Anthropic 最近这步，表面上看是“Claude 开始进军科学研究”，但真正值得看的不是 AI 能不能马上做出新药。

我更关心的是另一件事：大模型公司正在试图从“卖工具”变成“吃结果”。

这比单纯发布一个科学版 Claude 更重要。

先把事情说清楚

根据 The Verge 的报道，Anthropic 推出了面向科学研究的 Claude Science，并且内部已经开始思考更进一步的事情：不只是服务科学家，而是亲自参与药物研发，甚至探索开发自己的药物。

这不是凭空来的。

过去一年，大模型公司已经不满足于只做聊天入口。OpenAI 做 Codex，Anthropic 做 Claude Code，Google DeepMind 做 AlphaFold 和 Isomorphic Labs。大家都在往一个方向走：把模型能力嵌进高价值行业的核心流程里。

医药当然是最诱人的场景之一。

因为这里既有巨大的经济价值，也有非常明确的痛点：研发周期长、失败率高、文献和实验数据复杂、候选分子筛选成本高。

问题是，AI 制药这件事已经热过好几轮了。过去几年，“AI 发现新药”“AI 缩短研发周期”“AI 改变医药行业”的叙事并不少见，但真正走到临床成功、监管批准、商业化放量的案例仍然非常有限。

所以这次 Anthropic 的意义，不在于它马上就能靠 Claude 做出一款药。

而在于：一个最前沿的大模型公司，开始认真试探自己能不能从工具供应商，变成产业参与者。

AI 公司为什么不满足于卖模型？

原因很简单：只卖模型太容易掉进价格战。

模型 API 的生意有点像卖电、卖云算力、卖数据库能力。它当然重要，但如果大家都能提供类似能力，最终就会被客户拿来比价格、比延迟、比上下文、比 SLA。

尤其是现在开源模型和国产模型追得很快，通用能力的差距正在被压缩。大模型公司如果只停留在“我给你一个 API，你自己拿去用”，天花板会越来越清楚。

但如果它能进入某个垂直行业，事情就不一样了。

比如在医药行业，如果 AI 只是帮药企写文献综述、整理实验记录、生成代码，那它拿的是工具费。

但如果 AI 能参与靶点发现、分子设计、临床前候选物筛选，甚至和药企共同拥有管线权益，那它拿的就不只是订阅费，而是未来药物成功后的商业结果。

这就是“卖铲子”和“下场挖矿”的区别。

卖铲子稳定，但毛利会被竞争压低。

下场挖矿风险大，但如果押中，收益完全不是一个量级。

Anthropic 如果真的往药物研发里走，本质上是在试探大模型公司的第二曲线：从基础设施公司，变成垂直行业里的结果型玩家。

但 AI 制药没那么简单

这里要泼一盆冷水。

药物研发不是把一篇论文、几个蛋白结构、几组分子数据丢给模型，然后等它吐出一个神药。

一个药从想法走到上市，中间要经过非常长的链条：

• 疾病机制理解
• 靶点发现与验证
• 分子设计与筛选
• ADMET 和毒理评估
• 细胞实验
• 动物实验
• 临床一期、二期、三期
• 监管审批
• 生产和商业化

