40亿年进化把这些成对突变的统计痕迹留在了海量序列里，AlphaFold 2 做的就是「读懂」这些痕迹，反推出蛋白质的三维坐标。
Outeiral 的总结很直白：模型看起来学会了生物分子相互作用的物理规律，实际上，它学到的主要是蛋白质的家谱。今日头条
差别在遇到缺乏进化信息的新任务时就露出来了。2025年发表的一项研究中，研究人员把蛋白质 CDK2 结合口袋里的关键氨基酸替换成甘氨酸，再换成体积更大的苯丙氨酸，几乎把整个口袋堵住，AlphaFold 3、RoseTTAFold All-Atom、Chai-1 和 Boltz-1 却依然固执地把 ATP 放回原来的位置。今日头条较低的结构误差和较高的置信度，并不意味着模型理解了结合发生的原因。
Outeiral 把这类模型比作「拿着短语手册的游客」：多数时候能拼出有用的句子，也可能在最基本的语法上彻底出错。今日头条
Isomorphic Labs 今年公布的药物设计系统 IsoDDE，也暴露了同样的尺度。它在专门考察陌生蛋白-配体组合的 Runs N’ Poses 基准上，把 AlphaFold 3 的准确率提高了一倍以上，还增加了结合亲和力与潜在口袋预测。今日头条听起来很猛，但 Outeiral 的评价是「更接近 AlphaFold 3.5，而非一次真正的跨越」。
而且 IsoDDE 不公开架构、权重和训练数据，外界无法判断提升究竟来自算法还是专有实验数据。今日头条
三、人去哪了：三条路线，三种逻辑
解散之后，AlphaFold 攒下的能力被拆成了三个方向：
第一，闭源制药。最接近商业回报的部分进入 Isomorphic Labs。它与 DeepMind 共同开发了 AlphaFold 3，建立了能模拟蛋白质、DNA、RNA 和小分子相互作用的药物设计系统，今年2月又公布了一套更先进的内部模型，一些科学家称之为「AlphaFold 4」——不公开，只服务自己的药物研发。今日头条
第二，通用科研 AI。原团队里的通用 AI 人才被投入 Gemini 和智能体竞争。这是 DeepMind 明确押注的方向：不再只攻克单一科学问题，而是造出会做科研的 AI。
第三，开源后继。AlphaFold 3 官方开源仓库在2026年仍持续更新。今日头条模型发布后，Chai、Boltz、OpenFold 等团队迅速复现出性能接近的模型，Boltz-2 还开始在扩散过程中加入物理引导。今日头条今年夏季达沃斯上，也能看到 GenBio AI 这样的新公司，用虚拟细胞模型讲 AI 制药的新故事。钛媒体
还有个值得留意的细节：知识的开放程度在收缩。AlphaFold 2 发布时，DeepMind 提供了完整推理代码；AlphaFold 3 最初没有公开代码和权重，后续开放版本也受许可证限制；到 IsoDDE，前沿模型已经完全进入封闭的商业系统。今日头条共进化的红利快吃完了，如果知识流动的红利再收缩，整个领域的脚步都会变慢。
四、对你意味着什么：三类人，三种判断
如果你是生物/医药从业者：不用慌。数据库照常免费，预测结构依然是最快的初稿；AlphaFold 3 服务器仍可用，但涉及小分子结合预测时，别太迷信置信度分数——模型对药物分子的「固执」已经被实验证实。今日头条可以同步跟踪 Boltz-2、Chai 等开源替代。
如果你是 AI4S 观察者：建议盯三个信号。一是 IsoDDE 后续的开放程度，封闭的基准证明不了方法突破；二是第三方能否在公开数据上复现它的提升；三是 OpenBind 这类开放数据集的进展——这个由 Diamond Light Source 牵头的项目，5月公布的首批数据包含699种化合物的925个晶体结合事件、601种化合物的亲和力测量。今日头条下一轮跃迁要靠这种「进化没留下的数据」。
如果你关心投资侧：关键变量不是团队新闻，而是闭源路线能不能兑现——Isomorphic 内部那个被叫做「AlphaFold 4」的系统，以及 AI 设计药物的后续进展，才是判断这次解散对不对的硬证据。今日头条
五、写在最后
Outeiral 在文章结尾写道，共进化已经给了我们几乎所有它能够给出的东西。今日头条
AlphaFold 解决了它最初要解决的问题。这不是失败，而是一个研究项目最罕见的结局：真正地完成。如今人们开始要求同一套模型解释分子的运动、能量和结合，而这些答案没有被进化写进序列里。下一场仗不是折叠蛋白质，而是理解分子。
