诺奖得主John Jumper跳槽Anthropic:AI战场从语言转向生命科学的信号弹
AI圈又炸锅了！这次既不是新模型发布，也不是融资爆火，而是一位真正的诺奖得主转身加入了Anthropic，他就是John Jumper。 如果你不熟悉John Jumper，那你一定听过AlphaFold。这个用AI预测蛋白质结构的系统，直接把结构生物学推进到新阶段。2024年，John Jumper和Google DeepMind的Mins Hussbees因AlphaFold拿下诺贝尔化学奖。而现在，Jumper宣布离开工作近9年的Google DeepMind，休整后加入Anthropic。 更刺激的是，就在他官宣前不久，Transformer论文核心作者、Gemini联合负责人Noam Shazer也离开Google去了OpenAI。短短几天，Google连续失去两张超级王牌，这已不是简单的人才流动，而是AI世界的重心正在发生迁移。 John Jumper并非传统意义上的AI明星。他本科在BundleBand学数学和物理，后来在剑桥做理论凝聚态物理，又在芝加哥大学读理论化学博士。他真正懂的是复杂系统、分子动力学、蛋白质折叠。 蛋白质可不是普通数据体，人体里的酶、抗体、受体、激素很多都和蛋白质有关。一个蛋白质能否正常工作，不只取决于氨基酸序列，还取决于其在三维空间的折叠方式。折错了功能可能就变了，折对了生命活动才有可能正常运转，这就是困扰科学界几十年的蛋白质折叠问题。 在AlphaFold之前，人类想知道蛋白质三维结构，通常要靠X射线晶体学、冷冻电镜、核磁共振等实验手段。这些手段虽强但慢，虽准但贵，有时候一个结构要做几年。科学家知道海量蛋白质序列，却不知道它们长什么样，就像拿到生命说明书，大多页面却只有字没有图纸。 💡 核心洞察： AlphaFold的出现改变了这一局面。2020年，AlphaFold 2在CASP蛋白质结构预测竞赛中展现突破性能力。后来Google DeepMind和EMBL EBI一起开放AlphaFold数据库，里面有超2亿个蛋白质结构预测。这意味着科学家有了巨大的蛋白质结构地图，AI能提前给出高质量预测，让科学家起点大幅提前。 更离谱的是，John Jumper带AlphaFold团队时才刚博士毕业不久。Damis Husspies当时冒很大风险，让他在博士毕业约6个月后就领导团队。结果这个赌注回报巨大，从2017年加入DeepMind到2024年拿诺奖，只用了7年左右。一个年轻科学家带着AI系统，重写了一个学科的基础工具箱。 目前Jumper未公开在Anthropic的具体职位，Anthropic也未详细披露其具体项目。但从过去几个月动作看，方向已很清楚。Anthropic正把Cloud从聊天机器人推向科学研究助手。 去年10月，Anthropic推出Cloud for Life Sciences，给生命科学研究者提供适配科研工作流的工具，包括科学平台连接、实验协议理解、文献分析、药物研发相关支持。今年1月，Anthropic继续强调医疗和生命科学方向。今年4月，还收购了生物科技公司Coefficient Bio，团队虽不大，但方向很硬，是AI驱动的抗体设计和生命科学研发。6月30日，Anthropic要举办The Briefing AI for Science活动。 把这些线索连起来，Jumper来Anthropic不像是招了个大牛，更像是Anthropic在补AI for Science的灵魂人物。 生命科学不是普通办公场景，这里需要模型能读论文、理解实验流程、处理数据、追踪证据链，还要知道哪些话不能乱说。因为一个错误推断在普通聊天里可能只是尴尬，在生物医药里可能浪费数月实验资源甚至带来安全风险。 💡 核心洞察： 生命科学AI拼到最后，拼的不是模型会不会聊天，而是能否进入真实科研流程，帮科学家提出假设，理解蛋白质、基因通路、药物分子之间的关系，把碎片化数据变成下一步实验设计。这就是Jumper的重要性，他带来的是把AI从论文跑分变成改变科学研究工具的经验。 OpenAI今年发布了GPT Rosalind，专门面向生命科学研究，覆盖药物发现、基因组分析、蛋白质推理和科学工作流。OpenAI基金会也提到，未来一年会在生命科学、疾病研究、AI韧性社区项目等方向投入至少10亿美元。 Google当然也没停下，Demis - Hassibis旗下的Isomorphic Labs早就在做AI药物设计，还与礼来、诺华等大型药企建立合作。AlphaFold 3也从预测蛋白质结构扩展到蛋白质、DNA、RNA、小分子配体之间的相互作用预测。 这意味着AI三巨头的新战场浮出水面，不再是谁的聊天更像人、写作更流畅，而是谁能率先把AI变成真正的科学发动机。 过去10年，AI改变的是信息世界，如搜索、推荐、翻译、写代码、做视频、做图片。但接下来10年，AI可能进入物理世界和生命世界，帮人类理解分子、疾病、材料、气候等复杂系统。 💡 核心洞察： 一旦AI能加速科学发现，它改变的就不只是互联网公司，还会改变制药公司、医院、实验室、能源和材料工业，甚至改变我们理解生命本身的方式。 这次John Jumper加入Anthropic，表面是诺奖得主换公司，背后有三个更大的信号。 第一个信号，顶级人才正在选择更锋利的组织。大公司有钱、算力、数据和平台，但前沿AI实验室能给的是强烈的使命感。在这里，你不是巨型机器里的零件，可能正在亲手改变下一代AI的方向，这对顶级研究者吸引力很大。 第二个信号，AI for Science正在从概念走向主战场。以前说AI改变科学像口号，现在不一样了。诺贝尔奖给了AlphaFold，药企在接入大模型，AI实验室在抢生物学家、化学家、药物研发专家，说明资本、人才、技术都在向同一方向聚集。 第三个信号，未来的大模型不会只是万能聊天框，会分化成一个个专业系统。医疗有医疗模型，科研有科研模型，代码、法律、金融、教育、工业等都会有自己的深度工具链。真正值钱的不是会说话，而是能解决行业里最难、最贵、最耗时间的问题。 John Jumper的故事给所有人提醒，AI时代最稀缺的人不一定是最懂AI的人，而是既懂AI又懂真实世界难题的人。懂蛋白质的人能用AI改写生物学，懂材料的人可能用AI找到新电池，懂能源的人可能用AI重新设计药物研发流程。AI不是替代专业知识，而是放大专业知识。 当Transformer的核心作者去了OpenAI，AlphaFold的诺奖得主去了Anthropic，Google继续守着DeepMind和Isomorphic Labs，这三家公司正在把AI竞争从聊天窗口推向实验室。下一场AI战争可能不是谁先做出更像人的助手，而是谁先做出能帮助人类发现新药、新材料、新科学的机器。这才是John Jumper跳槽最大的意义，AI的下一站正在从理解语言走向理解生命，谁能率先理解生命，谁就可能拿到下一张真正改变世界的门票。 本文内容部分整理自网络及AI搜索补充资料
10个月宝宝每天需要喝多少奶粉？
