本周早些时候，在名为“The Briefing: AI for Science”的活动上，Anthropic 投下了一枚重磅炸弹。这家凭借 Claude 模型在编程工具领域叱咤风云的公司，正式推出了 Claude Science——一个专为科学家打造的 AI 工作台，旨在将碎片化的工具和数据集整合进统一环境，甚至能自动生成图表与可视化结果。但真正让生物医药界屏住呼吸的，是他们的下一步宣言：Anthropic 将亲自下场开发自己的药物。
这绝不是一次简单的产品发布。当一家 AI 巨头决定从“赋能者”转变为“实践者”，直接踏入价值万亿美元的制药行业，我们正在目睹的，可能是一场科学发现范式的根本性重构。
从“AI 显微镜”到“AI 科学家”：工具链的重塑
要理解 Anthropic 的野心，必须先解剖 Claude Science 这个新物种。传统的 AI 辅助科研，更像是给科学家配了一台超级显微镜：它能放大特定问题，但观察、假设、实验设计、数据整合依然高度依赖人类的串联。Claude Science 试图打破这种“工具孤岛”状态。
根据目前披露的信息，这个工作台的核心能力在于 “环境统一”。想象一下，一位药物化学家日常需要辗转于 PubChem 查询化合物、在 PyMOL 中可视化蛋白质结构、用 Python 脚本清洗高通量筛选数据、最后在 GraphPad 中作图。Claude Science 的逻辑是：把这一切都吞进一个对话界面里。 你只需要用自然语言描述目标——“寻找与这个靶点结合能低于 -9 kcal/mol 且具备类药五原则的 novel scaffold”，Claude 可能会自动调用内部工具链，从数据库中检索，甚至生成初步的分子可视化与活性预测图表。
这背后是 Anthropic 在 工具使用（Tool Use） 和 结构化输出 上的深厚积累。不同于简单的聊天机器人，Claude Science 被设计为一个能够编排多种专业软件的“指挥家”。它生成的不仅是文本建议，而是可以直接放入论文的图表（Figures），这直击了科研工作者最深层的痛点——数据呈现的“最后一公里”。
亲自下场制药：是豪赌还是必然？
如果说 Claude Science 是卖“铁锹”，那么宣布自研药物就是 Anthropic 扛起铁锹冲向金矿。为什么一家 AI 公司要做这种重资产、高风险、长周期的事情？
第一层逻辑：数据飞轮的终极形态。 目前 AI 制药公司（如 Recursion、Insilico Medicine）的核心护城河，是它们通过自建实验室产生的专有数据。Anthropic 如果只停留在提供模型，它永远接触不到制药最核心的“暗知识”——那些失败的实验记录、阴性的筛选结果、化学家的直觉判断。只有亲自趟过从靶点发现到 IND 申报的浑水，Claude 才能进化出真正理解生物学复杂性的“直觉”。这是一场用金钱换取终极训练数据的战略投资。
第二层逻辑：验证“AI 科学家”的终极命题。 Anthropic CEO Dario Amodei 曾多次强调 AI 加速科学发现的潜力。但“加速”与“创造”有本质区别。如果 Claude 仅仅帮助科学家更快地阅读文献，那它仍是工具。如果能主导发现一个具有全新作用机制（MOA）的临床候选化合物，那它就是一个合法的“AI 科学家”。亲自做药，是 Anthropic 对其模型科学推理能力的最激进压力测试。
第三层逻辑：商业模式的重构。 目前，AI 制药公司的估值逻辑往往介于科技公司和药企之间，存在折价。Anthropic 拥有强大的基础模型，如果后端直接对接自研管线，前端通过 Claude Science 收取 SaaS 费用，中间层还能与大型药企形成“合作开发+里程碑付款”的模式，这将构建一个 “模型即服务 + 管线资产”的双轮驱动结构，资本市场对此向来慷慨。
代码与分子的鸿沟：Claude 能跨越吗？
然而，从写代码到设计分子，存在着巨大的认知鸿沟。Claude 的成功很大程度上建立在编程的确定性上——代码要么能运行，要么报错，反馈循环极短。但药物研发是一场与极度复杂的生物系统进行的、充满延迟反馈的博弈。
