新芒xAI 7月30日消息，最新报道显示，Google DeepMind已对AlphaFold团队进行重大调整，AlphaFold论文最初作者中的多数成员在过去一年被重新分配至其他岗位、转入Alphabet旗下Isomorphic Labs，或离开公司。这一变化意味着，曾以蛋白质结构预测突破获得诺奖级认可的核心科研团队，正在被纳入DeepMind更大范围的AI科研战略重组。
AlphaFold曾被视为AI for Science最具代表性的成果之一，其蛋白质结构预测能力改变了生命科学研究流程。团队调整并不等同于AlphaFold项目价值下降，更像是DeepMind将单点突破式科研团队，重新整合到以Gemini、科学自动化和药物研发平台为中心的新体系中。
关键要点
- AlphaFold核心团队被重新分配。 报道称，多数早期作者已在过去一年内转岗、转入Isomorphic Labs或离开DeepMind，原团队组织形态发生明显变化。
- DeepMind科研重点正在迁移。 与其继续维持单一项目团队，公司更倾向于把科学发现能力嵌入更通用的模型、工具链和平台化研究体系。
- AI for Science进入平台竞争阶段。 生命科学、药物研发、材料科学等方向正在从“证明AI能解决一个重大问题”，转向“让AI持续参与科研流程”。
- 人才流动加剧前沿实验室竞争。 AlphaFold相关成员的转岗与离职，也反映出OpenAI、Anthropic、Google DeepMind等机构在AI科研人才上的竞争继续升温。
新芒xAI评论
AlphaFold团队调整的信号价值，大于单一组织变化本身。第一代AI for Science突破更多依赖专门团队和专门任务：蛋白质结构预测就是明确目标、高质量数据和深度专业知识结合后的典型成果。现在，前沿实验室更想把这种能力迁移到通用模型和科研工作流中，让模型不仅能回答科学问题，还能提出假设、调用工具、设计实验并帮助验证结果。
这会改变AI科研的组织方式。未来的竞争不只是某个模型在某项科学任务上刷出高分，而是实验室能否把基础模型、领域数据、仿真工具、自动化实验和商业转化连接起来。DeepMind把AlphaFold经验导入更大的科研平台，逻辑上符合这一趋势。
风险也很明确：当明星团队被拆分，原有项目的长期维护、开放生态和学术连续性可能受到影响。AI for Science要从科研突破走向产业化，既需要大模型平台能力，也需要稳定的领域团队和透明的科研合作机制。
