DeepMind 诺奖科学家转投 Anthropic，AI 人才战从模型工程烧到基础科学
John Jumper 离开 Google DeepMind 加入 Anthropic，把 AI 人才战从大模型工程师扩展到基础科学负责人。Jumper 因 AlphaFold 相关工作获得诺贝尔化学奖，他的流动说明头部实验室争夺的不只是训练更大模型的人，也包括能把模型用于科学问题的人。
DeepMind 的优势长期来自两个方向：强化学习和科学计算。AlphaFold 让这家公司证明，AI 不只是广告、搜索和聊天工具，也能改变蛋白质结构预测这种高门槛研究。Jumper 的离开不会让 DeepMind 失去全部能力，但会削弱外界对团队稳定性的判断。
Anthropic 吸引这类人才，说明它不满足于安全模型和企业接口标签。基础科学人才可以帮助公司把模型能力连接到药物发现、材料设计、实验规划和科研助手。相比普通聊天场景，科学应用更看重可验证结果、错误边界和严谨推理。
人才流动也折射出大公司内部的资源分配压力。谷歌拥有算力、数据和产品入口，但科学团队可能要和搜索、广告、云业务争夺优先级。独立模型公司虽然商业压力更大，却能用更高薪酬、更快决策和更集中使命吸引顶级研究人员。
对 Anthropic 来说，诺奖科学家的加入还有品牌价值。它能向企业和政府客户证明，公司不是只会训练通用聊天模型，也有能力处理安全、科研和复杂推理任务。这对争取医疗、生命科学和公共部门合同很有帮助。
不过，基础科学并不是靠明星科学家就能快速变现。蛋白质结构预测成功后，药物研发仍要经过实验、临床、监管和制造环节。模型能缩短候选分子筛选时间，但不能替代湿实验，也不能保证商业化成功。资本市场容易把科学突破和收入增长混在一起。
这次跳槽会给谷歌带来管理压力。DeepMind 已经被纳入更大的 AI 组织，研究自由和产品交付之间的张力会继续存在。如果更多科学家离开，外界会质疑大型科技公司是否还能留住长期研究团队。
AI 竞争的下一阶段不只看谁的模型在榜单上多几分，也看谁能把模型嵌入真实学科。Jumper 的选择让 Anthropic 得到一张进入科学计算市场的门票，真正的考题是能否把这张门票换成可复现的研究成果。
科学人才的流动还会影响学术合作。大学实验室、制药公司和云平台都在寻找可靠的模型伙伴，如果头部研究人员集中到少数公司，开放研究可能进一步减少。基础科学需要论文、数据和复现实验，商业公司则会优先保护模型和客户关系。
这类流动会被更多研究人员观察，因为它关系到项目自主权和论文发表空间。