拿下諾貝爾獎不到兩年，做出 AlphaFold 的那支團隊，已經不以原本的形式存在了。據《金融時報》2026 年 7 月底的獨家報導（Engadget、The Decoder、The Next Web 等多家媒體隨後跟進），Google DeepMind 已把 AlphaFold 團隊拆解，原始論文的全職作者中近四分之一直接離開公司，其餘人被分流到 Gemini 相關專案、酵素設計、核融合、基因體，以及 Alphabet 旗下的新藥開發公司 Isomorphic Labs。其中最受注目的是 2024 年諾貝爾化學獎共同得主 John Jumper——他在 6 月宣布轉投 Anthropic，另兩位核心研究者 Jonas Adler 與 Alexander Pritzel 隨後跟進。
先把我要下的判斷放最前面：這件事真正的訊號不是「Google 不做科學了」，而是 AI for Science 的組織模式正在換檔——從「養一支專職團隊死磕一個硬問題」，轉向「用一個通用大模型去輔助所有科學家」。
AlphaFold 是什麼？為什麼它被拆值得寫
先用白話講一句：蛋白質是一條由胺基酸串成的長鏈，但它在細胞裡會自己捲成一個特定的立體形狀，而這個形狀決定了它能做什麼、能不能被藥物抓住。過去要知道一個蛋白質長什麼樣子，得靠實驗室花上數月到數年；AlphaFold 讓電腦直接從序列算出形狀。
它的成績不是宣傳話術。Google DeepMind 官方頁面寫著，AlphaFold 蛋白質結構資料庫已收錄超過 2 億個結構預測、幾乎涵蓋科學界已知的所有蛋白質，並被超過 190 個國家、逾 300 萬名研究者使用。2024 年，Demis Hassabis 與 John Jumper 以「蛋白質結構預測」共同分得該年諾貝爾化學獎的一半，另一半由 David Baker 以「計算蛋白質設計」獲得。
換句話說，這是 AI for Science 迄今最成功、也最沒有爭議的一個案例。而它被拆了。
「解散」是媒體用語，DeepMind 的說法是「策略演進」
這裡必須把分寸標清楚，因為兩邊講的不是同一件事。
「解散」「拆解」「關閉」都是媒體下的標題用語——Engadget 的標題就直接寫 Google 關掉了 AlphaFold。DeepMind 的官方回應則完全迴避這組字：發言人的說法是，「AlphaFold 背後的許多研究者，今天仍在 Google、Google DeepMind 與 Isomorphic Labs 持續推動科學與技術進展」，並表示對 AlphaFold 的影響力「極為自豪」。研究副總 Pushmeet Kohli 則把它框成策略調整：「我們過去九年的策略是聚焦於重大挑戰。這個策略已經演進了。」
所以誠實的寫法是雙陳述：事實層面，一支有專屬編制、專屬題目的團隊不再以原本的形式運作，原始作者近四分之一離職；定性層面，「解散」是外界的用詞，公司自己只承認人員轉調與策略轉向。 這兩件事可以同時為真，讀者要自己拿捏其中的落差。
還有一個但書：原始獨家出自《金融時報》，原文為付費牆，本文細節皆引自公開轉引報導；人員動向只採三家媒體交叉可確認的部分，未經證實的傳聞不寫，也不對任何人的職涯選擇做評價。
為什麼這是組織模式的轉向，不只是人事異動
AlphaFold 代表的是一種很特定的做法：挑一個定義清楚的硬問題，組一支專職團隊，做一個專用模型，死磕到底。這套模式贏到了諾貝爾獎——它是被驗證過的。
而現在，同一家公司把這支團隊的人分流到 Gemini 相關專案，Kohli 描述的方向是從「圍繞單一科學問題組織團隊」轉向建構由 Gemini 驅動的 AI 科學家系統。這等於用行動說了一句話：下一波科學突破，他們押注在通用模型的能力外溢，而不是再蓋十個垂直專用模型。
這個押注不是憑空來的。我們寫過 Claude 找出 Jacobian 猜想反例 那件事——推翻一個 87 年數學猜想的，不是什麼「數學專用 AI」，而是一個通用模型，加上一位知道該往哪裡搜的數學家。Anthropic 這一年也在往同一個方向走，把科研流程包進通用模型的工作介面（見我們寫的 Claude 科研工作台）。Google 把資源往 Gemini 系列 集中，背後的邏輯是同一套。
還有一個細節值得放在心上。據報導，Jumper 與 Adler 在離職前曾被調到 Google 內部一個名為 Code Strike 的小組，任務是強化公司的 AI 程式能力、追上 Anthropic 與 OpenAI。一位諾貝爾獎等級的結構生物學研究者被配置去做程式碼——這不是誰判斷失誤，而是資源配置的邏輯已經完全由前沿模型競賽主導。
台灣的學研單位與研究者可以帶走什麼
三點，一點比一點難聽。
第一，押注單一垂直科學模型的組織風險升高了。 如果你手上正在規劃一個「做某某領域專用 AI 模型」的五年計畫，這則新聞該讓你重算一次風險——不是科學風險，是組織風險。連拿了諾貝爾獎、有全球數百萬使用者的團隊，都留不住專屬編制；台灣學研單位的資源更薄，更禁不起一次策略轉向。
