AI 公司 Anthropic 正在將觸角從模型層伸向應用層的最深處——藥物研發。該公司宣佈啟動自己的藥物發現項目，專門研究那些被傳統制藥和生物技術行業認為無利可圖的被忽視疾病，研發重心放在早期、臨床前階段。
這一消息是在 Anthropic 發佈其全新科學 AI 工具 Claude Science 的活動上披露的。公司方面表示，親自下場做藥與其非營利使命高度契合，更重要的是，通過在一線積累藥物研發的實戰經驗，能夠反哺其 AI 模型與工具的開發，為更廣泛的行業提供更優解決方案。
在活動現場，Anthropic 還展示了 AI 加速醫學研究的早期案例。加州大學舊金山分校的一名研究人員利用 Claude Science，在幾分鐘內就發現了一處其團隊整整一年都未察覺的病毒汙染。此外，Claude 在一小時內分析了 100 種罕見遺傳病，並從中篩選出 32 個候選靶點進行計算機模擬篩選。
這些初步成果指向一個更大的產業命題：AI 能否系統性地縮短新藥上市時間並提高成功率。對此，出席同一活動的諾華首席執行官 Vas Narasimhan 給出了量化展望。他指出，目前一款候選藥物從研發走到獲批，平均耗時約 12 年。他將延遲歸為三類：信息延遲、操作延遲和生物學延遲。
Narasimhan 認為，新的 AI 工具和模型可以大幅壓縮前兩類延遲，這兩者合計約佔研發總時間的 40%。而生物學延遲——即動物試驗、細胞模型和人體臨床試驗所必需的時間——則難以顯著縮短。綜合來看，整體研發週期有望從 12 年降至 7 到 8 年。
在成功率方面，Narasimhan 同樣給出了樂觀但剋制的預期。目前行業平均成功率約為 8%，他預計通過更精準的安全性預測和分子特性優化，這一數字有望翻倍至 16%。不過他也承認，最大的挑戰依然在於判斷一個藥物靶點在生物學上是否真的是對應疾病的關鍵所在，而通過優化患者篩選來提升成功率的效果仍不明朗。
Narasimhan 強調，即便這些看似溫和的提升，放在全球大型藥企的體量下也是巨大的。這些公司每年合計投入 1500 億至 2000 億美元用於研發，過去 120 年裡總共只產出了 800 到 1000 種藥物。研發效率哪怕只提高几個百分點，都意味著更多疾病有望被攻克，許多過去被認為不可成藥的靶點也可能變得觸手可及。
Anthropic 並非唯一盯上醫藥領域的 AI 巨頭。Google DeepMind 早已通過蛋白質結構預測工具 AlphaFold 在生物學界聲名大噪，其首席執行官 Demis Hassabis 還聯合 Alphabet 創立了 Isomorphic Labs，專注將 AI 直接應用於藥物發現。值得注意的是，AlphaFold 的共同開發者 John Jumper 近期已離開 DeepMind 加盟 Anthropic，這或許為後者此次進軍藥物研發增添了關鍵人才籌碼。
在臨床端，Google DeepMind 於 2026 年推出了 AI Co-Clinician 系統，圍繞“三方護理”模式，讓 AI 智能體在醫生保持臨床權威的前提下全程輔助患者。OpenAI 同樣在近年加速佈局醫療健康，於 2026 年初在 ChatGPT 內推出 ChatGPT Health 專區，允許用戶連接醫療記錄、Apple Health 數據及各類健康應用。
不過，對於 AI 直接介入診斷、治療方案制定和患者護理等臨床場景，獨立專家仍持謹慎態度。牛津大學的 Catherine Pope 評價稱，目前看到的結果“與日常醫療保健那個混亂、複雜、充滿人情味的真實世界之間，還隔著一大段距離”。
Anthropic 此次親自下場，將自身置於從算法到療法的漫長鏈條中，既是其非營利定位的一次實踐延伸，也是一場高風險的驗證——AI 能否真正穿透生物學的不確定性，在那些商業回報有限但患者急需的領域，交出經得起臨床考驗的答卷。