Anthropic 在近期举行的“The Briefing: AI for Science”活动中，发布了面向科研人员的新平台 Claude Science，并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研发投入不足的“被忽视疾病”。

Anthropic 计划将该项目聚焦于新药研发的早期阶段和临床前研究，旨在提升自身科研能力的同时，为生命科学领域构建更完善的 AI 工具。这一举措使 Anthropic 成为少数公开宣布直接参与新药研发，而非仅提供 AI 工具的全球顶尖大模型企业之一。

Claude Science 被定位为一个整合性的科研工作台，能够汇集分散的科研工具和数据集，并支持数据分析、图表生成以及其他科研辅助功能。在活动中，Anthropic 展示了 Claude Science 的应用案例，例如美国加州大学旧金山分校（UCSF）的一名研究人员利用该平台在数分钟内识别出了一个困扰研究团队一年之久的实验病毒污染问题。

据 Anthropic 介绍，该系统能在不足一小时内分析 100 种罕见遗传疾病，并筛选出 32 个有潜力进行进一步计算筛选的方向。与许多 AI 企业向制药公司提供技术平台不同，Anthropic 此次选择亲自涉足药物研发。然而，Anthropic 尚未披露首批具体的研究目标，也未说明未来若发现潜在候选药物，将采取自主推进还是与其他机构合作进行后续的动物实验、临床试验及生产制造。

近年来，AI 在药物研发领域的应用日益广泛，包括 OpenAI、Google 和 Amazon 在内的企业都已推出针对生命科学的 AI 平台。此外，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。

与此同时，传统制药企业也在不断拓展 AI 的应用范围，AstraZeneca、Novo Nordisk 和 GSK 等公司已将 AI 整合到药物筛选、分子设计、数据分析以及研发流程优化等多个环节。

业界普遍认为，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 指出，AI 几乎可以渗透到药物研发的整个过程，包括候选化合物的发现、分子结构的优化、实验数据的分析以及临床研究的辅助。但他强调，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 补充说，目前尚无完全由 AI 设计的新药完成所有临床试验并获得美国食品药品监督管理局（FDA）批准。AI 主要是在加速候选药物的发现和研究效率，而不能取代整个研发流程。

英国牛津大学结构化化学教授 Frank von Delft 同样表示，虽然 AI 能够提高研究效率，但实验环节的重要性并未因此减弱。候选药物仍需经过毒性、安全性、药效以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，还需要大量时间，因此 AI 很难显著缩短整个研发周期。

在活动中，诺华（Novartis）首席执行官 Vas Narasimhan 提到，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 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加速。此外，他预计 AI 能够提高候选药物的质量和安全性预测能力，有望将药物研发成功率从目前的约 8% 提升至约 16%，但最终仍需通过长期的实验验证。

过去一年，Anthropic 持续扩充其生命科学团队，并建立了湿实验室，同时公开招聘生物学和生命科学领域的多个职位。有业内人士透露，该公司近期积极招募来自大型制药企业和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，新药上市仍需经过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中的实验验证，这意味着 Anthropic 的自主药物研发项目距离产生临床成果仍需时日。