2026 年 6 月底,Anthropic 在旧金山举办”AI for Science”活动,正式宣布 Claude Science —— 一个面向科研人员的”AI 工作台”。但更引人注意的是 Anthropic 生命科学负责人 Eric Kauderer-Abrams 在活动上明确表态:Anthropic 将开发自己的药物,首批重点关注”被忽视的疾病”。这一表态让 Anthropic 成为全球第一家公开宣布”AI 公司自己下场做药”的前沿大模型公司,从此进入了一个全新赛道。
一、Claude Science 是什么:不只是工具,是平台
1. 产品的核心定位
Claude Science 是 Anthropic 面向科学家群体推出的”AI 工作台”。按 Anthropic 官方描述,它把科研流程中”碎片化的工具和数据集”统一到一个环境中,并能自动生成图表和可视化结果。这一定位介于”科研 Copilot”和”科研操作系统”之间。
2. 现有的客户名单
Anthropic 在活动上高调列出”已经在使用 Claude 的生物科技和制药客户长名单”——这意味着 Anthropic 在科学领域已经有相当的商业基础。具体客户名单官方未完全披露,但根据公开报道,涵盖基因测序、蛋白质设计、新药研发等领域的多个头部公司。
3. 与 OpenAI / Google / Amazon 的对比
在 AI 公司抢科学和制药客户的赛道上,Anthropic 不孤独:
- OpenAI 推出了 GPT-Rosalind(专门面向生命科学的模型)
- Amazon AWS 有专门的 Life Sciences Solutions
- Google Research 在健康 AI 领域持续投入
- Google DeepMind 衍生公司 Isomorphic Labs 专注 AI 制药
- AI-first 制药公司 Insilico Medicine 等
但这些公司大多停留在”卖工具”层面。Anthropic 这次公开宣布”自己也要做药”,意味着它从”工具供应商”升级为”竞争对手+供应商”的双重身份。
二、为什么是”被忽视的疾病”
Anthropic 选择”被忽视的疾病”(neglected diseases)作为首个重点方向,有几个深层原因:
1. 监管路径相对清晰
“被忽视的疾病”通常指在发展中国家高发、但在欧美主流市场商业回报低的疾病(疟疾、肺结核、某些热带病等)。这些疾病:
- 不需要面对顶级药企的市场竞争
- 监管机构(FDA 等)对此类药物有”优先审评”等激励政策
- 即使临床周期长,被认可的”社会价值”足够大,能讲好故事
2. 与 Anthropic 的 AI for Good 叙事吻合
Anthropic 的公众形象一直偏”负责任 AI”路线,和 OpenAI 的”商业霸权”路线不同。选”被忽视的疾病”这种典型的公益方向,完全契合 Anthropic 的品牌叙事。
3. 商业上的对冲:低投入高回报
Anthropic 不需要把药品做成”畅销药”,只要做出几个早期候选化合物或者专利授权,就能形成可观收入。这种”低投入高回报”模式比真正和辉瑞、罗氏正面竞争一款”重磅药”安全得多。
4. 与 Big Pharma 错位竞争
Big Pharma(辉瑞、罗氏、诺华、阿斯利康等)的研发重心在癌症、心血管、糖尿病等”高价值”领域。Anthropic 选”被忽视的疾病”,正好避开大药企的核心地盘,避免正面冲突。
三、AI 制药到底能做什么:不是”替代实验”,而是”加速假设”
1. AI 在制药链条上的真实应用
剑桥大学的 Namshik Han 教授指出,AI 在”药物研发的每一个阶段”都有应用:
- 发现新化合物(hit generation)
- 优化化合物(lead optimization)
- 支撑研究(research support)
- 数据分析(data analysis)
- 临床试验(clinical trials)
- 生产制造(manufacturing)
几乎每家大药企都在用 AI,Insilico、Isomorphic Labs 等 AI-first 公司也在做。Anthropic 加入,只是这场”AI for Drug Discovery”竞赛中的最新玩家。
2. AI 能加速的部分
伦敦大学学院的 Matthew Todd 教授认为 AI 在”加速研究”和”试驾新药假设”上确实有用。具体包括:
- 生成新的分子结构(基于已知疾病靶点)
- 跨化学和生物可能性搜索
- 辅助研究人员发现新联系
- 识别新疾病靶点
- 找到现有药物的新用途(drug repurposing)
3. AI 做不到的部分
