Anthropic从"卖工具"到"亲自制药"：Claude Science发布背后，AI巨头为何集体杀入罕见病赛道？
2026年7月5日 · IT新闻分析
一句话结论
Anthropic发布Claude Science科研平台并宣布自主启动药物研发，瞄准药企不屑于碰的"被忽视疾病"——这标志着头部大模型公司从"卖AI工具给药企"的B2B模式，正式跨入"自己当药企"的B2C+B2B双轨时代。
事件始末
6月30日，Anthropic在旧金山举办"The Briefing: AI for Science"活动，正式发布面向科研人员的AI工作平台 Claude Science，同时宣布一项令行业意外的决定：公司亲自启动药物研发项目，重点针对传统药企因商业回报有限而长期忽视的"被忽视疾病"（Neglected Diseases），包括罕见遗传疾病。
这不是一次普通的产品发布。诺华（Novartis）CEO Vas Narasimhan、百时美施贵宝、基因泰克等跨国药企高管悉数现身发布会，为一家AI公司站台——这种场面在制药行业前所未见。
Claude Science是什么？
- 定位：科研工作台，不是新模型，基于现有Claude模型（含Opus 4.8）
- 能力：整合60多个科学数据库，覆盖基因组学、蛋白质组学、单细胞分析、化学信息学等领域
- 功能：自动完成单细胞测序分析、CRISPR筛选设计、蛋白质结构预测等复杂任务
- 架构：中央AI助手可生成子代理处理子任务，独立审查代理核对引用文献，所有产出附带"可稽核的历程记录"
- 开放：测试版已向所有Claude Pro、Max、Team、Enterprise订阅用户开放
- 补助：针对最多50个研究项目，提供每案最高3万美元的研究资助（申请截止7月15日）
自主药物研发计划
- 聚焦早期阶段和临床前研究
- 尚未公布首批具体研究对象
- 未说明候选药物后续是自主推进还是合作授权
- 目的：获取药物研发一线经验，打磨适配行业的AI工具，与Claude Science形成协同
为什么是"罕见病"？
这是整个事件中最值得玩味的战略选择。
传统药企的逻辑：罕见病患者群体小，研发投入回报率低，一款新药从研发到上市平均耗时12年、耗资数十亿美元。商业模式不成立，所以"被忽视"。
Anthropic的逻辑：恰恰因为药企不愿碰，所以这里存在巨大的"未被满足的医疗需求"——而这正是AI擅长发现的缺口。Claude Science宣称能在不足一小时内分析100种罕见遗传疾病，筛选出32个值得进一步计算筛选的候选方向。这种规模化筛选能力，是人类研究员用传统方法无法企及的。
更深一层的算盘：瞄准罕见病，既是技术理性的选择，也是公众形象的加分项。一家估值近万亿美元的AI公司，选择用技术去攻克没人愿意攻克的疾病——这个叙事，远比"又发布一个AI工具"更有穿透力。
市场即时反应
Claude Science发布后，市场迅速做出回应：
- Schrödinger（物理模拟新药开发工具商）股价一度暴跌8.3%
- Recursion Pharmaceuticals（AI+自动化实验室生物分析）盘中显著下跌
- Anthropic已以保密方式向SEC提交IPO申请，估值近1万亿美元
市场读出的信号很明确：当AI公司从"卖工具"变成"自己用工具"——传统AI制药工具商的中介价值，可能被直接跳过。
三强争霸格局
Anthropic此举，将AI+药物研发的竞争推向新阶段：
| 公司 | 产品 | 路径差异 |
|---|---|---|
| Google DeepMind | Gemini for Science + Isomorphic Labs | 自研专用科学模型（AlphaFold等），已有AI设计候选分子推进临床 |
| OpenAI | GPT-Rosalind | 专用生物学推理模型，限美国境内审查合格的企业客户 |
| Anthropic | Claude Science | 不造新模型，用现有Claude+工作台+开放订阅，主打易用性和整合性 |
Anthropic的差异化选择是"不造新模型、不打 segregated 战场"，而是让现有Claude用户直接上手，靠工作流的完整性和易用性抢占市场——这与它在编程领域用Claude Code的策略如出一辙。
我的观察
第一，AI公司正在从"技术供应商"变成"垂直行业参与者"。 过去两年，AI企业的叙事是"我们的模型很强，药企来用我的API"。Anthropic这次的逻辑变成了"我自己也要研发药物，所以我更懂你的痛点，我的工具才会更好"。这是一个范式转换：从工具赋能到亲身下场。
第二，IPO前的战略叙事。 Anthropic选择在IPO筹备期发布Claude Science和自主制药计划，绝非偶然。它需要向资本市场讲述一个"不止是大模型公司，而是垂直行业赋能者"的故事。医疗+罕见病，是估值叙事中最好的"长期价值锚"。
第三，湿实验室（Wet Lab）的意义被低估了。 Anthropic过去一年持续扩充生命科学团队，自建湿实验室，公开招聘多项生物学岗位，并在4月以4亿美元收购AI制药公司Coefficient Bio。这些动作说明：Anthropic不是在"做Demo"，而是在搭建一个从计算到实验的完整闭环。这是大多数纯AI公司不愿做、也做不到的重资产投入。
第四，"AI不能替代实验验证"仍是行业共识，但正在被侵蚀。 诺华CEO的判断是AI能把研发周期从12年压缩到7-8年，成功率从8%提升到16%——但这仍需经历动物实验、临床试验等漫长验证。然而，当AI公司自己掌握实验环节（湿实验室+自动化），"AI只做工具不做药"的边界，正在被一步步模糊。
第五，罕见病赛道可能成为AI制药的"破局点"。 传统制药的ROI模型在罕见病上行不通，但AI的边际成本结构与人类研发团队完全不同——一旦前期平台搭建完成，每多分析一种罕见病的成本趋近于零。这意味着，AI在罕见病领域的"经济可行性"，可能远远超过任何传统药企。
三个未解之问
商业模式闭环：Anthropic找到候选药物后，是自己建临床团队、走FDA审批，还是授权给药企？前者需要数十年和数十亿美元，后者又回到了"卖工具"的老路——如何定义"自己制药"的边界？
AI制药的"Google Maps效应"：Claude Science整合60多个数据库的能力令人印象深刻，但整合数据与发现新分子之间，还隔着大量生物实验的鸿沟。Forbes的试驾者用它分析490篇论文发现了864个被遗漏的关系——这是知识整合，不是药物发现。两者不能混为一谈。
监管与安全：FDA至今尚未批准任何完全由AI设计的新药。Anthropic自建湿实验室意味着它将面对全新的监管框架——AI公司如何应对药物安全的监管责任？这不是发布一个Claude Science就能回答的问题。
结语
Anthropic从"造芯"（此前的自研芯片暗牌）到"造药"，画出了一条清晰的路线：AI巨头不再满足于当基础设施，而是要在每一个高价值垂直领域建立存在感。
当Google有Isomorphic Labs、OpenAI有GPT-Rosalind、Anthropic有Claude Science——AI制药的三强争霸，可能比AI大模型本身的竞争更早看到"赢家"。
因为药物研发的世界里，最终硬通货不是参数量，而是临床数据。
信息来源：
- IT之家 / 凤凰科技（2026-07-04）
- BigGo财经（2026-07-01）
- 新浪财经（2026-07-01）
- 腾讯新闻（2026-07-01）
- CNBC / STAT News / Forbes（2026-06-30）