一、3年，跨学科，获得诺贝尔化学奖

杰米斯·哈萨比斯（Demis Hassabis）和团队直接导致他们拿下诺贝尔奖的那个决定性突破（AlphaFold 2），其核心论文是在 2021年 发表的。

不过，这个“创造性发明”不是一天蹦出来的，它有一个非常震撼的发布时间线。这也能完美解释你一开始为什么会依稀记得“2017年”这个时间点。

我们可以把这个过程分成几个关键节点来看：

1. 缘起与立项：大约在 2016—2017 年

你记忆中的“2017年”，其实是这个项目真正开始全力推进的时间段。
2016年，DeepMind的AlphaGo（阿尔法狗）击败了李世石，震惊世界。哈萨比斯在搞定围棋之后，立刻把目光转向了更伟大的科学挑战——蛋白质折叠。大约在2016年底到2017年，他正式集结团队，开始死磕这个生物学界的世纪难题。

2. 初露锋芒：2018 年（AlphaFold 1）

DeepMind团队带着第一代 AlphaFold 参加了全球蛋白质结构预测竞赛（CASP13）。他们一出场就拿了第一名，打败了所有传统人类科学家。但那时候的准确率大概在 60% 左右，虽然厉害，但还没到“彻底解决问题”的程度。这版结果的论文发表在2020年初的《Nature》上。

3. 震惊世界的时刻：2020 年底（AlphaFold 2 登场）

这个时间点是科学界真正“炸锅”的时刻。
在2020年底的第14届CASP竞赛上，哈萨比斯和约翰·江珀带领团队掏出了全新架构的 AlphaFold 2。它把预测准确率直接拉爆到了 90% 以上（达到了原子级的极高精度），这在生物学界看来几乎是“外星科技”。当时竞赛的评委会主席激动地宣布：“蛋白质折叠问题，已经被解决了！”

4. 正式发表与开源：2021 年 7 月（最关键的年份）

2020年虽然比赛赢了，但在科学界，必须要发表经过同行评审的正式论文才算数。
2021年7月15日，DeepMind团队在顶级科学期刊《自然》（Nature）上正式发表了那篇里程碑式的论文：《利用AlphaFold进行高精度的蛋白质结构预测》（Highly accurate protein structure prediction with AlphaFold）。
同时，哈萨比斯做了一个极其大格局的决定：完全开源代码，并公布了包含35万个蛋白质结构的数据库（后来在2022年扩充到了2亿个，涵盖地球上已知的所有蛋白质）。

5. 持续进化：2024 年 5 月（AlphaFold 3）

就在他们拿诺贝尔奖的几个月前，他们又在《Nature》上发表了 AlphaFold 3。这次不仅能预测蛋白质，还能预测蛋白质怎么和DNA、RNA以及药物分子结合。

---

总结一下：

• 项目启动： 2016-2017年左右（你记忆中隐约的起点）。
• 震惊业界： 2020年底（在比赛中取得碾压级突破）。
• 正式发表论文并开源： 2021年7月（这是它正式作为伟大学术成果面世的年份）。
• 获得诺贝尔奖： 2024年10月。

从2021年发表核心论文，到2024年拿下诺贝尔奖，仅仅用了3年时间。这在通常需要苦熬二三十年才能拿奖的诺贝尔奖历史上，是极其罕见的神速，足见这项发明的含金量有多恐怖。

二、“DeepMind负责人”和“生成新蛋白质”是两拨人

你提到的这件事，确实是最近科学界和科技界最炸裂的大新闻。不过在详细解答他“怎么评上诺贝尔化学奖”之前，我们需要先修正一下你记忆中的几个小偏差：

1. 时间不是2017年，而是刚刚过去的2024年。 （你记成2017年，可能是因为2017年的诺奖发给了“冷冻电镜”技术，那也是用来解析蛋白质的传统方法，但这反而衬托了现在AI有多牛）。
2. “DeepMind负责人”和“生成新蛋白质”其实是两拨人，他们共同分享了2024年诺贝尔化学奖。
   • DeepMind团队（杰米斯·哈萨比斯 和 约翰·江珀）： 他们的贡献是用AI（AlphaFold）预测已知蛋白质的3D结构。
   • 大卫·贝克（David Baker）： 这位老哥才是你说的创造/设计全新蛋白质的人（他也深度使用了计算和AI技术）。

那么，一群搞计算机和AI的程序员，凭什么能跨界拿下传统科学界的最高荣誉——诺贝尔化学奖？

评委之所以把奖颁给他们，是因为他们解决了一个困扰人类长达50年的**“超级世纪难题”**。具体原因可以总结为以下三点：

1. 破解了困扰科学界50年的“蛋白质折叠”难题

在生物和化学界有一个共识：“结构决定功能”。
蛋白质是生命的基础，它们是由氨基酸组成的链条。但这条链条必须折叠成非常复杂的3D立体形状，才能发挥作用（比如变成抗体去消灭病毒，变成酶去消化食物）。

• 过去的痛点： 科学家知道氨基酸的序列，但死活算不出它会折叠成什么3D形状。传统方法（如X射线晶体学、冷冻电镜）要在实验室里花几个月甚至几年，耗资几十上百万，才能解析出一个蛋白质的结构。
• DeepMind的降维打击： 哈萨比斯带领团队开发了AlphaFold2。只要你输入一段氨基酸序列，这个AI几分钟就能精准预测出它的3D结构，准确率和在实验室里苦干几年的结果几乎一模一样。

2. 工作量太震撼：一举算出了地球上几乎所有的蛋白质

传统生物学家经过大半个世纪的努力，大概只解析了十几万个蛋白质结构。
而DeepMind的AlphaFold一出马，直接开动算力，把地球上已知生物圈里大约2亿种蛋白质的结构全给预测出来了！
诺贝尔奖委员会看到这个结果直接“掀桌子”了——这相当于别人还在一砖一瓦建小木屋，AI直接用3D打印机把一整座超级城市给你建好了。不仅如此，DeepMind还把这个拥有2亿个结构的数据库完全免费开源给了全球科学家。

3. 彻底改变了人类研发新药和攻克疾病的进程

诺贝尔奖最看重的是**“对人类的巨大贡献”**。AlphaFold不是一个纸上谈兵的玩具，它已经成了全球科学家的基础设施：

• 新药研发： 以前找一种能和病毒结合的药物分子如同大海捞针，现在有了AI预测的蛋白质3D图纸，科学家可以直接“按图索骥”设计靶向药。
• 大卫·贝克的“全新创造”： 另一位获奖者大卫·贝克利用这些技术，开始在电脑上设计自然界根本不存在的全新蛋白质。比如设计出能分解塑料的酶、能精准追踪癌细胞的微型蛋白质等。

总结：他凭什么拿奖？

传统意义上，诺贝尔化学奖往往发给“发现某种化学反应”或“发明某种显微镜”的人。

但DeepMind的哈萨比斯等人，是用AI硬生生把生物化学从“实验科学”变成了“数据与计算科学”。他们让科学家不用再盲人摸象，而是戴上了“上帝视角的透视镜”。

所以，诺贝尔奖评委会把2024年的化学奖发给他们，没有半点犹豫。这也标志着一个新时代的到来：AI不再只是下围棋（AlphaGo）、写文章（ChatGPT）的工具，它已经正式成为推动人类基础科学爆发的最强引擎。