何が起きたか
Financial Timesの報道によれば、Google DeepMindでAlphaFoldを開発したチームは組織として消滅しました。主要メンバーと論文の原著者の大半は社内で再配置され、一部はすでに退社。移動先はGemini関連プロジェクトと、DeepMindからスピンオフしたAlphabetの創薬企業Isomorphic Labsです。DeepMindはFTに対し、Gemini関連への内部異動があったことを認めています。2024年にDemis HassabisとともにノーベルNobel化学賞を受賞したJohn Jumperは、6月にAnthropicへの移籍を表明し、同僚数名も後を追いました。
AlphaFoldは、アミノ酸配列から蛋白質の三次元構造を数分で予測するAIです。2018年に開発が始まり、2020年には「50年来の蛋白質折りたたみ問題」の解と評価されました。過去50年間にX線や核磁気共鳴といった手法で約17万個の構造が同定されており、チームはその蓄積を学習データとして使いました。2021年にはNatureに手法とヒト全プロテオームの予測が掲載され、2億件を超える予測構造を無償公開するAlphaFold Protein Structure Databaseも開設。創薬やワクチン開発、アルツハイマー病やパーキンソン病に関わる蛋白質の構造変化の解明に使われています。
なぜ重要か
注目すべきは、失敗した事業が畳まれたのではないという点です。ノーベル賞を取り、データベースを世界に開放し、産業応用まで到達した「最も成功したAI研究」が解体されています。DeepMind側のコメントは、過去9年間は具体的なゴールを持つグランドチャレンジに集中する戦略だったとしつつ、「戦略は進化した」と述べるにとどまります。
ここに読み取れるのは、AI開発の重心が「特定領域の難問を解くモデル」から「汎用基盤モデル」へ移ったという判断です。AlphaFoldは狭く深い専用モデルの最高到達点でした。その人材を汎用モデルに振り向けるということは、専用モデルの積み上げよりも基盤モデルの底上げの方が期待収益が高いと経営が見ている、という意思表示に近い。
具体的な論点
第一に、成果の継続性です。データベースは公開済み、応用の場はIsomorphic Labsに移りました。研究チームという形は失われても、創薬という出口に人が集まる構図になっています。純粋研究から事業化フェーズへの移行と読むこともできます。
第二に、人材の流出方向です。Jumperらの行き先がAnthropicであることは、科学領域の最高峰人材が基盤モデル企業間を移動していることを示します。専用モデルの担い手が汎用モデル側に吸収されつつある。
第三に、グランドチャレンジ型研究の資金調達環境です。世界最強の研究組織が「戦略は進化した」と方針転換するなら、より体力のない組織で同種の長期研究が守られる保証はありません。
💼 事業会社視点：これは自社にどう効くか
日本企業への含意は「専用AIへの自社投資をどこまで抱えるか」という判断に直結します。製造業や製薬、素材メーカーが自社ドメイン専用モデルの内製に踏み込むケースが増えていますが、AlphaFoldほどの成果を出した組織すら汎用モデル側に資源を寄せた事実は重い。役員が確認すべきは、自社の専用モデル投資が「基盤モデルの次の世代で吸収される領域」か「自社データがなければ絶対に届かない領域」かの切り分けです。前者なら投資は待つべきで、後者なら加速すべきです。
受託開発・SIerにとっては提案の枠組みが変わります。「業務特化AIをスクラッチで作る」提案は、Geminiのような基盤モデルの進化で数年後に陳腐化するリスクを顧客に説明できなければ通りません。差別化は顧客固有データの整備と業務プロセスへの埋め込みに移ります。
SaaS事業者は、自社の機械学習チームの役割定義を見直す局面です。モデルを作る組織から、基盤モデルを自社データで使い切る組織へ。DeepMindが人材を動かしたのと同じ判断を、規模を縮めて自社でも下す必要があります。
さらに、AI人材の採用戦略にも影響します。トップ研究者がAnthropicのような基盤モデル企業へ集まる流れの中で、事業会社が研究者を採る理由は「論文を出すため」ではなく「自社の出口に責任を持たせるため」に限定されていきます。Isomorphic Labsへの再配置はまさにその形です。