Google DeepMind lägger ner Nobelprisvinnande AlphaFold-teamet – satsar på Gemini

Varför AlphaFold-teamet lades ner

• Strategisk omorientering. DeepMinds forskningschef Pushmeet Kohli har sagt att laboratoriet inte längre organiserar sig kring specialiserade, enskilda team. Istället koncentrerar man sig på Gemini-drivna AI-system som kan hjälpa forskare inom många områden samtidigt .
• Framväxten av LLM och AI-agenter. Financial Times rapporterar att framväxten av stora språkmodeller och AI-agenter drev DeepMind att göra om sin forskningsorganisation och strategi . Tron är att allmän AI kan ge bredare vetenskaplig impact än dedikerade verktyg som AlphaFold.

Hur nedmonteringen genomfördes (det senaste året)

• Omplacering av de flesta forskare. Majoriteten av de ursprungliga författarna till AlphaFold-artiklarna har omplacerats till andra avdelningar under det senaste året . De har flyttats till projekt som bygger på Gemini LLM, samt till arbete inom enzymdesign, kärnfusion, genomik och AI-kodning .
• Överföringar inom Alphabet. Vissa teammedlemmar har flyttats till Isomorphic Labs, Alphabets läkemedelsupptäcktsföretag .
• Uppmärksammade avgångar. I juni 2026 meddelade John Jumper – som vann 2024 års Nobelpris i kemi för AlphaFold – att han lämnade DeepMind efter nästan nio år för att gå till Anthropic . Strax därefter följde två andra AlphaFold-medförfattare, Jonas Adler och Alexander Pritzel, efter honom till Anthropic . Totalt har nästan en fjärdedel av de ursprungliga heltidsanställda DeepMind-författarna till AlphaFold-artikeln nu lämnat företaget helt .

Vad Gemini-satsningen innebär för DeepMinds vetenskapliga uppdrag

• Från specialiserat till allmänt. DeepMind satsar på att Gemini-drivna AI-agenter kan automatisera och påskynda vetenskapliga upptäckter inom biologi, kemi, fysik och materialvetenskap mer effektivt än enskilda modeller som AlphaFold .
• AlphaFold i sig finns kvar. AlphaFold-proteinstrukturdatabasen (som täcker över 200 miljoner proteiner) och själva tekniken är fortfarande tillgänglig. Flytten innebär inte att produkten läggs ner – bara att det dedikerade teamet som byggde den upphör .
• Risk för djup domänexpertis. Kritiker menar att nedläggningen av ett Nobelprisvinnande team signalerar en vilja att offra djup vetenskaplig specialisering för kapplöpningen om att bygga det mest kapabla allmänna AI-systemet, vilket potentiellt kan bromsa framsteg inom områden som läkemedelsupptäckt som var beroende av AlphaFolds fokuserade expertis .

Bredare branschtrend

• Talang flyttar till ledande AI-labb. Avgången av ledande AlphaFold-forskare till Anthropic – och den parallella förlusten av Gemini-medledaren Noam Shazeer till OpenAI – illustrerar ett bredare mönster. Den mest intensiva konkurrensen inom AI idag handlar om allmänna agenter och grundmodeller, och forskare med djup expertis inom något delområde lockas att arbeta med dessa kärnutmaningar.
• Omfördelning av resurser över hela sektorn. DeepMinds drag speglar beslut på andra laboratorier: domänspecifika verktyg (proteinfällning, väderprognoser, spel-AI:er) prioriteras ner när företag koncentrerar beräkningskraft, talang och finansiering på kapplöpningen att bygga de mest kapabla allmänna AI-agenterna. En enda allmän ”vetenskaps-AI” ses som en större konkurrensfördel än att underhålla många smala expertsystem.