诺奖得主约翰·江珀John Jumper离开Google DeepMind加入Anthropic。他曾率AlphaFold破解2亿蛋白质结构，如今转战AI编程工具。48小时连失两员大将，折射谷歌AI人才与模型双重困局。
John Jumper跑了。就这两天的事。
他刚拿完诺贝尔化学奖还不到两年，扭头就去了Anthropic。这事比Gemini模型掉出前五名更让人心里发凉——人才脚投票，从来都是最诚实的信号。
他是谁？数学物理双修，博士毕业半年直接挑大梁
先说这人什么来头。John Jumper，1985年出生，美国阿肯色州人。本科在范德堡大学，拿的是数学和物理双学位。这还不够，又拿了马歇尔奖学金跑剑桥大学读了个理论凝聚态物理的硕士，然后去芝加哥大学搞理论化学博士，2017年毕业。
你仔细看他简历就会发现一个特别有意思的点——博士毕业的时候，他对深度学习几乎没什么实操经验。简历上最显眼的东西，是对"蛋白质物理"这个具体问题有极深的理解。他懂蛋白质本身，因为解决蛋白质折叠问题，"懂蛋白质"比"懂AI"更重要。
然后DeepMind老板Demis Hassabis做了一个现在看来极其大胆的决定。Jumper博士毕业才半年，Hassabis直接点名让他当AlphaFold项目的负责人。没有过渡期，没有"先干几年研究员积累经验"这种流程，直接拉去带队攻关生物学界50年没解决的大难题。
一个连深度学习都要边干边学的博士毕业生，直接去挑战蛋白质结构预测这个烂摊子。
他在谷歌干了什么？把生物学翻了1000倍
接下里几年发生的事，只能用"离谱"两个字形容。
2018年，AlphaFold在蛋白质结构预测竞赛CASP上首次亮相，直接碾压所有传统方法。2020年，AlphaFold 2横空出世——困扰生物学家半个世纪的蛋白质折叠问题，被一个AI模型直接"解了"。整个生物学界傻眼。
再往后就更夸张了。2021年，Jumper团队算出了几乎所有5万多种人类蛋白质的3D结构，最终覆盖了约100万个物种、近2亿种已知蛋白质。我帮你算笔账：在AlphaFold之前，人类花了几十年，用X射线晶体学、冷冻电镜这些技术，一共才解出大约20万个蛋白质结构。Jumper的团队一次性翻了1000倍。
生物学家花了一百年没干完的活，AlphaFold几个月就干完了。就这么简单粗暴。
2024年5月，AlphaFold 3发布——已经不预测蛋白质了，DNA、RNA、小分子药物之间的相互作用，全能算。蛋白质-配体对接准确率76.4%，比前代方法提升了1.8倍。
五个月后，斯德哥尔摩。John Jumper和Demis Hassabis一起站上了诺贝尔化学奖的领奖台。那一年Jumper才39岁，是70年来最年轻的化学诺奖得主。
从一个连深度学习都要现学的博士毕业生，到站在斯德哥尔摩的聚光灯下，他只用了7年。
为什么跑路？不仅仅是一位科学家的出走
官宣声明写得挺体面，说自己"非常感激在谷歌DeepMind的时光"，还说"DeepMind是一个特别的地方"。Hassabis也在评论区送了祝福，说"感谢过去9年的非凡合作"。
但这事真正的痛点，不在科学，在AI编程。
据彭博社爆料，Jumper不仅是AlphaFold的负责人，这几年也是谷歌AI编程工具开发团队的核心成员。谷歌前员工透露，谷歌在企业级AI编程工具的销售上一直不太顺利。DeepMind内部甚至有人担心，公司还没给企业客户一个清晰的AI编程工具方案。
翻译成人话就是：谷歌在企业AI编程工具这条赛道上，正在输给Anthropic和OpenAI。而Anthropic挖他过去，就是要补强这个方向。
更要命的是，Jumper不是第一个跑的。就在他宣布离开的前一天，Transformer论文的作者之一Noam Shazeer也走了，回OpenAI。48小时之内连失两员大将，一个是现代大模型的祖师爷，一个是诺贝尔化学奖得主。这种人才流失速度，已经不是"大公司病"能解释的了。
