模型
也叫：AlphaFold模型
深度学习蛋白质结构预测模型
最近变化
2026-07-18 · 新型酶可清除52-97%的CML分子，逆转皮肤衰老
AlphaFold 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
已收录 20 篇与「AlphaFold」相关的 AI 资讯和分析。
DeepMind创始人Demis Hassabis在播客中分享了从国际象棋神童到诺奖得主的历程，探讨了通用人工智能（AGI）的关键缺失组件，如持续学习与长期推理，并揭示了AlphaFold、Gemini模型对科学发现的影响及未来AI在材料科学、药物发现等领域的变革潜力。
入选理由：Demis认为当前AI系统需突破持续学习、长期推理和高效记忆机制以接近AGI。
科学家通过酶技术成功将70岁皮肤逆转至31岁，利用AlphaFold和定向进化方法开发新型酶。
入选理由：新型酶可清除52-97%的CML分子，逆转皮肤衰老
AlphaFold 解决了蛋白质折叠难题，但 John Jumper 离开 DeepMind，留下科学与工程的未来方向。
入选理由：AlphaFold 在 2020 年 CASP 竞赛中显著超越其他团队，解决了蛋白质折叠问题。
谷歌AI核心人才接连流失，AlphaFold之父John Jumper加入Anthropic，Transformer作者Noam Shazeer加入OpenAI。
入选理由：AlphaFold之父John Jumper加入Anthropic，可能推动生命科学领域AI应用。
谷歌短时间内失去两位AI领域顶尖人才，内部士气受挫，AI研发竞争力下降。
入选理由：Noam Shazeer加入OpenAI，负责架构研究。
Google I/O emphasized that the path of AI in science is shifting from specialized tools to general agent systems, signaling a fundamental change in research paradigms.
入选理由：Google 提出 WeatherNext 等专用 AI 工具已取得实际成果，但正在向通用智能体倾斜。
Jure Leskovec introduces Kumo's Relational Foundation Model (RFM2), which processes multi-table data via graph structures to enable zero-shot inference on enterprise databases, deployed at companies like Reddit.
入选理由：RFM2通过子图上下文学习，可在新数据库和任务上实现零样本推理
AlphaFold has garnered significant acclaim in the scientific community due to its revolutionary protein structure prediction capabilities, with over three million researchers currently utilizing the tool for important work. Experts discuss the possibility of it receiving a Nobel Prize, highlighting this as recognition of AI's major contributions to biological research.
入选理由：AlphaFold已被全球超过300万科研人员采用
Researchers in Uganda used AlphaFold to narrow down breast cancer vaccine targets from 15,000 to 15, significantly lowering research barriers and advancing local precision medicine.
入选理由：乌干达女性乳腺癌发病率为 1/12，且发病年龄早于世界其他地区。
Demis Hassabis emphasizes the application of AI in improving human health, from AlphaFold to Isomorphic Labs, aiming to redefine drug discovery and ultimately solve all diseases.
入选理由：AlphaFold 已经在蛋白质结构预测方面取得重大突破。
AI并非让人变笨，而是工具的使用方式决定其影响，合理使用AI可提升能力。
入选理由：MIT研究显示，先自主写作再使用AI的人写作能力显著提升。
Demis Hassabis of Google DeepMind discusses how AI, particularly AlphaFold, is revolutionizing drug discovery, potentially reducing the process from years to days.
入选理由：AlphaFold by DeepMind marks significant progress in AI-driven protein structure prediction.
DeepMind CEO Demis Hassabis predicts AGI could emerge by 2029–2030 (i.e., within ~3 years), with development pace far surpassing expectations; he stresses AGI will evolve incrementally—not via a sudden singularity—and warns societal preparedness is severely inadequate.
入选理由：哈萨比斯预测AGI最快2029–2030年出现，即约三年内可能落地。
跨学科科学家Derya Unutmaz分享了AI在生物医学领域的应用潜力，强调深度学习对复杂生物系统研究的变革作用。
入选理由：生物系统复杂性推动AI在医学研究中的应用需求
Anthropic 正在大力投资生物学领域，已收购一支生物技术团队并聘请了 AlphaFold 的创造者。
入选理由：Anthropic 支付了 4 亿美元收购一支生物技术团队。
AI领域人才流动频繁，多位关键人物在不同机构间转移，影响技术发展。
入选理由：Noam Shazeer从Google DeepMind加入OpenAI，曾参与Transformer论文的撰写。
AlphaFold 负责人 John Jumper 离职 Google DeepMind，加入 Anthropic，引发对 AlphaFold 未来发展的关注。
入选理由：John Jumper 在 DeepMind 工作了近 9 年，领导 AlphaFold 项目。
The video discusses the comparison between physicists Feynman and Einstein or Newton, with the respondent favoring Feynman as their personal favorite, while also highly praising Two Minute Papers' videos on AlphaFold as some of the best explanations available.
入选理由：受访者在爱因斯坦和费曼之间选择费曼作为个人最爱。
This video clip features a viewer Q&A segment debating whether Feynman, Einstein, or Newton is superior, but contains no substantive scientific analysis or technical content—only a brief endorsement of the Two Minute Papers YouTube channel’s AlphaFold videos as among the best explanations available.
入选理由：视频中无实质性科学对比，仅为观众主观偏好投票（如‘Feynman for me’）
This page is a navigation template from the Google DeepMind official blog, not a complete technical article, containing only site menus and model lists without substantive content.
入选理由：该页面展示了 DeepMind 的 AI 模型家族，包括 Gemini、Veo 和 AlphaFold。
与「AlphaFold」经常一起出现的 AI 术语。
💡 想追踪「AlphaFold」的长期趋势？去 实体雷达 · AlphaFold 查看详细分析和跨材料问答。