牛津大学的 Frank von Delft 教授明确指出:AI 模型”还远远没有让实验变得不必要”。候选药物仍需在真实世界测试:
- 有效性(efficacy)
- 毒性(toxicity)
- 可制备性(可制备、可储存、可安全递送)
所有这些都需要熟练的实验人员、大量资金和时间——特别是临床试验(人体测试)。Anthropic 想做药,”必须花大钱做实验”——这是 AI 取代不了的环节。
四、Anthropic 已经在为”自己下场”做人才储备
The Verge 报道指出,Anthropic 在过去一年一直在为生物制药方向招兵买马:
- 多个生命科学岗位的招聘正在进行
- 正在建造自己的湿实验室(wet labs)
- Han 教授透露他的一些学术同事”已经被 Anthropic 接触”
- 据报道 Anthropic 已成功从大药企和知名学术机构挖到几位候选人
Anthropic 没有披露具体疾病靶点、是否与其他公司合作做实验室工作、动物实验、临床试验或生产。这些信息仍处于”商业机密”阶段。
五、为什么 Anthropic 这件事值得关注
1. AI 公司身份的根本性转变
过去 3 年,AI 公司(OpenAI / Anthropic / Google DeepMind)都是”工具供应商”——卖 API、卖订阅、卖给企业。但 Anthropic 这次公开宣布”自己也要做药”,等于在 AI 公司的身份上做了一次根本性转变——从”B2B 软件公司”变成”垂直整合的研发公司”。
这种身份的转变会带来几个连锁反应:
- 客户信任:Anthropic 同时是 Claude Science 工具供应商 + 自己的药物研发竞争对手,客户(包括其他药企)会担心”用了 Claude Science 会不会被 Anthropic 抢走先机”
- 监管视角:AI 公司做药会被监管机构更严格审视(“AI 公司的研发过程是否符合 GCP/GLP/GMP 规范”)
- 资本市场:Anthropic 这件事会让投资人重新评估”AI 公司的估值上限”——如果 AI 公司可以延伸到制药(年市场规模 1.5 万亿美元),那 AI 公司的估值天花板需要重写
2. AI for Science 的范式转变
过去 5 年,AI for Science 主要停留在”辅助科研”层面——AI 帮助科学家更快完成工作,但科学发现本身仍由人类主导。Anthropic 这次”自己下场做药”,等于把 AI for Science 推进到”AI 公司主导科学发现”的新阶段。
这与 DeepMind 过去的 AlphaFold 不同——AlphaFold 是”AI 解决一个具体科学问题”,Anthropic 这次是”AI 公司作为一个机构整体进入药物研发流程”。后者更激进、更持续、更有商业意义。
3. 与 OpenAI 的路线分野
OpenAI 一直在 ChatGPT / API / 商业订阅上做”横向扩展”,偶尔发布面向特定行业的模型(如 GPT-Rosalind)。但 OpenAI 至今没有公开宣布”自己做药”。Anthropic 这次站出来,等于在”AI 公司的产业纵深”上走出了 OpenAI 不愿意走(或不敢走)的一步。
这种分野在未来 5-10 年会逐渐清晰:OpenAI 会继续做”通用 AI 公司 + 商业变现”,Anthropic 会走上”AI + 垂直整合”的混合路线。两家公司的估值天花板会因此分化。
六、几个关键的不确定性
1. 临床周期:远水难救近火
新药从发现到上市,典型周期是 10-15 年(临床前研究 3-6 年 + 临床一期 1-2 年 + 临床二期 2-3 年 + 临床三期 3-5 年 + 审批 1-2 年)。
Todd 教授强调:”测试药物安全永远需要时间”。AI 能加速发现新分子,但临床试验不能跳过——这是监管的硬约束。Anthropic 即使今天发现了有潜力的化合物,真正能拿到的”AI 自研药物”可能要等到 2030 年代。
这意味着 Anthropic 的”做药”投资,短期内不会形成实质收入,更多是品牌叙事 + 长期期权。
2. 商业模式不清晰:自研药物如何变现
Anthropic 没有说明如果发现了有潜力的候选化合物会怎么做。可能的路径有:
- 直接做出完整药物上市(需要自建临床、生产、销售网络,投入巨大)
- 把候选化合物授权给 Big Pharma(拿里程碑付款和版税)
- 与学术机构合作(分享 IP,降低自身风险)
- 建立合资公司(与药企联合开发)
The Verge 试图求证但 Anthropic 没有回应,这一关键商业模型仍是黑盒。
3. 与 Big Pharma 的客户关系紧张
