Appearance
Google DeepMind
全球最知名的 AI 研究实验室之一。从 AlphaGo 击败围棋世界冠军，到 AlphaFold 解决 50 年蛋白质折叠难题，再到 Gemini 原生多模态模型的诞生。
公司概况
| 属性 | 信息 |
|---|---|
| 成立时间 | 2010 年（伦敦），2014 年被 Google 收购 |
| 合并 | 2023 年 4 月与 Google Brain 合并为 Google DeepMind |
| 创始人 | Demis Hassabis, Shane Legg, Mustafa Suleyman |
| CEO | Demis Hassabis |
| 总部 | 英国伦敦 + 美国加州山景城 |
| 核心领域 | AGI 研究、强化学习、蛋白质预测、多模态 AI、AI 安全 |
| 著名产出 | AlphaGo、AlphaFold、Gemini、Gemma、AlphaProteo |
关键里程碑
| 年份 | 事件 | 影响 |
|---|---|---|
| 2010 | DeepMind 成立 | — |
| 2014 | 被 Google 以 ~5 亿美元收购 | 获得大规模计算资源 |
| 2016 | AlphaGo 击败 Lee Sedol | AI 历史上标志性事件 |
| 2017 | AlphaGo Zero 自我博弈学习 | 无需人类知识即可超越人类 |
| 2018 | AlphaFold 赢得 CASP13 | 蛋白质结构预测突破 |
| 2020 | AlphaFold2 解决蛋白质折叠问题 | 公认的 AI 科学贡献巅峰之一 |
| 2021 | AlphaFold DB 发布 | 2 亿+ 蛋白质结构开放访问 |
| 2023 | 与 Google Brain 合并 | 统一 Google AI 研究能力 |
| 2023 | Gemini 1.0 发布 | 原生多模态（文本/图像/音频/视频/代码） |
| 2024 | Gemma 开源发布 | 小模型开源生态探索 |
| 2024 | AlphaProteo 发布 | AI 设计新型蛋白质结合物 |
| 2025 | Gemini 2.5 Pro 发布 | 100 万 token 上下文、Agentic 能力进化 |
核心研究领域
强化学习与游戏
DeepMind 以 RL 领域的研究闻名：
- DQN (2013): 深度 Q 学习开创性工作
- AlphaGo/Zero (2016-2017): 蒙特卡洛树搜索 + 深度神经网络
- AlphaZero (2017): 通用棋类 AI（围棋、象棋、将棋）
- MuZero (2019): 无需知道游戏规则的规划算法
- RT-2 (2023): 视觉-语言-动作模型用于机器人操控
科学 AI
- AlphaFold (2018-2021): 蛋白质 3D 结构预测，被引用为 AI for Science 的标杆
- AlphaProteo (2024): AI 设计新型蛋白质结合物，助力药物发现
- GNoME (2023): 预测 38 万种新材料晶体结构
- GraphCast (2023): 10 天天气预报，超越全球最佳数值预报系统
多模态与基础模型
- Gemini (2023-2025): 系列多模态大模型
- Gemini Nano: 端侧推理
- Gemini Pro: 通用能力
- Gemini Ultra: 顶级性能
- Gemini 2.5 Pro: 1M 上下文、思考模式、Agentic
- Gemma (2024): 开源小模型（2B/7B/9B/27B）
与 Google Brain 的合并效应
2023 年合并后形成了全球最大的 AI 研究机构之一：
| 维度 | Google Brain 贡献 | DeepMind 贡献 |
|---|---|---|
| 基础模型 | Transformer 架构 (2017) | Gemini 系列 |
| 训练 | Pathway/Mesh 训练框架 | AlphaFold/RL 系统 |
| 开源 | TensorFlow, JAX | Gemma |
| 方向 | 产品驱动 | 基础研究驱动 |
相关实体
- Google Gemini & DeepMind — DeepMind 研发的模型家族（独立实体页面）
- OpenAI — 最大的研究竞争对手
- Anthropic — 同样以 AI 安全为核心的研究组织
相关概念
- Transformer Architecture — Transformer 源自"注意力是你所需要的全部"
- RLHF — RL 领域的核心贡献者
- Multimodal Models — Gemini 原生多模态架构
- Scaling Laws — DeepMind 发表了多项关于缩放规律的研究
参考来源
- DeepMind 官方网站 (deepmind.google)
- DeepMind 博客 (deepmind.google/blog)
- AlphaFold 论文: Jumper et al. (2021). Nature.
- Gemini 技术报告: Gemini Team, Google DeepMind (2023-2025).
- Hassabis et al. (2017). "Neuroscience-Inspired Artificial Intelligence." Neuron.
- Silver et al. (2016). "Mastering the game of Go with deep neural networks and tree search." Nature.