Anthropic 6 月 30 日在舊金山舉行的「The Briefing: AI for Science」活動上，公布全新產品 Claude Science。這是一個專為科學家而設的 AI 研究平台，目標是將原本分散在資料庫、程式碼工具、運算資源及研究流程中的工作，整合到單一環境之內，讓研究人員分析文獻、執行多步驟分析、生成圖表及可視化結果，同時保留可追溯的生成紀錄，方便日後驗證及重現結果。Anthropic 同時宣布啟動自家臨床前藥物研發計畫，初步聚焦傳統生物製藥公司較少投入資源的「被忽略疾病」。
根據 Anthropic 官方介紹，Claude Science 目前以 Beta 形式推出，支援 Claude Pro、Max、Team 及 Enterprise 用戶，可在 macOS、Linux、本地端、遠端伺服器、SSH 或 HPC 登入節點上使用。平台並非一個全新基礎模型，而是建基於現有 Claude 模型之上，加入針對科學研究流程而設的介面、技能及連接器。
Claude Science 預先整合超過 60 項科學技能、連接器及資料庫，涵蓋基因組學、單細胞分析、蛋白質組學、結構生物學及化學資訊學等範疇。研究人員可用自然語言要求平台進行 CRISPR 篩選實驗設計、單細胞 RNA 定序資料分析、蛋白質結構預測、化學結構繪圖及基因組瀏覽器軌跡生成。平台也可原生顯示 3D 蛋白質結構、基因組瀏覽器 tracks 及化學結構，並在生成圖表時保留相關程式碼、環境設定及操作歷史。
負責 Anthropic 醫療及生命科學市場拓展的 Zubair Jandali 在活動上形容，Claude 已由「協助」生命科學研發，進一步走向「執行」部分研究工作。他的說法並不代表 AI 能完全取代科學家或實驗室，而是指平台可在研究流程中自動調用資料、工具及運算資源，完成部分原本需要研究人員跨系統處理的分析任務。
AI 能否縮短藥物研發時間？
在同一活動上，Novartis CEO、同時也是 Anthropic 董事的 Vas Narasimhan 將藥物研發延誤分為資訊延遲、營運延遲及生物學延遲三類。他估計，Claude Science 這類 AI 平台有機會將候選藥物由研發到審批的時間，由約 12 年縮短至 7 至 8 年，並有望將藥業整體成功率由約 8% 提升至 16%。不過他也提醒，AI 目前較有機會壓縮資訊及營運層面的延誤，至於動物實驗、細胞模型及人體臨床測試等「生物學延遲」，仍然是藥物開發中最難繞過的部分。
自行研發藥物 聚焦被忽略疾病
Anthropic 生命科學主管 Eric Kauderer-Abrams 在活動上表示，公司將啟動內部臨床前藥物研發計畫，目標是尋找傳統生物製藥公司因商業考量而較少投入資源的疾病治療方案。負責生命科學夥伴關係的 Jonah Cool 也補充，Anthropic 一方面會向藥廠及研究機構銷售 AI 工具，另一方面會透過自家研發計劃累積藥物發現經驗，兩者屬並行策略。
不過，Anthropic 尚未透露首批目標疾病、候選藥物類型、是否會與藥廠合作進行動物測試或臨床試驗，也沒有提及日後若發現有潛力的候選藥物，會如何推進至製造、監管審批及商業化階段。換言之，Anthropic 目前更接近是在建立臨床前藥物發現能力，而非已經成為完整意義上的製藥公司。
各大 AI 公司爭相搶占藥業市場
Anthropic 這次舉動，令公司加入一眾爭奪科學及藥業客戶的科技企業。OpenAI 今年 4 月推出 GPT-Rosalind，是一款針對生命科學研究設計的模型，支援生物化學、藥物發現及轉化醫學研究，可協助處理證據整合、假設生成、實驗規畫、資料庫查詢及文獻分析等早期發現工作。OpenAI 表示，GPT-Rosalind 目前以 research preview 形式，透過 ChatGPT、Codex 及 API 向合資格客戶開放。
從 Google DeepMind 分拆出來、由 Alphabet 支持的 Isomorphic Labs 今年 5 月完成 21 億美元 Series B 融資，用於擴展其 AI 藥物設計引擎 IsoDDE，並推進自家候選藥物管線。路透社報導，Isomorphic Labs 預計首批臨床試驗將於 2026 年底前展開，比之前的「2025 年底」目標有所延後。Insilico Medicine 也在今年 1 月與法國藥廠 Servier 達成一項最高達 8.88 億美元的腫瘤藥物研發合作，使用其 AI-driven drug discovery platforms 協助發現及開發新型癌症療法。
專家質疑實際成效
雖然 AI 藥物研發成為科技公司及藥廠共同追逐的新戰場，但專家普遍提醒外界不要過度解讀。劍橋大學教授、AI 生物科技新創 CardiaTec 聯合創辦人 Namshik Han 指出，「AI 藥物研發」一詞含義非常廣泛，現時幾乎所有主要藥廠都已在不同階段使用 AI，涵蓋新化合物搜尋、資料分析、臨床試驗、製造及營運等環節。
University College London 藥物研發教授 Matthew Todd 也形容，「AI 藥物研發」只是一個統稱，實際應用範圍很廣，但候選藥物仍須經過現實世界實驗，證明安全性、有效性、毒性及可製造性，整個過程不可能完全自動化。牛津大學結構化學生物學教授 Frank von Delft 也指出，AI 模型仍遠不能讓實驗變得不必要；若 Anthropic 真要推進藥物研發，仍需要投入大量時間、資金及實驗資源。
截至 2026 年 7 月初，已有多款 AI 參與發現或設計的候選藥物進入臨床試驗階段，但仍未有任何一款被明確稱為「AI 設計」的藥物完成臨床試驗並獲美國食品及藥物管理局（FDA）批准上市。這也反映 Claude Science 的真正考驗不在於能否生成漂亮圖表或自動整理數據，而在於它能否在漫長而昂貴的實驗、臨床及監管流程中，持續證明自己能提高成功率。
科技新報粉絲團
加入好友
訂閱免費電子報
