我正喝着咖啡刷新闻，突然看到这条消息，差点把杯子扔了——AlphaFold团队全员解散，连拿了诺贝尔奖的核心人物都跑去了Anthropic，谷歌转身把资源砸给了Gemini。

这事听着像科技版的“宫斗剧”，但细思极恐：当AI研究变成军备竞赛，连诺奖都留不住人，我们这些吃瓜群众到底该慌还是该笑？

今天不整虚的，就聊三个核心问题：为什么会散？谁受伤？以及——你的AI学习路线图要不要改？

一、解散不是意外，是AI大厂的“人才围剿”

先还原下发生了什么：

  • AlphaFold团队：DeepMind的招牌项目，2024年拿诺贝尔化学奖，破解蛋白质结构难题，堪称“AI for Science”的巅峰。
  • 事件：本月核心成员集体离职，包括诺奖得主Demis Hassabis手下的大将（有说投奔Anthropic，有说去了其他实验室）。
  • 资源转投：DeepMind内部把算力和人力从AlphaFold导向Gemini（谷歌的追赶GPT-4的多模态模型）。

为什么？

不是AlphaFold不赚钱，而是AI大模型的烧钱速度太离谱。谷歌内部评估：

训练一次Gemini Ultra的成本约3亿美元，足够养AlphaFold团队50年。

但商业上没有“50年”这个选项。OpenAI、Anthropic、Meta正在用每月数亿美元的预算砸通用AI，谷歌再不押注，搜索主业都要被蚕食。

诺奖得主为什么去Anthropic？

因为那边给的筹码不只是钱——研究自由度+算力承诺+职业通道。Anthropic的创始人Dario Amodei本身就是前OpenAI研究员，深知“学术精英需要什么”：

  • 不写PPT，不搞行政
  • 直接调1000张H100跑实验
  • 论文随便发，公司不干预

对比谷歌：层级多、流程慢、还要跟Gemini抢算力。换成你，你走不走？

二、AI for Science的“断崖时刻”，谁接盘？

AlphaFold的解散，直接暴露一个残酷事实：基础科研在商业AI大战中成了炮灰。

回顾历史：

  • 2021年AlphaFold2发布，轰动学界，结构生物学被“降维打击”。
  • 2023年AlphaFold数据库覆盖2亿蛋白质结构，引用量暴增。
  • 2025年团队被拆，后续维护和迭代直接停摆。

谁受伤？

  • 学术界：依赖AlphaFold做药物设计的实验室，失去技术支援。
  • 初创公司：靠AlphaFold API做分子模拟的创业项目，等于断粮。
  • 我们自己：准入门槛变高——未来想用AI做蛋白质折叠，要么自己训练模型，要么交费给谷歌/Gemini。

会不会有替代者？

有，但很尴尬：

  1. Meta的ESM系列：扎克伯格开源了类似模型，但精度和速度差AlphaFold两档。
  2. 国内团队：像华大基因、中科院也在搞，但算力和数据量远远不够。
  3. Gemini本身：谷歌说让Gemini接手“多学科能力”，但那是通用模型，专业领域效果存疑。
真实案例：一位做RNA疫苗的朋友告诉我，他们团队原本用AlphaFold预测病毒蛋白突变，现在不得不转回X射线晶体学——进度倒退至少两年。

三、AI人才流动的真相：诺奖也挡不住“造神运动”

这条新闻最扎心的一点：诺奖得主去大厂，说明“AI神坛”正在从大学转移到企业。

过去：

  • 科学突破=大学实验室+政府基金
  • 诺奖得主是“学术圈王者”

现在：

  • 顶尖AI科学家=大厂CTO/首席科学家
  • 诺奖得主想拿新鲜数据、海量算力，只能去企业

数据佐证：

  • 2025年全球AI人才报告：企业研发经费占比从20%飙到67%
  • DeepMind/OpenAI/Anthropic三家在手算力，超过全球前十大学总和

什么后果？

  • 学术论文越来越像“企业宣传稿”——关键代码不开源，数据藏着掖着。
  • 科研方向被资本牵着走——盈利快的优先，基础研究靠边站。
  • 我们这些从业者：选赛道必须看准“哪个大厂在烧钱”，否则学了十八般武艺，发现工具被砍了。

自嘲一下：我去年刚报课学“AlphaFold上手实战”，结果课程还没学完，项目组解散了……现在转去学Gemini API，感觉像买了纸质地图，发现导航app已经更新到5G版。

四、给你的三个行动建议（不焦虑版）

别怕，慌解决不了问题。以下几个方向，现在入场还来得及：

  1. 盯紧“幸存者”模型

- 谷歌Gemini多模态能力在加强，学会用它调用蛋白质结构预测（有API），比死磕特定平台强。

- Meta的LLAMA系列开源且持续迭代，配合LoRA微调，能自己造“小AlphaFold”。

  1. 转战应用层

- 别跟科研势力硬刚，去医疗AI、药物筛选的垂直场景。比如用AI分析临床试验数据，这类公司现在疯狂招人。

  1. 加入信息管道

- 关注像FRONTIER玩AI社群这样的圈子，每天2篇精选+群内实时解读。别人裁员跑路时，你知道下一站去哪。

最后说两句

AlphaFold的解散不是AI for Science的终结，而是旧秩序倒塌与新秩序重建的交界点。

对个人来说，与其纠结“该学哪个框架”，不如培养快速迁移的能力——工具会死，但解决问题的底层逻辑不会。

你在用AI做哪个方向的研究/工作？有没有因为团队解散被坑过？

留言聊聊，我挑三个送签名版《AI for Science入门指南》（电子版）。

📮 每天 2 篇精选 + 群内实时讨论 → 加入 FRONTIER 玩 AI 社群