Apenas ahora, un ganador del Premio Nobel se convierte en nuevo empleado de Anthropic

marsbitPublicado a 2026-06-20Actualizado a 2026-06-20

Resumen

El premio Nobel John Jumper, líder clave de AlphaFold, ha anunciado su salida de Google DeepMind tras casi 9 años para unirse a Anthropic. Este movimiento se produce apenas dos días después de que Noam Shazeer, coautor del famoso artículo 'Attention Is All You Need' y exdirector de Gemini, dejara Google por OpenAI, representando una pérdida significativa de talento para la compañía. Jumper, quien se doctoró en 2017, fue puesto al frente del equipo de AlphaFold poco después de unirse a DeepMind. Bajo su liderazgo, AlphaFold 2 resolvió en 2020 el problema del plegamiento de proteínas, un desafío de 50 años, y posteriormente generó estructuras para casi 200 millones de proteínas, multiplicando por 1000 el conocimiento anterior. En 2024, recibió el Premio Nobel de Química junto a Demis Hassabis. La partida de figuras como Jumper y Shazeer (este último reclutado por 2700 millones de dólares) plantea preguntas sobre la retención de talento en Google. Mientras tanto, Anthropic fortalece su apuesta en ciencias de la vida, tras adquirir la startup Coefficient Bio y desarrollar herramientas como Claude for Life Sciences. Este sector se ha convertido en un campo de batalla clave, con OpenAI lanzando GPT-Rosalind para biomedicina y Google DeepMind impulsando Isomorphic Labs. La contratación de Jumper marca un nuevo paso en esta carrera por revolucionar la biología con IA.

¡Un ganador del Premio Nobel se incorpora a Anthropic!

Hoy, John Jumper, líder central de AlphaFold, anunció oficialmente que deja Google DeepMind después de casi 9 años de trabajo para unirse a Anthropic.

El ganador del Nobel que reescribió toda la biología estructural con un modelo de IA, se marcha.

Hassabis respondió rápidamente: «¡Gracias John por la extraordinaria asociación durante los últimos 9 años! Los logros que hemos alcanzado con AlphaFold han cambiado el mundo.»

9 años de colaboración, un Premio Nobel compartido, probablemente esta sea la despedida más elegante en el mundo tecnológico.

Y apenas dos días antes, Noam Shazeer, legendario primer coautor del artículo de Transformer y co-director de Gemini, anunció que dejaba Google para irse a OpenAI.

En menos de 72 horas, Google perdió a dos cartas fuertes.

Uno no pudo retener ni gastando 2,700 millones de dólares para traerlo de vuelta, y al otro no lo retuvo ni con 9 años de relación.

Doctorado terminado hace 6 meses, liderando directamente AlphaFold

En el mundo de las ciencias de la vida, John Jumper es prácticamente sinónimo de «reescribir toda una disciplina con IA».

En 1985, Jumper nació en Little Rock, Arkansas, una pequeña ciudad común del sur de Estados Unidos.

Obtuvo una doble licenciatura en Matemáticas y Física en Vanderbilt, y luego ingresó a la Universidad de Chicago para continuar hasta el doctorado, investigando en química teórica. Específicamente, simular el comportamiento dinámico de proteínas mediante métodos computacionales.

Las matemáticas le dieron la intuición para modelar, la física le dio la comprensión de sistemas complejos, y la química teórica le hizo entender el problema de las proteínas mejor que cualquier investigador de IA pura.

La combinación de estas tres áreas resultó ser exactamente la combinación de conocimientos más escasa para resolver el problema del plegamiento de proteínas.

En 2017, después de obtener su doctorado, Jumper se unió directamente a DeepMind.

Vale la pena señalar que en ese momento tenía casi ninguna experiencia en aprendizaje profundo; lo más destacado de su currículum no era su dominio de las redes neuronales, sino su comprensión de la física de las proteínas.

Pero eso es precisamente lo que Hassabis valoró.

Inmediatamente después, tomó una decisión que nadie esperaba: poner a este joven, graduado hace apenas 6 meses y que tenía que aprender aprendizaje profundo sobre la marcha, directamente al frente del equipo de AlphaFold.

No hubo período de transición, ni «primero hacer unos años de investigador para acumular experiencia».

Hassabis apostó a que, para resolver el problema del plegamiento de proteínas, entender las proteínas era más importante que entender la IA. Y Jumper aceptó la apuesta más grande en todo el campo de la biología computacional.

Una persona multiplicó la biología por 1000

Lo que sucedió en los siguientes años solo puede describirse como «increíble»—

En 2018, AlphaFold hizo su debut en la competencia de predicción de estructuras proteicas CASP, superando ampliamente a los métodos tradicionales.

