共计 1106 个字符，预计需要花费 3 分钟才能阅读完成。
2024 年诺贝尔化学奖揭晓，大卫·贝克因计算蛋白质设计获奖，德米斯·哈萨比斯和约翰·M·詹珀因蛋白质结构预测获奖。大卫·贝克是蛋白质设计先驱，早于 Deepmind 提出相关算法。哈萨比斯是 Google DeepMind 联合创始人兼 CEO，詹珀是该公司总监，他们领导开发的 AlphaFold 2 解决了蛋白质结构预测难题，应用广泛，还获多项大奖。
蛋白质是生命关键，预测其结构是科学界长期难题，AlphaFold 2 几乎能预测所有已知蛋白质结构，被大量引用和使用，推动多领域发展。得知获奖，Google DeepMind 官方及相关人员发文致谢。加上此前获物理学奖的“AI 教父”杰弗里·E·辛顿，这些获奖者背后的交集是与 Google 相关，怪不得“诺贝尔派对”在 Google 园区举办，Google 可谓“赢麻了”。
Google 是最早入局人工智能的大公司之一。2012 年 6 月，Google Brain 启动“谷歌猫”项目，用算法识别视频中的猫，虽成功但有缺陷。吴恩达举荐 Hinton，Hinton 指出问题后开发新架构 AlexNet，在比赛中获胜，其团队成立公司后被 Google 收购。Hinton 在 Google 继续参与研究，为现代 AI 系统底层技术奠定基础，还推动了相关应用发展。
两年后，Google 收购了参与竞拍的对手之一 Hassabis 创立的 DeepMind。此前 DeepMind 财务困难，濒临破产，Google 的收购拯救了它，提供计算资源等支持，助力其开发出 AlphaGo 等成果。Hassabis 希望用 AI 改善人类生活，于是组建团队解决蛋白质折叠难题，诞生了 AlphaFold 项目，不断迭代取得重大突破。今年 5 月，推出 AlphaFold 3，相关论文登上《Nature》杂志，该模型不仅在蛋白质折叠预测上进步，还实现了对多种生命分子结构及相互作用的高精度预测，团队还推出免费平台。
除了游戏和生物学领域，DeepMind 还在其他方面有诸多成果，如开发语音合成模型、增强机器人任务执行能力等，推动了计算机算法发展。在人工智能竞争中，虽有公司崛起对 Google AI 策略产生质疑，尤其在生成式 AI 商业化进程上 Google 步伐相对缓慢，但两项诺贝尔奖表明 Google 深厚的科研土壤和技术积累是优势。
2006 年前，深度学习面临算法、算力和数据挑战，Google 在这些关键领域优势明显。它掌握海量数据资源，有强大计算资源，算法研发也处于前沿，如 Transformer 架构推动了 AI 发展。2024 年，AI 领域仍面临挑战，Google 同时具备三方面优势并持续结合，在与其他公司竞争中“家底”厚实，未被打败，在 AI 长跑中，技术创新的深度和广度或许决定最终胜者。
