去年十月Demis Hassabis和John Jumper因为AlphaFold 2拿到了诺贝尔化学奖。一个AI系统，把困扰结构生物学五十年的蛋白质折叠问题给解了——预测精度达到原子级别，几个小时出结果，传统方法要几个月。
影响有多大
AlphaFold蛋白质结构数据库现在收录了2.4亿+预测结构，覆盖了人体产生的每种蛋白质。全球190多个国家的300多万研究者在用，其中三分之一来自中低收入国家。贡献了约20万篇论文。
后续版本还在迭代：
- AlphaFold Multimer：预测多蛋白质复合体结构
- AlphaFold 3：扩展到DNA、RNA、配体等所有生命分子
- “AlphaFold 4”（非官方名）：衍生公司Isomorphic Labs在研发，面向药物发现
DeepMind的困境
Nature那篇长文问了一个犀利的问题：拿完诺贝尔奖的DeepMind，还能再搞出同等量级的突破吗？
问题的核心不是DeepMind缺不缺人才或技术，而是大环境变了。LLM浪潮把几乎所有AI资金和关注度都吸走了。DeepMind最初的使命是”用AI推动科学发现”，但公司的资源和人才很难完全不受LLM热潮的影响。
Hassabis自己的判断是乐观的：AI驱动的科学研究将在10到15年的洗牌期后迎来一场”文艺复兴”。
为什么这件事超越了AI行业本身
AlphaFold的意义不只是”AI好厉害”。它第一次在主流学术界证明了AI可以解决传统方法解决不了的基础科学问题。这个先例的价值远超任何benchmark分数。
如果AI在蛋白质折叠上能做到这一步，在材料科学、药物设计、气候模拟等领域也有可能产生类似量级的突破。问题只是：谁来投钱做这些不那么容易变现的方向？
参考来源：Nature报道