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 CodexAnthropic 做 Claude CodeGoogle 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。