Anthropic进军AI药物研发 从工具提供商到潜在制药企业

本周早些时候，在一场名为“The Briefing: AI for Science”的活动上，人工智能公司 Anthropic 宣布推出全新的 Claude Science 平台，将其定位为面向科学家的“AI 工作台”。 该平台旨在把分散的科研工具和数据集整合到同一环境中，并自动生成图表和可视化结果，Anthropic 认为这类 AI 技术有望“显著加速科学发现和医疗干预的研发进程”。 公司同时强调，已有大量生物科技和制药企业在使用 Claude 进行相关研发工作。

更具野心的是，Anthropic 不再满足于仅做工具提供商，还公开表示计划亲自开发药物。 负责生命科学业务的负责人 Eric Kauderer-Abrams 在接受采访时表示，公司将重点瞄准“被忽视”的疾病领域，希望通过 AI 辅助发现新的治疗方案。 在当下 AI 药物研发热潮中，OpenAI、亚马逊、Google等科技巨头均推出了各自的生命科学平台，但 Anthropic 的表态是目前少数几例由前沿通用 AI 模型公司直接宣布要自己研发药物的公开举动之一。 这也使其处于一个颇为微妙的位置：一方面向众多制药企业出售软件工具，另一方面又可能成为这些客户在药物研发上的潜在竞争对手。

业内人士指出，Anthropic 的这一动作，实际上把公司推入了一个更广泛的竞赛之中。 与其一同参与角逐的，包括 Insilico 等“AI 优先”的药物公司、由Google DeepMind 分拆出来的 Isomorphic Labs，以及大量自建或收购 AI 工具的传统生物科技和大型制药企业。 尽管声势浩大，Anthropic 至今提供的具体信息仍相当有限：他们没有说明如果发现有前景的候选药物将如何推进，也未回应关于首批拟针对哪些疾病、是否会与其他机构合作完成实验室研究、动物试验、临床试验以及生产制造等细节问题。

“AI 药物发现”这几个字背后，是一个定义极其宽泛的概念。 剑桥大学教授、AI 生物科技初创公司 CardiaTec 联合创始人 Namshik Han 认为，AI 已经被应用在药物发现的“每一个阶段”，从筛选和优化新化合物，到辅助科研、数据分析、临床试验乃至生产制造，都可见其身影。 伦敦大学学院药物发现教授 Matthew Todd 也提出类似看法，称“AI 药物发现”几乎已经成为一个“兜底式用语”，用来指代这一整套广泛的应用场景。

尽管如此，专家普遍认为，AI 对药物研发的改变仍处在早期阶段。 Han 指出，阿斯利康、诺和诺德、GSK 等制药巨头已布局众多 AI 项目，利用模型为已知病理通路或现有靶点生成可能的候选分子，帮助科研人员发现可与特定受体相互作用的新分子结构。 Todd 则强调，AI 在加速科研、帮助“路测”新药设想方面非常有用，可以在庞大的化学和生物空间中筛查潜在方案，找出在人力和传统工具下很难或要耗费大量时间才能发现的联系。 结合 Anthropic 在前沿模型上的优势，外界普遍推测其将主要利用生成式 AI，在化合物与生物靶点的海量组合中进行搜索和推荐，辅助研究人员提出新的药物设计思路、识别新的疾病靶点，或为既有药物寻找新的适应症。

然而，从“提出药物构想”到“真正有药物进入临床并获批上市”，距离依然遥远。 Todd 表示，目前距离第一款完全由 AI 设计并通过监管批准的药物进入市场仍然“相去甚远”，整个发现和开发过程在相当长时间内都无法做到全自动化，人类专家的参与和监督仍是必需。 Todd 和 Han 同时指出，缺乏大量公开的、高质量实验数据——尤其是化合物在人体内具体行为的详尽记录——构成了现阶段的关键瓶颈，即便在研究最深入的生物学领域，人类对许多机理的理解仍存在巨大空白。

牛津大学结构化学生物学教授、牛津药物发现中心蛋白晶体学负责人 Frank von Delft 认为，公众对强大 AI 模型的期待不无道理，但当前技术“还远未接近让实验变得不再必要”的地步。 药物候选分子仍需在现实世界中接受关于疗效、毒性以及配制、储存和安全给药等多方面的检验，这些环节需要大量专业人员投入巨额资金和时间，尤其是开展人体临床试验时，许多看似有前景的候选药物往往会折戟。von Delft 直言，如果 Anthropic 真要亲自开发药物，“就不得不在实验上投入巨资”。

从近期动向看，Anthropic 似乎已经在为此做准备。 过去一年里，公司持续招聘生物学相关人才，并筹建自己的湿实验室，同时在公开招聘平台上发布多条生命科学岗位招聘信息。 Han 透露，Anthropic 在这一领域“一直积极招人”，甚至向多位学术界同事发出邀约。 他表示，自己了解到 Anthropic 已从大型制药公司以及部分顶尖学术机构成功挖走了一些专业人才，但并未透露具体姓名。

即便如此，在如此复杂的研发体系下，无论 Anthropic 最终选择瞄准哪类疾病，真正看到成果都将是多年之后的事情。 以传统药物开发周期为例，一款新药从立项到完成临床试验往往需要接近十年时间，Todd 称在药物测试上“总是存在巨大的时间滞后”，因为要通过实验来证明某种候选药物的安全性和有效性，本身就是一项耗时漫长的工作。 迄今为止，还没有任何一款由 AI 设计的药物成功完成全部临床试验并获得 FDA 批准上市，已有少数候选药物进入临床阶段，但外界很难准确判断 AI 在其研发过程中具体发挥了多大作用，以及这些药物是否能在疗效上明显超越传统研发路径的产品。

在专家看来，AI 能显著加快的是“搜索”与“设想”的部分，而真正决定药物成败的，仍是那些在现实世界中、以严谨而缓慢的方式开展的实验与试验。 对 Anthropic 而言，这意味着从畅想 AI 改写药物发现，到承担起高投入、高风险的长期实验责任，是一次跨度巨大的角色转变。