Anthropic 的做药研究进展如何?

先说判断

很多人看到“Claude 参与制药”，会想象 AI 直接在分子层面帮科学家想出更好的药。读完 Anthropic 和合作方公开的材料，我的判断是：这块确实有真进展，但进展主要不在那里。今天的 Claude 更像一个特别能干的研发助理兼项目经理，还不是能自己设计出好药的科学家。Anthropic 自己也承认，这些工作大部分还停留在临床前，离在人身上试药还有距离。

真贡献：本质上是 Claude 现有能力的延伸

这三件事有一个共同点：它们都是 Claude 本来就擅长的事，只是被放进了制药场景。所谓“多模态”也主要体现在这里，是看懂手写记录、读懂仪器数据，而不是我们想象中那种直接在分子层面提效。

1. 文书和检查，是最实在的一块。 制药里有大量看似琐碎、其实卡进度的体力活，这正是 Claude 最顺手的地方。Enveda 用它审药厂的批记录（每批药生产过程的手写记录），在 1,061 页里把人工找到的 11 个问题全找出来，还多挑出 7 个人漏掉的，审核时间降了 89%。给 FDA 的新药临床试验申请（IND）写的一份文件，初稿 4 小时，人工约 3 个月。这里的“看图”能力，用在读手写字迹、核对表格上。不过这只测了四份记录，Enveda 自己也定位为给人工多加一道关，不是取代人。

2. 串流程，靠的是写代码和调工具的老本行。 Claude 在分子设计里的角色，更像一个会操作仪器的工程师，而不是设计师本人。做蛋白结合体（能贴在目标蛋白上的小蛋白）时，它自己挑、自己跑 RFdiffusion3、BoltzGen 这些开源设计工具，真正“画”出分子的是这些专用模型。在 BigHat，它通过接口直接操作自动化实验室。在一人公司 Mithril，创始人靠 Claude 管着 11 家外部实验室的合同、物流和实验。这些靠的都是它写代码、调工具、处理大量信息的通用能力。

3. 读数据找问题，是最接近科学家的一点，但用的仍是分析能力。 BigHat 的热稳定性仪器，默认软件给出的结果有误导，Claude 回头分析原始数据，提出新的测法，后来实验支持了它的解释。这已经是科研判断了，但本质上是“读懂数据、质疑结论”，和一个认真的数据分析师做的事一样，并不是它对分子有了什么特殊的直觉。

还有距离：卡在“理解物理世界”这一层

这五点也有共同点：凡是需要真正理解分子和物理世界本身的地方，Claude 都还够不着。它的强项停在文字、代码和数据上。

1. 分子好不好，它自己判断不了。 这一点最能说明问题：如果 Claude 真在分子层面有直觉，它应该能预测哪个设计有效，但它做不到。Generate 的预印本里，五个通用大模型被问哪些设计有活性，结果大多数都被判成“有活性”，连真没活性的也一样，挑出没用设计的能力（特异性）只有 0.15 到 0.34。论文的原话是，现有模型还不能可靠地分辨哪些会失败。所以分子层面的进步，靠的是“做一轮实验、看一轮结果”的循环，Claude 负责让这个循环转得更快，而不是替代它。

2. 只到“能结合”，没到“能治病”。 能结合只是第一关，也是最容易的一关，而 Anthropic 的成果基本停在这里。蝎毒案例中，211 个设计有 17 个能结合毒素，但 Anthropic 明说没测中和（中和就是真的让毒素失效）。The Verge 采访的专家也说，找到结合体“相对容易”，难的是变成药。对比一下，走专用模型路线的 DeepMind，AlphaProteo 在 2024 年就有结合体被验证能阻止新冠病毒感染细胞。Mithril 的小鼠实验也只是预试验，每组只剩 4 到 7 只，没有随机分组，人体试验最早也要 2028 年底。

3. 设计案例全是蛋白和抗体，这不是巧合。 蛋白和抗体本质上是一串氨基酸字母，对一个擅长处理文字的模型来说天然顺手。公开的设计类案例是抗体、抗体片段和 CAR-T 的一段序列，我没找到小分子药的设计案例。小分子要处理的是三维结构和化学性质，离 Claude 的舒适区更远。这是“没找到”，不是“肯定没有”。

4. 物理常识弱，暴露了它对真实世界的理解有限。 让它去碰真实的实验台，短板马上出现。Genentech 用它自动化蛋白定量实验时，Claude 把样品起泡造成的报错当成了软件故障，还得研究员提醒它这是物理问题。Anthropic 自己也写了，Claude 靠文字和图像认识世界，空间和物理推理能力有限。这正好印证：它的“多模态”是看文档、看图表，不是理解分子和液体在现实里怎么表现。

5. 证据基本是自己报的，所以以上判断都还要打折。 结果几乎都来自 Anthropic 和合作方，Generate 的论文是没经同行评审的预印本，Divergence 也是预印本，我没找到独立团队的复现。这不代表结果是假的，只是说还没经过科学界的正常检验。

所以，Claude 在制药里到底怎么发挥作用

把上面串起来，Claude 的价值不在“发明药”，而在“让研发跑得更快、更省人”。具体是四件事，每一件都是它通用能力的延伸。一是写和审文件，Enveda 是例子。二是指挥工具，甚至改进工具本身：它优化了 30 多个开源生物模型，平均提速约 4 倍，这本质上还是写代码。三是分析数据、提出下一轮实验：BigHat 在十周里做了七轮设计，Generate 的 CAR 信号域设计缩到 45 个氨基酸，不到临床版本长度的三分之一，这些都是“快速迭代”的成果，不是“一次想对”。四是管项目，Mithril 是例子。

真正“发明药”的那一步，现在还是专用模型加实验，由人拍板。而且即使是专攻分子的路线也没那么快：Isomorphic 到 2026 年 9 月底还没公布进入临床。

接下来要盯的两个信号

第一，AI 能不能从“帮忙干活”走到“挑别人的错、提新假说”。 苗头有。一项用 Claude 做的复现研究里，agent 重跑了 111 篇计算物理论文，没人要求它挑错，它却对约 42% 的论文提出了实质质疑，而且几乎都是真算过一遍才发现的（预印本，作者自己也说判定带主观性）。生物这边，Robin 提出了一个此前没人提过的干性黄斑变性候选药 ripasudil，体外验证过。但 Derek Lowe 刚泼过冷水：30 个模型里 22 个在超过九成的测试中被假论文带着走。所以我盯的是，它能不能没人提示也稳定地说“这个实验有问题”。有投资人押五年左右，实验室自动化能把人类做过的生物实验全部重做十遍，到那时复现才真正有底。

第二，有没有真正更好的下一代药。 目前最像的是武田的 zasocitinib，媒体称它是AI 设计的药，三期头对头里对上同类已上市药 deucravacitinib，完全清除皮肤的比例超过 2.5 倍（公司公布的顶线结果）。抗体这边，Genentech 的闭环优化让 11 个起始抗体里 10 个结合力提高 3 到 100 倍，不过只是预印本，只测了结合。更难的是小分子，Kate Stafford 的评价是：这是当前 AI 最有意思也最难的问题之一，而 Anthropic 这次的案例里还没有它。再看一个提醒：Dom 的长文引用 2024 年的分析，AI 发现的药一期成功率约 80% 到 90%，二期只有约 40%，和行业平均差不多。我要等的，是副作用更小、更好生产的证据，而不只是亲和力数字。