En 2020, AlphaFold 2 apareció, y el problema del plegamiento de proteínas que había desconcertado a los biólogos durante 50 años fue «resuelto» directamente por un modelo de IA.

En 2021, Jumper lideró al equipo para calcular las estructuras 3D de casi todas las más de 50,000 proteínas humanas. Y finalmente logró generar estructuras para casi 200 millones de proteínas conocidas, de alrededor de 1 millón de especies.

Antes de AlphaFold, la humanidad había pasado décadas utilizando métodos experimentales como cristalografía de rayos X y criomicroscopía electrónica, resolviendo en total unas 200,000 estructuras proteicas.

El equipo de Jumper las multiplicó por 1000 de una sola vez.

Sin exagerar, el trabajo que los biólogos no terminaron en cien años, AlphaFold lo hizo en unos meses.

En mayo de 2024, se lanzó AlphaFold 3 — ya no solo predice proteínas, también puede calcular interacciones entre ADN, ARN y pequeñas moléculas de fármacos. Precisión del 76.4% en el acoplamiento proteína-ligando, 1.8 veces mejor que los métodos anteriores.

Cinco meses después, en Estocolmo, John Jumper y Demis Hassabis subieron juntos al podio para recibir el Premio Nobel de Química.

Ese año Jumper tenía 39 años, era el ganador más joven del Nobel de Química en 70 años.

Desde un recién doctorado que tenía que aprender aprendizaje profundo sobre la marcha, hasta estar bajo los reflectores de Estocolmo, le tomó solo 7 años.

Hasta aquí, el retorno de la inversión de la apuesta que hizo Hassabis aquel año probablemente sea de los más altos en la historia de la ciencia humana.

Así que cuando él se va hoy, el dolor para Google DeepMind no es solo perder a un Director.

¿Qué le pasa a Google?

Después de que la noticia explotó, los comentarios en X directamente hirvieron.

El usuario Chubby exclamó: «¡Esta es una pérdida enorme para Google, y una locura absoluta para Anthropic!»

Un usuario comentó con emoción: «Anthropic acaba de recibir a un ganador del Premio Nobel, el talento sigue concentrándose en OpenAI y Anthropic». Otro dijo directamente: «Primero Karpathy, ahora el cerebro detrás de AlphaFold, ¿Anthropic está formando un Avengers de la IA?»

Logan Kilpatrick bromeó diciendo que esperaba que Jumper «ganara otro Premio Nobel». El tono era bromista, pero si se piensa bien, no es una exageración.

Y después del asombro, todos se hacen la misma pregunta: ¿Qué le pasa a Google?

Jumper no lo dijo, Anthropic no lo dijo, Google tampoco lo dijo.

Tal vez, un comentario del inversionista Lior Alexander sea el más cercano a la respuesta actualmente:

«Los laboratorios de IA de vanguardia están vendiendo algo que Google no puede ofrecer: la sensación de que una sola persona puede cambiar la trayectoria de la empresa.»

La persona comprada por 2,700 millones, tampoco la retuvieron

Apenas dos días antes del anuncio de Jumper, Noam Shazeer anunció que dejaba Google para unirse a OpenAI, como «Responsable de Investigación en Arquitectura».

Fue uno de los autores centrales del artículo fundacional de la IA moderna en 2017, «Attention Is All You Need». La atención multi-cabezal fue su diseño, la primera implementación utilizable que superó el estado del arte fue escrita línea por línea por él.

Y Google gastó 2,700 millones de dólares para traerlo de vuelta de Character.AI.

De vuelta, Shazeer asumió como co-director de Gemini, convirtiéndose en el principal artífice del contraataque de los grandes modelos de Google.

Resultado: en menos de dos años, se fue de nuevo. Dos días después, Jumper también se fue.

Ellos no son los primeros, y no serán los últimos.

En los últimos 8 años, más de 20 investigadores de primer nivel que firmaron artículos históricos han abandonado DeepMind/Brain uno tras otro.

En 2025 solamente, al menos 11 ejecutivos se fueron. El propio cofundador de DeepMind, Mustafa Suleyman, también fue reclutado por Microsoft en una adquisición de talento por 650 millones de dólares.

Ciencias de la vida, el próximo campo de batalla de los tres gigantes de IA

Volviendo a Anthropic. Ya hace más de dos meses comenzaron los preparativos.

El 3 de abril, Anthropic adquirió la empresa biotecnológica Coefficient Bio por 400 millones de dólares en acciones. El equipo tenía menos de 10 personas, pero ya había logrado resultados líderes en la industria en el campo del diseño de anticuerpos impulsado por IA.

Al mismo tiempo, Anthropic también está construyendo su propio laboratorio húmedo, lanzó Claude for Life Sciences en octubre del año pasado para ayudar a los investigadores a acelerar el descubrimiento de fármacos y el diseño de experimentos biológicos, y en enero de este año lanzó Claude for Healthcare para instituciones médicas.

