诺贝尔奖连续颁发给AI领域，揭示了科技巨头Google的巨大影响力。2024年，诺贝尔化学奖的一半授予了华盛顿大学蛋白质设计研究所所长David Baker，表彰他在计算蛋白质设计的贡献；另一半共同授予德米斯·哈萨比斯（Demis Hassabis）和约翰·M·詹珀（John M.Jumper），以表彰他们在蛋白质结构预测方面的成就。这三位科学家的贡献，极大地推动了生命科学的发展。

David Baker设计的创新蛋白质广泛应用于药物、疫苗、纳米材料、微型传感器等领域，早于DeepMind的AlphaFold提出蛋白质结构预测算法。Demis Hassabis和John M.Jumper领导开发的AlphaFold 2，解决了预测蛋白质复杂结构的难题，至今已被引用超过2万次，对疟疾疫苗、癌症治疗、酶设计和抗生素耐药性研究等领域产生了深远影响。两人去年已获得生命科学突破奖和拉斯克奖，以表彰其基础医学研究的突出贡献。

蛋白质作为生命的基础化学工具，控制并推动着所有生物化学反应。AlphaFold 2的出现，几乎能够预测所有已被研究人员识别的蛋白质结构，极大地促进了科学进步。DeepMind团队在蛋白质折叠难题上的突破，展示了AI在科学领域的巨大潜力。

在时间线上，谷歌作为最早入局人工智能的大公司，主导了深度学习领域的多个关键节点。谷歌Brain团队在2012年启动的“谷歌猫”项目，使用算法识别YouTube视频中的猫，标志着深度学习在实际应用中的重大突破。随后，Hinton团队开发的AlexNet在ImageNet图像识别比赛中取得胜利，展示了深度学习的潜力。Hinton加入谷歌后，推动了深度学习技术的广泛应用，并参与开发了TensorFlow，进一步推动了AI应用的发展。

谷歌通过收购DNNResearch和DeepMind，不仅保留了核心技术团队，还为其提供了强大的计算资源和资金支持，推动了AlphaFold系列产品的研发。DeepMind在生物科学、游戏领域以及机器人技术等方面取得了显著成就，AlphaFold 3的发布更是展现了AI在预测生命分子结构上的巨大潜力。

尽管OpenAI等公司近期在生成式AI领域展现出强劲势头，但Google深厚的科研实力和技术积累仍然是其竞争优势所在。在算法、算力和数据资源方面，Google具有显著优势，为AI研究提供了坚实的基础。面对AI领域的持续竞争，Google的“家底”仍然深厚，未来在AI竞赛中有望继续保持领先地位。