《自然》：谷歌凭借AI技术获得诺奖：它能否带来下一个重大突破？

信息来源：https://www.nature.com/articles/d41586-025-03713-1

德米斯·哈萨比斯的预言在2024年成为现实。这位Google DeepMind联合创始人五年前向同事们宣布的目标——利用人工智能赢得诺贝尔奖——如今已经实现。凭借革命性的蛋白质结构预测AI系统AlphaFold，哈萨比斯与同事约翰·詹珀分享了诺贝尔化学奖。然而，这一科学界的巅峰荣誉背后，DeepMind正面临着前所未有的战略挑战：如何在ChatGPT引发的AI军备竞赛中，既保持商业竞争力，又坚守科学研究的初心。

从游戏规则改变者到科学突破者

DeepMind的成功并非一蹴而就。2010年成立时，这家公司汇聚了12位被业界形容为"超级天才"的研究者，致力于融合神经科学和机器学习理念，构建通用人工智能系统。柏林赫尔梯学院的计算机科学家乔安娜·布莱森回忆道："他们绝对是超级天才，是人人都想招揽的12个人。"

公司最初在深度学习和强化学习技术方面的开创性工作为后续突破奠定了基础。2015年，DeepMind开发的AI系统学会了玩街机游戏；2016年，AlphaGo击败了围棋世界冠军，震惊全球。这些成就展现了AI在复杂策略思维方面的潜力，但真正的科学价值还未完全显现。

转折点出现在蛋白质折叠问题上。哈萨比斯在剑桥大学求学期间就意识到，这个困扰生物学界数十年的难题具备AI突破所需的两个关键要素：丰富的已知结构数据库和明确的成功评估标准。更重要的是，蛋白质折叠符合哈萨比斯提出的"根节点"问题标准——一旦解决，就能开辟下游研究和应用的广阔分支。

2018年AlphaFold首版发布，到2020年其性能已远超其他任何同类工具。如今，AlphaFold数据库包含超过2亿个蛋白质结构预测，已应用于提高蜜蜂疾病免疫力、筛选恰加斯病治疗药物等多个研究领域。更重要的是，DeepMind的衍生公司Isomorphic Labs正在2024年准备启动首批AI设计药物的人体临床试验，标志着从基础研究向实际应用的重大跨越。

在谷歌DeepMind伦敦总部，一座抽象的金属雕塑占据了中心位置。图片来源：Dan Kitwood/Getty

多领域科学探索的野心

AlphaFold的成功激发了DeepMind在更多科学领域的雄心。公司科学负责人普什米特·科利表示，团队正投入大量资源攻克多个他们认为AI能产生"变革性影响"的难题，包括天气预报、核聚变能源和基因组解析。

2024年6月启动的AlphaGenome项目展现出良好前景，该项目旨在破译人类非编码DNA的长片段并预测其功能。与AlphaFold不同，AlphaGenome面临更大挑战，因为每个DNA序列可能产生多个有效功能。这个被称为基因组"暗物质"的非编码DNA区域占人类基因组的99%，其功能机制的破译将为精准医学和疾病治疗带来革命性进展。

在材料科学领域，DeepMind开发的GNoME模型在2023年预测了40万种潜在新材料，这一数量相当于传统方法800年的研究成果。科利表示，团队正利用机器学习开发更精确的电子行为模拟方法，最终目标是设计具有特定性质的材料，如磁性或超导性材料。"我们希望看到这样一个时代：人工智能基本上可以设计出任何具有你想要的任何神奇性质的材料。"

这些科学项目的推进需要专门的数据集和深度的领域知识整合，与当前主流的大语言模型开发路径形成鲜明对比。伦敦AI公司Orbital Materials首席执行官乔纳森·戈德温指出，许多其他AI公司的员工更像工程师，而DeepMind的研究人员倾向于针对每个问题回归基本原理并尝试新技术。

ChatGPT冲击波下的战略调整

德米斯·哈萨比斯于2010年联合创立了DeepMind。图片来源：Antonio Olmos/Guardian/eyevine

2022年ChatGPT的发布改变了整个AI生态系统。哈萨比斯坦承，这一成功"令所有人感到非常意外"，并称之为行业的"觉醒时刻"。面对OpenAI等竞争对手在大语言模型领域的突飞猛进，Google在2023年将DeepMind与Google Brain合并，新成立的Google DeepMind于同年12月推出了商业化LLM产品Gemini。