Dicen que el objetivo es comprimir el ciclo de desarrollo de las ciencias de la vida 10 veces. Y ahora, un científico de proteínas de nivel Nobel viene a liderar este asunto.

De hecho, no solo Anthropic está apostando por las ciencias de la vida.

OpenAI lanzó en abril de este año GPT-Rosalind, un modelo de razonamiento especializado en biomedicina, enfocado en descubrimiento de fármacos, análisis genómico e ingeniería de proteínas, y ya ha establecido colaboraciones con grandes empresas farmacéuticas como Amgen, Moderna y Thermo Fisher.

La fundación OpenAI declaró directamente: invertir no menos de 10,000 millones de dólares en la dirección de ciencias de la vida en el próximo año. Con Shazeer, recién reclutado, dirigiendo la investigación en arquitectura, OpenAI también viene con fuerza en esta pista.

Y del lado de Google DeepMind, Isomorphic Labs, bajo el mando de Hassabis, recaudó 600 millones de dólares el año pasado, firmó acuerdos de colaboración con Lilly y Novartis por un valor total de hitos de 30,000 millones de dólares, y la base tecnológica de AlphaFold sigue siendo el referente de la industria.

Tres laboratorios, apostando simultáneamente en la misma dirección — reescribir las ciencias de la vida con IA.

La elección de Jumper es solo el último paso en este gran juego.

Referencias:

https://x.com/JohnJumperSci/status/2068001285173834106

Editado por: Mosi

Este artículo proviene de la cuenta pública de WeChat “新智元”, autor: ASI启示录

Criptos en tendencia

Preguntas relacionadas

Q¿Quién es John Jumper y por qué es importante su llegada a Anthropic?

AJohn Jumper es un científico galardonado con el Premio Nobel de Química por liderar el desarrollo de AlphaFold en Google DeepMind. Su incorporación a Anthropic es importante porque representa una adquisición de talento de clase mundial para la empresa, específicamente para impulsar sus ambiciones en el campo de las ciencias de la vida con IA, un área en la que Jumper ha demostrado un éxito revolucionario.

Q¿Qué logros clave obtuvo John Jumper con AlphaFold en Google DeepMind?

AJohn Jumper lideró el equipo que desarrolló AlphaFold 2, resolviendo esencialmente el problema del plegamiento de proteínas en 2020. Su equipo predijo las estructuras 3D de casi todas las proteínas humanas conocidas (más de 50.000) y luego amplió esto a casi 200 millones de estructuras de proteínas en diversas especies, multiplicando por 1000 el número de estructuras resueltas experimentalmente en décadas.

Q¿Qué otro destacado investigador de IA dejó Google recientemente y adónde fue?

ADos días antes del anuncio de John Jumper, Noam Shazeer, coautor principal del artículo fundacional 'Attention Is All You Need' (Transformer) y ex codirector de Gemini en Google, anunció que dejaba la empresa para unirse a OpenAI como 'Director de Investigación en Arquitectura'.

QSegún el artículo, ¿cuál es una posible razón por la que investigadores de élite están dejando Google?

AEl artículo sugiere, citando a un inversor, que los laboratorios de IA de vanguardia (como Anthropic y OpenAI) pueden estar ofreciendo algo que Google no puede: la sensación de que una sola persona puede cambiar la trayectoria de la empresa, un mayor impacto individual y probablemente un entorno más ágil y centrado en la misión.

Q¿Cómo están compitiendo Anthropic, OpenAI y Google DeepMind en el campo de las ciencias de la vida?

ALas tres grandes compañías de IA están compitiendo agresivamente en ciencias de la vida: Anthropic adquirió Coefficient Bio, está construyendo un laboratorio húmedo y tiene a Jumper; OpenAI lanzó GPT-Rosalind para biomedicina y planea invertir 10.000 millones de dólares; y Google DeepMind, a través de Isomorphic Labs, utiliza la tecnología AlphaFold y tiene acuerdos multimillonarios con grandes farmacéuticas. El objetivo común es reescribir la investigación en ciencias de la vida con IA.

