FT 报道后的第二天，DeepMind 发言人对《科学美国人》的回应很平静：很多人员变动发生在一年前甚至更早，AlphaFold 的公共数据库和预测服务器仍然开放。

团队散了，但成果没有消失。AlphaFold 预测的蛋白质结构库，已经是全球结构生物学研究者的基础设施。有人拿它做疟疾疫苗，有人拿它改良作物，Isomorphic Labs 这家药物发现公司，就建立在 AlphaFold 的研究之上。

要理解这件事，得先看 DeepMind 怎么定义 AlphaFold。CASP 竞赛联合创始人、马里兰大学计算生物学家 约翰·莫尔特（John Moult）说得直接：DeepMind 从一开始就挑了一个「能用干净方式证明成败」的问题，不仅要向世界证明，也要向自己证明。

结果是，2020 年 AlphaFold2 就拿下了这场证明。莫尔特当年就说，结构预测问题基本被解决了。DeepMind 自己也知道：「他们做到了。下一个任务是什么？」

对一家以「宏大挑战」为组织方式的研究机构来说，AlphaFold 从立项起就是一道题、一支队、一个目标。题做完了，队就解散，人流向下一道题。这中间没有悲情，只有流程。

解散的另一个背景，是钱。哈萨比斯坚持把 AlphaFold 免费开放，这个决定为谷歌赢得了巨大声望，却在公司内部积累了摩擦：突破很大，收入很少。

与此同时，DeepMind 的战略重心在变。研究副总裁 普什米特·科利（Pushmeet Kohli）对 FT 解释：过去九年实验室围绕「宏大挑战」组织团队，现在策略变了，要搭建 Gemini 驱动的科学助手系统，还要和 OpenAI、Anthropic 抢前沿 Agent 的位置。

AlphaFold 是旧战略的完美作品，也是新战略里最先被放下的东西。

哈佛医学院计算生物学家 黛博拉·马克斯（Debora Marks）的回答几乎有点冷酷：「我也会做同样的事。已经做完了，为什么还要继续？」

更关键的是，AlphaFold 的接力棒早就传出去了。2024 年 DeepMind 开源了 AlphaFold3 的推理代码，权重也向学术界开放。独立研究组已经做出了自己的版本和扩展。莫尔特说，他不认为解散会拖慢这项工作，「因为其他人现在也在做」。

但「基本解决」只针对一个具体基准，结构生物学还有大片未完成。蛋白质常常是更大分子机器的一部分，干活时会在多种形状间切换，研究者依然很难预测这些动态状态，以及分子怎么与它结合。

莫尔特说：「还有一长串这样的问题，肯定没有完全解决。」

这些问题还等着新的 AlphaFold。只是下一次，不一定是谷歌来做。

把镜头拉远，AlphaFold 团队的解散只是 DeepMind 权力交接的一部分。哈萨比斯升任 Alphabet 首席科学家后，DeepMind 的新掌舵者 卡武克库奥卢 接过的摊子，比一个蛋白质预测团队大得多：谷歌在 AI 上一年砸下约 1900 亿美元，却还没能把 Transformer 级别的科学突破变成像 ChatGPT 那样的产品先机。

FT 说谷歌的 AI 布局是全硅谷最广的，广到需要重新聚焦；彭博社说哈萨比斯的离开带走了唯一一个在加州之外掌控美国 AI 巨头研发的人。两条线指向同一件事：谷歌的 AI 重心正在从"伦敦的实验室"回到"加州的生意"。

AlphaFold 是这次重心转移里第一个被放下的名字。它被放下，是因为它已经完成了使命。真正值得盯的，是谷歌接下来怎么处理那些还没完成的科学，以及那些和 AlphaFold 一样，曾经被寄予"证明谷歌"厚望的东西。