核心挑战在于“分布外泛化”。 模型可以背诵整个 Protein Data Bank，但真正的难题是预测一个从未被合成过的分子在人体内的代谢轨迹，或者理解一个基因敲除在特定微环境下的代偿效应。生物学的底层规则我们尚未完全掌握，数据本身充满了噪声和批次效应。如果 Claude 仅仅是在已知的化学空间中做插值，它永远无法发现真正的 first-in-class 药物。
Anthropic 需要证明，Claude 具备 “反事实推理” 能力。例如，当模型看到一组相矛盾的 SAR（构效关系）数据时，它能否提出一个超越传统 medicinal chemist 直觉的假说——比如“这个取代基的活性反转，并非因为空间位阻，而是因为它改变了分子在细胞膜内的定位分布”？这种级别的科学直觉，目前还牢牢掌握在顶尖人类科学家手中。
行业冲击波：药企、CRO 与 AI 制药新贵的三角博弈
Anthropic 的入场，瞬间搅动了整个生态。对于大型药企而言，心情是复杂的。他们既是 Claude 的现有客户（Anthropic 宣称已有一长串生物制药客户名单），现在又可能成为竞争对手。这可能会催生一种“竞合”新模式：药企将非核心管线的部分环节外包给 Anthropic 的平台，换取对 Claude Science 的深度定制权，同时警惕地将核心资产握在自己手中。
对于正在挣扎中的 AI 制药初创公司，这可能是致命一击，也可能是并购机会。如果 Claude Science 真的实现了“一键生成临床前方案”，那么那些以“AI 辅助化学合成”或“AI 文献挖掘”为单一卖点的公司，其技术壁垒将瞬间蒸发。但对于手握独特真实世界数据（如基因组学与影像学联动数据）的公司，它们反而可能成为 Anthropic 急于收购或合作的稀缺标的。
CRO（合同研究组织）的角色也将被重新定义。如果 Claude Science 能自动设计并优化合成路线，甚至直接驱动自动化实验室执行反应，传统 CRO 的劳动密集型价值将被大幅压缩，它们必须向“AI 验证与执行”转型。
伦理与监管：当 AI 的“黑箱”决定你的药丸
最后，我们必须触及那个令人不安的话题。如果一款由 Claude 主导设计的分子进入了临床试验，当出现严重不良事件（SAE）时，责任链如何追溯？AI 的推理过程目前仍是一个“黑箱”。FDA 等监管机构连传统 AI/ML 医疗器械的审批都慎之又慎，面对一个“AI 发明的新化学实体”，监管科学几乎是一片空白。
Anthropic 一直强调“负责任的扩展”，但现在他们不仅要为模型的安全性负责，还可能要为患者的生命安全负责。这要求 Claude Science 必须提供前所未有的可解释性——不仅是“这个分子预测活性很高”，更要解释“为什么它选择性高，以及脱靶风险的生物学基础是什么”。否则，没有伦理委员会敢为“AI 的直觉”签字。
展望：科学发现的“自动驾驶”时代
Anthropic 这一步，正式宣告了 AI 巨头从“数字世界”向“原子世界”的大规模迁徙。短期来看，Claude Science 将首先成为科研人员的超级辅助驾驶系统，大幅降低高通量实验的设计门槛。中期来看，如果其自研管线能在动物模型上展现出超越传统方法的效率，我们将见证资本市场的重新定价。
长期来看，“AI 科学家”的终极形态可能是一个闭环：AI 提出假说 -> 自动化实验室执行验证 -> 数据实时反馈更新模型 -> AI 修正假说。人类科学家的角色，将从“操作员”转变为“指挥官”，负责定义问题边界和伦理审查。
Anthropic 能否成功跨越从硅基逻辑到碳基生命的鸿沟，目前仍是未知数。但有一件事是确定的：当编写代码的 Claude 开始编写 DNA 的乐章，科学发现的交响曲，将从此改变它的旋律。
本文由 NVIDIA API Catalog 托管的 deepseek-ai/deepseek-v4-pro 模型自动撰写并生成发布。