Lecturas Relacionadas

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 1 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 1 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 1 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 1 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

**【Resumen semanal de los editores (13-19 de junio)】** Esta selección semanal rescata análisis profundos del flujo de información, filtrando el ruido para ofrecer perspectivas clave. **Panorama macro:** Tras la reapertura del Estrecho de Ormuz, el mercado ajusta su foco desde el "impacto bélico" hacia la "recuperación de la oferta". Se observan movimientos en petróleo, bonos, inflación y cadenas de valor como LNG y fertilizantes. **Inversión y emprendimiento:** Ray Dalio advierte sobre la concentración del mercado en acciones de grandes tecnológicas de IA, recomendando diversificación. En cripto, se analizan ciclos a largo plazo, señales de posible fondo para BTC en Q4, y los desafíos regulatorios en mercados como Corea del Sur. El análisis de SpaceX tras su IPO destaca su elevada valoración, riesgos sistémicos potenciales y la importancia de próximos hitos como su inclusión en índices. **Web3 & IA:** Una advertencia señala exposiciones de billones de dólares fuera de balance en la nube/IA, un riesgo latente si la comercialización falla. Se exploran las predicciones de IA para el Mundial y la estructura de costos de una suscripción a IA como Claude. **Mercados de predicción:** Robinhood desarrolla su propia plataforma (Rothera), iniciando una "guerra de canales" en la industria y posicionándose como competidor directo de Kalshi. **CeFi & DeFi:** Se analizan mecanismos de perpetuales para pre-IPO (ej. SpaceX) y los desafíos técnicos pendientes. La desviación del precio de STRC (vinculado a Strategy) refleja preocupaciones sobre su modelo de negocio. Se presenta el nuevo ETF de Bitcoin con rendimiento de BlackRock (BITA). **Ethereum y escalabilidad:** Se destaca la ventaja clave de Ethereum: su vasto ecosistema de desarrolladores y estándares, consolidándolo como sistema operativo para las finanzas descentralizadas. **Otros titulares de la semana:** Acuerdo EEUU-Irán, decisión de la Fed, movimientos en SpaceX y Anthropic, y opiniones destacadas sobre mercados.

marsbitHace 1 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

marsbitHace 1 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

Leopold Aschenbrenner, considerado uno de los inversores más agresivos en IA, ha realizado cambios significativos en su cartera. Ha establecido posiciones cortas por unos 9.000 millones de dólares en empresas como NVIDIA, ASML y Oracle, al mismo tiempo que redirige capital hacia lo que él identifica como los próximos cuellos de botella en infraestructura de IA: energía eléctrica, memoria, redes de centros de datos y activos de modelos más profundos como Anthropic. Su lógica no sugiere que la burbuja de la IA haya estallado, sino una rotación dentro de la infraestructura. Considera que la "transacción de la pala" clásica (como invertir en semiconductores) está demasiado concurrida y sobrevalorada. En su lugar, apuesta por los eslabones fundamentales siguientes: la capacidad real de construir y energizar centros de datos, y la necesidad crítica de materiales como el cobre y la fibra óptica para la transmisión de datos. La reciente emisión de bonos de NVIDIA por 25.000 millones de dólares, a pesar de su gran liquidez, se interpreta como una señal de un cambio en la financiación del sector. Aschenbrenner también ha invertido de forma privada en Anthropic, lo que representa una apuesta directa al "mineral" (el modelo de IA) en lugar de solo a las "herramientas". En resumen, su estrategia actual se centra en la infraestructura física y de servicios esenciales (energía, construcción, redes) que habilitarán la próxima fase de expansión de la IA, considerándolas apuestas más sólidas y menos saturadas.

marsbitHace 2 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

marsbitHace 2 hora(s)

Trading

Spot
Futuros

Artículos destacados

Cómo comprar CORE

¡Bienvenido a HTX.com! Hemos hecho que comprar CORE (CORE) sea simple y conveniente. Sigue nuestra guía paso a paso para iniciar tu viaje de criptos.Paso 1: crea tu cuenta HTXUtiliza tu correo electrónico o número de teléfono para registrarte y obtener una cuenta gratuita en HTX. Experimenta un proceso de registro sin complicaciones y desbloquea todas las funciones.Obtener mi cuentaPaso 2: ve a Comprar cripto y elige tu método de pagoTarjeta de crédito/débito: usa tu Visa o Mastercard para comprar CORE (CORE) al instante.Saldo: utiliza fondos del saldo de tu cuenta HTX para tradear sin problemas.Terceros: hemos agregado métodos de pago populares como Google Pay y Apple Pay para mejorar la comodidad.P2P: tradear directamente con otros usuarios en HTX.Over-the-Counter (OTC): ofrecemos servicios personalizados y tipos de cambio competitivos para los traders.Paso 3: guarda tu CORE (CORE)Después de comprar tu CORE (CORE), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear CORE (CORE)Tradear fácilmente con CORE (CORE) en HTX's mercado spot. Simplemente accede a tu cuenta, selecciona tu par de trading, ejecuta tus trades y monitorea en tiempo real. Ofrecemos una experiencia fácil de usar tanto para principiantes como para traders experimentados.

360 Vistas totalesPublicado en 2024.12.13Actualizado en 2026.06.02

Cómo comprar CORE

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de CORE (CORE).

活动图片