Anthropic 的 Claude Science 现在卖给 Big Pharma 做工具。但一旦 Anthropic 自己也做药,这些 Big Pharma 客户可能担心:
- 数据被用于自家产品开发
- 使用 Claude Science 反而帮 Anthropic 加速自家项目
- 被收购 / 长期合作时失去议价能力
这种”供应商即竞争对手”的关系很难长期维系,Anthropic 需要在未来几年明确”我们做的药只覆盖被忽视疾病”这一边界,否则客户关系会持续紧张。
4. 监管的不确定性
AI 设计的药物如何获得监管认可?目前全球都没有明确监管路径:
- FDA 尚未发布 AI 设计药物的专门指南
- EMA(欧洲药品管理局)类似
- NMPA(中国药监局)刚起步
Anthropic 一旦把候选化合物推到临床二期/三期,监管的不确定性会立刻变成现实问题。没有监管背书,即使 AI 发现了”完美”分子,也无法上市。
七、对 AI 行业的中长期影响
1. AI 公司”垂直整合”可能成为新常态
Anthropic 这次”做药”是一个标志性事件。如果它最终走出可复制的成功模式(2-3 个候选化合物进入临床),其他 AI 公司可能跟进:
- Google DeepMind 已经有 Isomorphic Labs 在做类似的事
- OpenAI 未来可能做类似的投资(虽然 Sam Altman 已经在做生物科技投资)
- xAI 可能进入能源/材料领域
- 中国 AI 公司(阿里、字节、DeepSeek)可能进入新材料/新能源
AI 公司从”卖工具”到”自己下场做产业”会变成新常态,这会从根本上改变 AI 公司的估值模型——从”软件 SaaS 公司”变成”AI 原生的研发公司”。
2. AI for Science 的投入会大幅增加
过去 3 年,AI for Science 的总投入(包括 AI 公司 + 制药公司 + 学术机构)估计在 100 亿美元量级。Anthropic 这次”自己下场”会引发行业性的”军备竞赛”:
- 其他 AI 公司加大科学方向投入
- 制药公司加大 AI 投入(防止被颠覆)
- 学术机构加大 AI for Science 研究
- 政府/基金会加大相关资助
未来 5 年,AI for Science 的总投入可能从 100 亿美元增长到 500-1000 亿美元量级。
3. 中国 AI 公司的应对
中国 AI 公司在 AI for Science 上相对落后:
- 阿里达摩院 在药物研发上有布局但规模有限
- 百度 的 PaddleScience 关注科学计算但不是制药
- 腾讯 AI Lab 有一些相关研究
- 华为 在盘古药物大模型上有尝试
Anthropic 这件事会给中国 AI 公司敲响警钟:如果 AI for Science 是下一个主战场,中国 AI 公司需要加快布局,否则会被边缘化。但短期内,这一变化对 aizxs.com 内容创作的直接影响有限。
八、值得继续观察的几个关键节点
Anthropic 做药这件事,短期不会有可量化的产出(至少 5-10 年),但有几个关键节点值得持续跟踪:
- 2026 下半年:Anthropic 是否会公布具体的疾病靶点和合作伙伴?
- 2027-2028:Anthropic 是否会有候选化合物进入临床前研究?
- 2029-2030:是否会有候选化合物进入临床一期?(这是 AI 设计药物的关键里程碑)
- 2032+:是否会有 AI 设计的药物进入 FDA 审批?(目前还没有先例)
- 持续:Anthropic 是否会从 Big Pharma 挖到更多资深科学家?
AI 行业最值得跟踪的事件之一,可能就是 Anthropic 的”自研药物”项目走向。它的进展,将决定”AI 公司垂直整合”这条路线是否可行。
5. “被忽视”列表的典型疾病
WHO 列出的”被忽视的热带病”包括:
- 疟疾(虽然已有部分治疗药物,但耐药性问题持续)
- 利什曼病(Leishmaniasis)
- 恰加斯病(Chagas disease)
- 淋巴丝虫病(Lymphatic filariasis)
- 登革热(Dengue)
- 血吸虫病(Schistosomiasis)
- 沙眼(Trachoma)
这些疾病的共同特征是:患者主要在发展中国家,购买力低,商业回报小。Big Pharma 的传统研发管线不愿涉及。
Anthropic 选这一方向,在公关和监管层面都有正向收益——监管机构(FDA / EMA)对这类药物有”热带病优先审评券”(Priority Review Voucher, PRV)等激励,上市后还能拿到可在二级市场交易的 PRV,价值数亿美元。
我要评论