那是一个万物沉寂的深秋日子。全球科学界的目光聚焦在Zoom屏幕上。这是蛋白质结构预测学术竞赛CASP（Critical Assessment of Structure Prediction）第14届结果发布的现场。

这项赛事始于1994年，堪称生物学界的奥运会，是一个用计算机预测尚未通过实验揭示的蛋白质三维结构、比拼精准度的竞技场。主办方约翰·莫尔特（John Moult）教授在屏幕上展示了一张图表。图上画着过去数十年间科学家们一点一滴积累起来的平缓增长曲线，而在曲线的尽头，赫然出现了一个陡然垂直跃升的点。

那个点就是「AlphaFold 2」。莫尔特教授用颤抖的声音宣布：「这意味着一个延续了50年的难题被攻克了。」

这一刻不是一个计算机程序击败人类的事件。AlphaGo战胜李世石九段时，世界同时感到惊讶与恐惧；而当AlphaFold破解了生物学的难题时，科学家们感受到的是惊叹与宽慰。对德米斯·哈萨比斯而言，这一刻比AlphaGo对弈更为重要，是他毕生使命得到验证的瞬间。

征服了游戏的智能，终于开始解开现实世界中最复杂的问题，即生命的秘密。序幕要追溯到两年前的2018年CASP13大赛。当时DeepMind带着「AlphaFold 1」首次登上这个舞台。那时候，生物学界用半信半疑的目光打量着这些从谷歌AI实验室来的外来者。

他们认为，缺乏生物学知识的计算机工程师不可能理解蛋白质的复杂性。然而AlphaFold 1在43道题目中拿下25道最高分，夺得冠军。第二名的团队仅在3道题目中获得最高分，差距之悬殊，一目了然。

AlphaFold 1采用的方法是将蛋白质的距离当作图像的像素来处理。就像计算机视觉识别猫的照片一样，它把氨基酸序列之间的距离图当作图像来学习，从而推导出蛋白质的结构。但哈萨比斯并不满足。

虽然拿了冠军，AlphaFold 1的精度还远未达到可供实验室实际使用的水平。换算成GDT（Global Distance Test）分数大约在60分左右，大致轮廓能对上，但原子层面的精确位置常常有偏差。哈萨比斯把团队召集起来说：

「我们启动这个项目不是为了拿第一名，而是为了解决问题。」他做出了一个大胆的决定：彻底废弃AlphaFold 1的代码，从零开始重建。正是在这个节点上，一个改变项目命运的人物登场了。

他就是约翰·江珀（John Jumper）。江珀毕业于芝加哥大学化学与计算机科学专业，在蛋白质模拟领域有着深厚的造诣。加入DeepMind后，他带领AlphaFold团队，担任将哈萨比斯的愿景转化为技术实现的总指挥。

如果说哈萨比斯定义了「解决什么（What）」，那么江珀设计的就是「如何解决（How）」。两人超越了上下级关系，建立起科学伙伴之间的深度信任。江珀指出了AlphaFold 1所使用的图像识别方法CNN（卷积神经网络）的局限性。

他的洞察在于：蛋白质不是固定的图像，而是一个各部分相互作用、不断运动的三维图结构。2019年，DeepMind实验室的灯火彻夜不熄。他们引入了一种叫做「注意力机制（Attention）」的新型AI技术。

这原本是一项用于语言翻译的技术。江珀和他的团队把氨基酸序列当成一个句子来处理。正如句子中的词语根据上下文相互关联，他们让AI自主学习远距离氨基酸之间如何相互吸引、排斥。

这是生物学直觉与AI工程完美融合的时刻。他们将其命名为「Evoformer」。哈萨比斯观察着整个过程，这样描述：「我们不是在给AI念生物学课本，而是让AI自己领悟生物学的原理。」

开发过程并不顺利。距离CASP14大赛仅剩几个月时，新模型仍然不稳定。团队成员疲惫不堪，对失败的恐惧悄然蔓延。

这时候哈萨比斯展现了他独特的领导力。他深夜来到实验室，和研究员们下棋、喝茶，照顾他们的心理状态。他说：「我们正站在人类等待了数十年的发现的门槛上。」以此鼓舞团队的士气。

终于，在大赛前几周，AlphaFold 2开始展现出几何级数式的性能飞跃。2020年，CASP14的结果令人震惊。AlphaFold 2在满分100分的评测中，取得了平均92.4分的成绩。

通常90分以上就被认为在实验误差范围内与真实结构一致。也就是说，AI预测的结构与X射线晶体学或冷冻电子显微镜等耗资数十亿的设备花费数年分析得出的结构叠放在一起时，已经无法区分。在公认最困难的「自由建模」类别中，AlphaFold 2同样展现了压倒性的精度。

结果公布后，聊天窗口和推特上铺天盖地都是全球科学家的惊叹。诺贝尔奖得主、结构生物学泰斗文基·拉马克里希南（Venki Ramakrishnan）坦言：「这是一个我以为在有生之年不会被解决的问题。」德国马克斯·普朗克研究所的安德雷·卢帕斯（Andrei Lupas）教授评价道：「从今以后，结构生物学将分为AlphaFold之前和AlphaFold之后。这是一场地震级的变革。」

这场胜利不只是技术上的成就。它是哈萨比斯毕生哲学「破解智能，从而解决一切」这一命题为真的第一个有力证据。它表明，在虚拟的游戏世界中训练出的AI能够理解现实世界的物理定律和生物学的复杂性，能够拓展人类智识的边界。