这一转变带来了深刻的内部冲击。公司目前以近乎每周一次的频率发布商业产品，包括Gemini LLM的各种迭代版本。哈萨比斯承认，AI发展的加速意味着公司既面临研究需求，也面临商业压力，这使得专注纯研究和负责任部署变得更加困难。"当你身处这种商业化的恶性循环中时，这些就更难做到了。"

数据显示，这种战略转变正在影响公司的学术开放性。在三大顶级AI会议上，署名DeepMind、Google Brain或Google DeepMind的研究人员发表论文的比例已从2018年峰值10.5%下降到2024年的4.5%，尽管论文总数近年来大幅增长。前Google Brain研究员尼古拉斯·卡里尼在今年早些时候的公开信中声称，在Google发表论文变得更加困难。

公司文化的变化也引发了内部争议。2024年2月，Google DeepMind从其"AI原则"中删除了不将AI应用于监视或武器的明确承诺，引发约300名英国员工组建工会的行动。尽管公司解释这是"更深入参与的机会"，但这一变化反映了商业压力对公司价值观的潜在影响。

AlphaFold 团队成员正在查看蛋白质结构的预测结果。图片来源：Alecsandra Dragoi，刊登于《自然》杂志

通用人工智能竞赛中的独特优势

在通用人工智能的竞赛中，DeepMind展现出与其他主要竞争者不同的战略思路。许多专注于大语言模型的公司押注通过扩展模型规模、增加数据和计算能力最终实现AGI，但哈萨比斯认为这可能需要在AI技术方面取得新的概念突破。

纽约大学神经科学家加里·马库斯认为，DeepMind拥有"其他公司所不具备的智力多样性"。他表示："我一直认为，与其他更专注于LLM的公司相比，他们更有可能真正实现通用人工智能。"这种多样性体现在公司同时推进多个技术路径，从强化学习到专业领域AI，而非单纯依赖语言模型的规模扩展。

约翰·詹珀和普什米特·科利在DeepMind办公室采访了研究员奥拉夫·罗内伯格。图片来源：亚历山德拉·德拉戈伊，《自然》杂志

南安普顿大学计算机科学家温迪·霍尔强调了另一个关键差异：哈萨比斯"了解他们所做工作的局限性"，并会深入思考人类实现AGI可能的含义。这种审慎态度与硅谷"快速行动，打破常规"的文化形成鲜明对比。

2024年，多家主要AI公司开始认同DeepMind的科学愿景。OpenAI和总部位于巴黎的Mistral都组建了专门从事科学发现的团队，显示出整个行业对AI科学应用价值的重新认识。

负责任AI发展的坚持与挑战

面对日益激烈的商业竞争，DeepMind试图保持其负责任AI开发的承诺。公司设立了专门的责任与安全委员会，在每个主要开发阶段提供咨询，并通过"影响力加速器"探索AI在社会领域的积极作用。

约翰·詹珀和普什米特·科利在总部大楼内。图片来源：Alecsandra Dragoi for Nature

然而，维持这种平衡变得越来越困难。戈德温指出，人才竞争更加激烈，公司不得不采取更注重工程技术的企业文化才能保持领先。虽然从事科学AI研究的团队面临的商业压力相对较小，但整体环境的变化仍然对公司文化产生影响。

布莱森认为，尽管面临压力，Google DeepMind仍有机会比其他公司做得更好。"他们身处欧洲，拥有一定的距离感。而且他们从来都不只是为了赚钱，"她说，"但我不知道这是否足够。"

展望未来，DeepMind面临的核心挑战是如何在保持科学研究深度的同时，在激烈的商业竞争中保持领先地位。该公司在材料科学、基因组学、药物发现等领域的持续投入，以及其独特的多学科研究方法，可能成为其在通用人工智能竞赛中的关键优势。正如戈德温所言："人们并不真正想要随机生成的个人视频；他们想要的是无限的能源或治愈疾病。"

在AI技术快速发展的时代，DeepMind能否在商业成功与科学使命之间找到平衡，不仅关系到公司自身的未来，也可能影响整个AI行业的发展方向。