2026年8月18日，Anthropic宣佈其Claude模型成功從頭設計出一批自然界從未出現過的蛋白質，並用這些蛋白質拼出公司名“ANTHROPIC”的動態演示。這一成果緊隨公司創始人Dario Amodei上週末在X上放出的豪言——有了AI助力，人類有望在5-10年內攻克大部分疾病。

Claude此次的工作屬於蛋白質從頭設計，與谷歌AlphaFold的解析方向相反，更接近2024年諾貝爾化學獎得主戴維·貝克的研究。Anthropic研究人員擬定了一份包含16000個單詞的提示協議，餵給Claude的Opus 4.8和Mythos Preview兩個版本，針對16個靶點進行內部賽馬，耗時24-48小時篩出15個靶點，隨後生成結合劑主鏈結構、反推氨基酸序列，並經過多輪評估最佳化，最終生成1320個設計。這些設計被送往瑞士Adaptyv Bio和美國Twist Bioscience兩家第三方溼實驗平台進行驗證。

結果顯示，15個靶點中有14個獲得了能結合的蛋白質，命中率在22%-35%之間，而行業通常只有10%-15%；每個靶點兩天內出結果，而過去靠計算專家手工編排需要幾周時間。在比宇宙原子總數還多的蛋白質序列空間中，這一進步相當顯著。Claude還啃下了公認難搞的靶點TNFα——它是修美樂等重磅藥物的作用靶點，結合位點藏在凹槽中，設計難度極大，Opus 4.8成功搞定，但整體能力更強的Mythos Preview反而失手。不過，Claude的成功並非規律可循：一個MBP靶點的90個設計全部失敗，而公認難做的β摺疊結構卻成功產出。

儘管成績亮眼，但Claude設計的蛋白質結合劑只是藥物開發的第一步。後續的可製造性、穩定性、毒理、劑量、臨床試驗、監管審批仍需人類完成，至今尚無一款AI從頭設計的蛋白類藥物成功上市。新藥從發現到上市平均需10-15年、花費10億-20億美元，AI可能讓新藥發現效率提高100倍，但無法讓上市速度快100倍。Amodei在2024年長文《Machines of Loving Grace》中也承認了資料、物理世界速度、內在複雜性、臨床試驗等瓶頸。

Anthropic在科研AI領域動作頻頻，不僅大手筆收購、重金挖人，還高調發布AI科研平台。其Claude for Life Sciences和Claude Science工作台已簽下諾華、禮來、賽諾菲、艾伯維、阿斯利康、BMS等跨國藥企客戶。在科研AI賽道，谷歌雖有諾獎級成果AlphaFold，但分拆的Isomorphic Labs至今未將藥物送進臨床；OpenAI走垂直科學模型+藥企合作路線，GPT-Rosalind和GPT-4b micro已取得進展；Anthropic則通過挖人、收購、把生物能力嵌入通用模型，站到了谷歌和貝克實驗室兩大巨人的肩頭。此外，亞馬遜作為“賣鏟子”的基建提供商，多數藥企和AI製藥公司都在用AWS算力跑研發。

專業AI製藥公司方面，英矽智慧的Rentosertib已啟動Ⅲ期臨床試驗，晶泰科技的PEP08、RTX-117進入Ⅰ期臨床，深勢科技以物理精度打底、正在補實驗閉環。各家仍處各顯神通階段，誰也沒有勝出。

AI設計蛋白質的安全性問題也引發關注。全新設計的蛋白質可能被免疫系統當作外來異物攻擊，歷史上Abicipar因15.4%的炎症發病率而失敗；針對A目標的蛋白質可能對B目標起作用，如高效胰島素AspB10因導致腫瘤而被放棄。更需警惕的是惡意利用：2025年《科學》研究顯示，用開源AI蛋白設計工具生成的超7.5萬個危險蛋白變體中，大量變體成功逃過主流基因合成篩查軟體的檢測，即使打了補丁仍有約3%漏網。不過，AI設計流程有嚴格篩選機制，設計失敗出現聚集也不代表會產生新型朊病毒。