内部员工自己都在吐槽："我不能责怪Noam的离开，他也不会是最后一个。"
Google这边，一边是深不见底的算力和资源，一边是留不住人的尴尬。为什么留不住？病根不难猜。内部资源争夺、官僚体系、晋升靠造新轮子而不是维护旧车，搞得天才们很窒息。在Google你要思考怎么帮广告部门赚钱，去Anthropic你只要琢磨怎么让模型更强。再加上那边IPO箭在弦上，手里期权可能是九位数的彩票，这谁顶得住？
到了新东家干啥？从蛋白质折叠到代码折叠
Jumper加入Anthropic，官方说法是"休息一段时间后加入"，但方向其实已经明牌了。Anthropic目前的核心增长引擎，就是企业级AI编程能力。
Jumper在谷歌积累了AI编程工具开发的实战经验，虽然卖得不算好，但技术底子在那。加上他那个"把生物学难题翻1000倍"的执行力，到Anthropic大概率是去搞企业级AI编程工具——不是发论文那种，是要能卖出去、能落地、能跟Cursor和Codex正面硬刚的那种。
这事对AI竞赛的格局影响不小。Google痛失一位能打通"科研深度"和"工程落地"两端的复合型人才，而Anthropic拿到了一个既能写代码又能带队干硬仗的诺贝尔奖得主。
用圈内人的原话说："这不是少了一个Director，这是少了一座桥——连接前沿研究和商业落地的桥。"
更大的图景：Google DeepMind到底怎么了？
Jumper的出走不是孤例，它是Google DeepMind系统性困境的缩影。
模型排名在往下掉。 在Artificial Analysis Intelligence Index上，Google最好的模型已经滑到了第五名。前头压着Anthropic、OpenAI，连智谱GLM都跑到前面去了。Google I/O 2026上发布的Gemini 3.5 Flash，吹得天花乱坠，结果用户实测发现逻辑推理忽上忽下，额度消耗快得像坐火箭。至于被寄予厚望的Gemini 3.5 Pro，据说内部看完都觉得掀不起什么浪花，顶多是"Opus 4.6"级别。视频模型Omni Flash发布没两天，就被字节的Seedance 2轻松碾压。
产品线乱得像一锅粥。 光是编程Agent就有Antigravity和Jules两个互相竞争，内部大概还有三四个团队在同时造类似的轮子。命名绕得人头晕：Gemini、AI Studio、Workspace、Spark、Jules、Antigravity、Flow……年年出新品，年年没人管迁移，用户永远搞不清自己该用啥。
号称便宜但算总账反而贵。 Gemini 3.5 Flash单公里油价便宜，但架不住它太能唠——完成一个任务平均要来回聊将近50轮，竞品二十来轮就搞定了。最后算总账，跑完一套任务成本超过1500美元，比GPT-5.5还贵。
内部士气肉眼可见地低迷。 外部用户反馈"Gemini的答案越来越敷衍"，内部员工吐槽"如果能用这种资源做了四个月还拿不出真东西，那我们到底在干嘛"。CEO劈柴哥在全员大会上被反复追问"落后了怎么办"，答复是"We are aware and we are working on it"——这种标准公关话术，说和不说没区别。
结语
Jumper的离开，是一面镜子。它照出的不是一个人的选择，是整个Google DeepMind的困境。当一个手握诺贝尔奖、懂蛋白质物理又能带队写代码的顶级天才，选择离开你去了竞争对手那边，你不用看财报也不用看跑分，结论已经摆在那了——聪明人不觉得未来在你这里。
Google底子还在，算力还在，钱的厚度还在。但人才在流失，产品在混乱，模型在掉队，信心在塌方。这些加在一起，才是最致命的东西。
DeepMind现在就像个吃老本的学霸，底子厚，但已经被隔壁班同学卷得开始怀疑人生了。只有当"能定义未来的感觉"断了，才是最可怕的。而John Jumper的离开，正是这根断裂的弦发出的最刺耳的一声。