Google DeepMind распустила нобелевскую команду AlphaFold

Как проходила реструктуризация (за последний год)

• Перевод большинства исследователей. Большая часть авторов оригинальных статей AlphaFold за последний год была переведена в другие отделы . Их направили на проекты вокруг Gemini, а также в области разработки ферментов, термоядерного синтеза, геномики и ИИ-кодинга .
• Внутренние перемещения в Alphabet. Часть сотрудников перешла в Isomorphic Labs — дочернюю компанию Alphabet, занимающуюся открытием лекарств .
• Громкие уходы. В июне 2026 года Джон Джампер — лауреат Нобелевской премии по химии 2024 года за AlphaFold — объявил об уходе из DeepMind после почти девяти лет и переходе в Anthropic . Вскоре за ним последовали два других соавтора AlphaFold, Йонас Адлер и Александр Притцель . В общей сложности почти четверть всех штатных авторов оригинальной статьи AlphaFold покинули компанию .

Что поворот к Gemini значит для научной миссии DeepMind

• От частного к общему. DeepMind делает ставку на то, что ИИ-агенты на базе Gemini смогут автоматизировать и ускорять научные открытия в биологии, химии, физике и материаловедении эффективнее, чем отдельные модели вроде AlphaFold .
• AlphaFold продолжает жить. База данных структур белков AlphaFold (более 200 миллионов белков) и сама технология остаются доступными. Речь не идёт о закрытии продукта — речь о ликвидации выделенной команды, которая его создала .
• Риск потери глубинной экспертизы. Критики считают, что расформирование нобелевской команды сигнализирует о готовности жертвовать глубокой научной специализацией ради гонки за самым мощным общим ИИ, что может замедлить прогресс в таких областях, как разработка лекарств, где требовалась сфокусированная экспертиза AlphaFold .

Широкий отраслевой тренд

• Таланты утекают в frontier-лаборатории. Уход ведущих учёных AlphaFold в Anthropic — а также параллельный уход соруководителя Gemini Ноама Шазера в OpenAI — иллюстрирует общую картину. Самая острая конкуренция в ИИ сегодня идёт вокруг общих агентов и фундаментальных моделей, и исследователи с глубокой экспертизой в любой подобласти переманиваются на эти ключевые задачи.
• Перераспределение ресурсов по всему сектору. Действия DeepMind повторяют решения других лабораторий: специализированные инструменты (свёртывание белков, прогноз погоды, игровые ИИ) уходят на второй план, поскольку компании концентрируют вычислительные мощности, таланты и финансирование на гонке за создание самых способных общих ИИ-агентов. Один универсальный «ИИ-учёный» считается более выгодным конкурентным преимуществом, чем множество узких экспертных систем.