AI 在其中确实可以提高效率，尤其是在文献分析、结构预测、候选分子生成、实验设计、数据整理这些环节。

但它跳不过湿实验，也跳不过临床验证。

更关键的是，医药研发最贵、最难的部分，往往不是“提出一个看起来合理的分子”，而是证明它在真实人体中安全、有效、可生产、可监管。

这也是为什么很多 AI 制药公司早期故事很好听，但后来都要回到传统医药的硬约束里。

AI 可以加速早期发现，但不等于能消灭后期失败率。

这点必须讲清楚，否则很容易把 AI 制药写成玄学许愿。

Anthropic 的优势在哪里？

如果 Anthropic 真要碰药，它的优势不一定是“Claude 比专门的 AI 制药模型更懂生物”。

它真正的优势可能在三个地方。

第一，Claude 本身适合处理复杂科学文本。

医药行业有大量论文、专利、实验记录、临床文档、监管文件。大模型在阅读、归纳、推理、代码生成、数据解释上的能力，确实可以改变科研工作流。

Claude Science 如果能把 PubMed、Jupyter、R、内部数据和科研工具链打通，它首先会成为科学家的工作台，而不是一个“自动造药机器”。

第二，Anthropic 更擅长做可控、可解释、可审计的 AI 系统。

这点在医药里很重要。

药物研发不是消费级聊天机器人，不能只追求回答漂亮。它需要记录推理过程、保留证据链、解释为什么提出某个假设、哪些数据支持、哪些数据反对。

在高风险行业里，AI 的“可控性”可能比“灵感”更重要。

第三，它有机会通过真实科研任务训练和校准模型。

这可能是最核心的。

如果 Anthropic 只是服务科研人员，它拿到的是工具使用反馈。

如果它自己下场做药，它会得到更完整的任务闭环：模型提出假设，实验验证，结果反馈，再反过来改进模型。

这种闭环数据，比公开网页和普通问答数据更值钱。

所以 Anthropic 做药，表面看是进入医药行业，深层看可能是在构建科学推理和实验反馈的长期数据飞轮。

为什么是药，而不是别的行业？

因为医药是少数几个足够贵、足够难、足够依赖知识密度的行业。

AI 公司想证明自己不是“高级文案机”，就必须进入那些传统上由专家、实验、流程、监管共同构成的行业。

医药刚好符合这个标准。

它有海量文本，有复杂结构数据，有明确目标，也有清晰结果：候选物有没有效果，实验有没有通过，临床有没有成功。

当然，它也非常残酷。

如果你做内容、做营销、做客服，AI 错一点可能还能人工兜底。

但药物研发里，模型错了，后面可能就是几千万美元的实验成本，甚至是临床安全风险。

所以医药是大模型公司最想讲故事、也最容易被现实教育的行业。

这对国内 AI 公司有什么启发？

我觉得启发不是“国内也赶紧做药”。

那太简单粗暴了。

真正的启发是：大模型公司不能一直停在通用能力展示和 API 价格战里。

国内现在很多 AI 公司还在卷模型价格、卷上下文、卷榜单、卷聊天入口。这些当然重要，但如果最后都变成“谁更便宜”，那利润空间会很难看。

未来更值钱的方向，一定是进入垂直行业流程。

但进入垂直行业，不是给行业套一个聊天框。

医药如此，法律、金融、工业、内容生产也是一样。

你必须理解这个行业真正的工作流：谁在什么场景下做判断，数据在哪里，工具链是什么，失败成本是什么，监管边界在哪里，AI 产出的结果如何被验证。

如果只是把通用模型包装成“AI 医药助手”“AI 金融助手”“AI 法律助手”，大概率没有壁垒。

如果能把模型、数据、工具、权限、审计、结果反馈串起来，才有可能形成真正的行业 Agent。

这也是我为什么一直觉得，Agent 的关键不是“会聊天”，而是“进入流程”。

Anthropic 做药会成功吗？

短期内，我不会太乐观。

因为医药研发太慢，太贵，变量太多。

Anthropic 就算很强，也不可能绕开生物学本身的复杂性。它可以让科学家更快提出假设，更快筛选候选，更快整理证据，但从候选药物到临床成功，中间仍然是漫长的现实世界验证。

但从长期看，这件事值得认真关注。

因为它代表了一种趋势：前沿 AI 公司不再满足于做通用工具，而是开始试图进入产业结果。

以前的问题是：

“谁的模型更强？”

现在的问题正在变成：

“谁能用模型拿到真实世界里的结果？”

如果 Anthropic 能在科学研究里跑出一个可复制的闭环，即使它自己做不出 blockbuster drug，也会对 AI 科学工具、AI 实验工作流、AI 行业 Agent 产生很大影响。

最后

所以我对“Anthropic 要自己做药”这件事的判断是：

不要把它理解成“AI 马上颠覆制药”。

更不要理解成“Claude 已经能自动研发新药”。

更准确的说法是：Anthropic 正在试探大模型公司的下一种商业形态。

从卖模型，到卖工作流。

从卖工具，到参与结果。

从通用能力，到垂直行业闭环。

药物研发只是这个趋势里最昂贵、最困难、也最有想象力的一站。

真正值得关注的是：如果大模型公司开始亲自下场做药、做科研、做工业、做金融，它们就不再只是云上的 AI 工具，而会逐渐变成行业生产链条的一部分。

这才是这件事最有意思的地方。