他在伦敦的家中通过Zoom观看发布会，静静地微笑。4岁时面对棋盘涌起的求知欲，少年时代开发游戏时萌生的模拟世界的畅想，以及成年后

试图将神经科学与AI融合的所有努力，在这一刻汇聚到了同一个顶点。AlphaFold 2的成功，成为他和约翰·江珀在2024年共同获得诺贝尔化学奖的决定性契机。哈萨比斯相信，比奖项更大的回报，是这个工具将带来的未来变革。

人类终于拿到了拼装生命积木的说明书。公开超过2亿个蛋白质结构数据库。AlphaFold 2在CASP14上大获全胜之后，德米斯·哈萨比斯的雄心并没有停留在比赛的奖杯上。他准备将自DeepMind被谷歌收购以来一直坚守的信条付诸行动，那就是「最强大的技术应该被最广泛地使用」。

他们本可以选择将技术据为己有，向制药公司出售许可证，赚取巨额利润。许多投资人和企业家确实预期他们会走这条路。但哈萨比斯和DeepMind团队做了另一种选择。他们决定一举拓展人类生物学知识的版图。

2021年7月，DeepMind与欧洲分子生物学实验室（EMBL）合作，向全世界免费公开了「AlphaFold蛋白质结构数据库（AlphaFold Protein Structure Database）」。起初公开的是人类基因组中包含的约两万个蛋白质结构。仅这些数据量就足以让生物学教科书重新改写。

过去，一名博士生要花四五年时间才能解析一两个蛋白质的结构，才换来一个博士学位。而AI在几天之内就绘制出了人类全部蛋白质的图谱。真正的冲击波在一年后的2022年到来。DeepMind更新了数据库，公开了地球上几乎所有已知蛋白质的结构。

总数超过2亿个。植物、细菌、动物、真菌，科学已经命名的几乎所有生物体的蛋白质都涵盖在内。哈萨比斯将此比喻为「生物学的谷歌地球（Google Earth）」。

正如我们通过谷歌地球可以俯瞰地球另一端的小巷，如今科学家们坐在屏幕前，点击几下鼠标，就能在三维空间中旋转观察生命现象最深处、分子级别的机器。数据库的公开，从根本上改变了科学研究的速度。

这就好比一群在黑暗中仅凭一支手电筒探索洞穴的科学家，突然间有人打开了照亮整个洞穴的灯。来自全球190个国家和地区的200多万名研究者访问了这个数据库，几乎涵盖了全世界生物学家的大多数。

那些在实验台前手握移液器苦苦钻研的研究者们，现在可以根据AlphaFold的预测结果建立假说、设计实验，将失败的概率大幅降低。实际应用案例迅速而大量地涌现出来。其中最引人注目的案例之一，是疟疾疫苗研究。

牛津大学的研究团队多年来一直试图解析疟疾寄生虫的蛋白质结构，却因技术瓶颈而停滞不前。AlphaFold公开后，他们立刻检索了自己正在研究的蛋白质结构，几分钟内就得到了苦寻多年的答案。凭借这个结果，他们可以直接进入设计新疫苗候选物质的阶段。

这个场景象征着AI如何将「时间」这一最珍贵的资源馈赠给了科学家。塑料垃圾是人类的一大难题，朴茨茅斯大学的科学家们正在研究一种降解塑料的酶（PETase）。他们借助AlphaFold追踪了这种酶的进化历程，成功改造了酶的结构，使其能更快、更高效地降解塑料。

这意味着原本需要500年才能降解的塑料，有望在几天内被分解。这正是哈萨比斯「通过AI解决气候危机和环境问题」这一愿景的具体体现。在抗生素耐药性问题和罕见遗传病研究中，AlphaFold也成为不可或缺的工具。科罗拉多大学的研究团队分析了耐药菌的结构以探索新的治疗方法，挪威的研究者则借助这些数据来理解蜜蜂的免疫系统。

甚至在保护濒危物种、培育耐气候变化作物的农业领域，AlphaFold的数据也如同种子一般催生了新的发现。哈萨比斯将这次大规模数据公开所带来的影响定义为「数字生物学（Digital Biology）」的开端。他相信，生物学已经进入了信息科学的领域。

生命归根结底是信息的复杂处理过程，而AI是解读这些信息的最卓越工具。他在一次采访中这样说：「当我们公开了2亿个结构时，那是送给全人类的礼物。

更重要的是，这仅仅是个开始。我们现在需要超越仅仅知道蛋白质的形状，去预测它们如何相互作用、如何成为新药、如何治愈疾病。」这些成果成为2024年诺贝尔化学奖最有力的依据。

诺贝尔委员会高度评价的并非AlphaFold作为软件在技术上有多么出色，而是它为全世界科学家提供了强大的研究工具，从而加速了科学的进步。哈萨比斯和约翰·江珀没有将这个工具私有化，而是选择了共享，以最古典、最学术的方式，而非硅谷的方式，践行了科学的本质价值：知识的共享与传播。「生物学的谷歌地球」是对哈萨比斯12岁时提出的那个问题「这种智能难道不能用在更有意义的地方吗」最宏伟的回答。

他超越了棋盘上的64个格子，将如宇宙般辽阔的生命微观世界展现在人类眼前。这不是一个天才的胜利，而是这个天才创造的工具让数百万科学家得以在各自的岗位上取得胜利，是真正意义上的「集体智慧的胜利」。

AlphaFold预测结构（蓝色）与实验结构（绿色）对比

人工智能专家 金京镇律师

AI法律政策专家 · 前国会议员 · 著作等身

如果这本书曾在您身旁短暂停留，请支持我们，让下一个故事得以问世。

（自愿赞助账户：农协 302-1096-0948-81 户名：金京镇）