Anthropic 在本月初的“The Briefing: AI for Science”活动上，不仅推出了面向科研人员的 Claude Science 新平台，还宣布将启动自主药物研发项目。该项目将重点关注传统药企因商业回报有限而忽视的“被忽视疾病”领域。

该项目计划集中于新药研发的早期和临床前研究阶段，旨在提升自身科研实力，并为生命科学领域提供更全面的 AI 工具。这使得 Anthropic 成为少数公开宣布直接参与新药研发，而非仅仅提供 AI 工具的全球顶尖大模型企业之一。

Claude Science 被定位为科研工作台，能够整合分散的科研工具和数据集，并支持数据分析、图表生成以及科研辅助等功能。在活动中展示的应用案例包括，美国加州大学旧金山分校（UCSF）的一名研究人员利用 Claude Science 在数分钟内发现了实验中的病毒污染，而该问题此前一年都未被研究团队察觉。

Anthropic 还提到，该系统能在不到一小时内分析 100 种罕见遗传疾病，并筛选出 32 个值得进一步计算筛选的候选方向。与许多主要向制药公司提供技术平台的 AI 企业不同，Anthropic 将亲自参与药物研发。目前，Anthropic 尚未公布首批具体研究对象，也未说明未来若发现有潜力的候选药物，是自主推进还是寻求合作完成后续的动物实验、临床试验及生产制造等环节。

近年来，AI 在药物研发领域的应用日益广泛，包括 OpenAI、Google 和 Amazon 等公司都已推出面向生命科学的 AI 平台。同时，Google DeepMind 旗下的 Isomorphic Labs 和 Insilico Medicine 等 AI 制药企业也在持续推进相关研究。

传统制药企业也在不断拓展 AI 的应用，AstraZeneca、Novo Nordisk 和 GSK 等公司已将 AI 融入药物筛选、分子设计、数据分析和研发流程优化等多个方面。

行业普遍认为，AI 已成为现代药物研发的重要辅助工具，但距离完全依赖 AI 设计并成功上市的新药仍有相当长的路要走。

英国剑桥大学教授、AI 生物技术公司 CardiaTec 联合创始人 Namshik Han 表示，AI 几乎可以贯穿药物研发的整个过程，包括发现候选化合物、优化分子结构、分析实验数据以及辅助临床研究等。然而，药物最终能否成功上市，仍取决于大量的临床验证。

英国伦敦大学学院药物研发教授 Matthew Todd 指出，目前尚无完全由 AI 设计的新药完成全部临床试验并获得美国食品药品监督管理局（FDA）批准上市。AI 主要作用在于加快候选药物的发现和研究效率，而不能完全替代整个研发流程。

英国牛津大学结构化学生物学教授 Frank von Delft 同样认为，虽然 AI 能提高研究效率，但实验环节仍不可或缺。候选药物仍需经历毒性、安全性、药效及人体临床试验等多个阶段的验证。这些流程不仅需要巨额资金和专业人员，也耗时较长，因此 AI 很难显著缩短整体研发周期。

在活动中，诺华（Novartis）首席执行官 Vas Narasimhan 介绍，一款新药从研发到获批平均需要约 12 年时间，其中信息处理和研发运营环节约占整体周期的 40%。他认为，新一代 AI 工具有望显著压缩这两部分时间，将整体研发周期缩短至约 7 至 8 年，但动物实验和人体临床试验等生物学验证环节仍难以大幅提速。此外，他预计，通过 AI 提升候选药物质量和安全性预测能力，未来药物研发的成功率有望从目前的约 8% 提升至约 16%，但最终仍需通过长期实验验证。

过去一年，Anthropic 已持续扩充其生命科学团队，并建立了湿实验室，同时公开招聘多项生物学及生命科学相关职位。有业内人士透露，该公司近期一直在积极招募来自大型制药企业及知名科研机构的人才，为推进相关研发项目做准备。尽管 AI 正在不断改变药物研发的方式，但业内专家普遍认为，即使研发效率有所提升，新药上市仍需经历严格且漫长的实验和监管审批流程。AI 可以帮助缩小候选范围、优化研究方向，但无法替代现实世界的实验验证，这意味着 Anthropic 的自主药物研发项目距离产生实际临床成果，仍需相当长的时间。