所以我不建議現在去複製「養一支專職團隊死磕一個垂直模型」的模式。務實得多的做法，是把力氣放在「問題定義＋領域資料＋驗證流程」，模型能力交給每半年就換一輪的通用模型去補。這也正是 物理知情 AI 那條小數據路線 的啟示：真正稀缺的從來不是模型，而是你懂、別人不懂的那條物理定律和那批資料。
第二，留人只會更難，但留題目和資料是可能的。 頂尖科學 AI 人才正被前沿實驗室用純商業邏輯重新配置——這不是誰對誰錯，是薪資與算力的量級差距。台灣的大學與研究機構不可能在這條線上正面對打。能對打的是題目與資料：半導體製程、氣象與農業、臨床與健保體系累積的紀錄，這些是別的國家拿不到的。通用模型的能力終究會外溢到所有人手上，獨特的資料不會。
第三，給研究者個人的實話：現在該練的是「把問題翻譯給通用模型」的能力，而不是綁定某一個專用工具。 這正是 Jacobian 那件事的分工——人設定方向、模型負責搜尋。想從基本功開始的人，可以先看 研究者怎麼用 AI 做文獻與資料整理。
但別急著下定論：給你一個可以自己追蹤的觀察點
平衡的話要說完。通用模型路線未必贏。
AlphaFold 的成功本身，就是「專注」的產物——一支不被打擾、不被季度目標拉走、可以連續死磕好幾年的團隊。把人分流之後能不能長出同一個量級的突破，現在完全沒有答案。前沿實驗室做的是押注，不是已知的結論，而押注會錯。
所以我給你一個具體、不需要內線消息就能自己追蹤的觀察點：接下來兩三年，重量級的科學突破是出自「專用模型」還是「通用模型」？ 如果下一個諾貝爾獎等級的 AI 科學成果又來自一支專職團隊、一個垂直模型，那這波轉向就是一次昂貴的誤判；如果它來自某個研究者拿通用模型翻出來的東西，今天這件事就會被寫進教科書，當成分水嶺。
在那之前，任何「誰對誰錯」的定論都太早。
常見問題
AlphaFold 團隊真的被「解散」了嗎？
要分兩層看。事實層面，據《金融時報》獨家報導與多家媒體跟進，原始論文的全職作者近四分之一離開公司，其餘被分流到 Gemini 相關專案、酵素設計、核融合、基因體與 Isomorphic Labs，原本的專屬編制不再以原形式運作。但「解散」是媒體用語，DeepMind 官方回應迴避這個詞，只稱人員仍在集團內推動研究，研究副總 Pushmeet Kohli 的說法是九年來聚焦重大挑戰的策略「已經演進」。
John Jumper 為什麼離開 Google DeepMind？
公開報導確認的是時間與去向：他在 2026 年 6 月宣布轉投 Anthropic，Jonas Adler 與 Alexander Pritzel 隨後跟進。至於他本人的動機，目前沒有可信來源說明，我們不做推測，也不對個人的職涯選擇做評價。報導另提到，他與 Adler 在離職前曾被調往 Google 內部強化 AI 程式能力的 Code Strike 小組。
AlphaFold 這個工具還能用嗎？資料庫會停掉嗎？
截至本文查證時，AlphaFold 蛋白質結構資料庫的官方頁面仍正常運作，收錄超過 2 億個結構預測；相關報導也沒有提到服務有任何變動。不過，公司並未就資料庫的長期維運另行說明，這部分屬於未知，建議依賴它的研究團隊持續留意官方公告，不要假設現狀必然延續。
這代表「AI 專用模型」的時代結束了嗎？
不能這樣讀。一家公司的資源重分配，證明的是它現在的押注，不是科學上的定論——而且 AlphaFold 的成功正是專注與專用路線的產物。比較準確的說法是：垂直專用模型的「組織風險」升高了（專職編制不一定保得住），但它的科學價值沒有被否證。真正該盯的是接下來的重大成果來自哪一邊。
參考來源
- Financial Times：原始獨家報導（原文為付費牆，本文細節皆引自公開轉引報導）
- The Decoder：DeepMind dismantles its AlphaFold team as key authors leave for Anthropic（近四分之一原始作者離職、Code Strike 小組、Jumper／Adler／Pritzel 動向）
- The Next Web：DeepMind’s AlphaFold team dismantled（分流去向、Pushmeet Kohli「策略已經演進」原話）
- Engadget：Google shuts down AlphaFold（DeepMind 發言人回應原文、Jumper 於 6 月宣布轉投 Anthropic）
- Google DeepMind：AlphaFold 官方頁面（超過 2 億個結構預測、逾 300 萬名研究者、190 個以上國家）
- Wikipedia：AlphaFold（2024 年諾貝爾化學獎的分配與官方措辭、CASP14 背景）