Anthropic悄悄建了生物实验室：AI制药进入“干湿闭环”时代   全球深一度

(医药健闻2026年9月22日讯)

周末，一则AI制药的消息传遍医药和投资圈。

路透社19日披露，Anthropic已经在旧金山湾区悄悄建成了一座实体生物实验室（wet lab），目标是让Claude指挥机器人完成真实的生物学实验，尽量减少人工介入。 公司生命科学负责人Eric Kauderer-Abrams已确认，团队现在不只在电脑里用模型算分子，也会在自己实验室里做部分验证实验。 实验室具体规模没有公布，但招聘岗位已经放出，包括采购与运营负责人、蛋白和核酸表征专家，整体目标很明确，要把生命科学研发速度提高一个数量级。 一家AI公司为啥跑去建生物实验室？ 过去十几年，AI制药主要有两条轻资产路线。一条是做计算，预测蛋白结构、生成小分子、筛靶点、读文献；另一条是做流程，帮药企写临床方案、整理监管材料、做药物警戒和数据分析。这两条都有一个共同点：实验不在自己手里。 问题就出在这里。AI可以一夜之间提出几千个候选分子，但真正判断行不行，要靠细胞实验、生化实验、动物实验、人体试验。很多AI制药项目卡住，不是因为模型不会想，而是因为实验验证太慢、太贵、太依赖人手。模型跑得再快，进不了实验室，整体研发周期还是降不下来。 Anthropic建湿实验室，本质上是想把“提假设、做实验、看结果、改模型”这四步自己串起来。它今年8月发布Model Hardware Standard，就是一套让Claude对接实验设备的标准，目标包括机械臂、液体处理站、显微镜、分析仪器的调度。再配合Claude Science这类科研工作台，把文献、基因组、结构生物学、蛋白信息、化学信息、Jupyter和R等工具放在一起，模型就从一个聊天助手变成实验调度员。 负责人Kauderer-Abrams把这种模式叫混合模型：自己能做一部分，外部合作做一部分。这很像中小型Biotech，不追求所有环节全自建，但关键验证、关键数据、关键迭代要自己掌控。对Anthropic来说，建了实验室，才有可能把反馈变成专有数据，再反哺Claude，形成闭环。 当然，这里面也有些个人因素。Anthropic CEO Amodei 在近期的一篇文章中写到，他的父亲死于一种疾病，而治愈方法在几年后才出现。公司瞄准的正是罕见病和不可成药靶点这些大药企在财务上不感兴趣的领域，具体方向包括双特异性和三特异性抗体这类能同时作用于多个靶点的复杂分子。 从软件到重资产，Anthropic走了几步棋 Anthropic不是突然做生物，早在至少一年前它就开始了布局。 2025年推出Claude for Life Sciences，面向药企做文献、数据、合规和研发协作。随后做Claude Science，把科研常用工具集成进模型。2026年4月前后以约4亿美元股票收购Coefficient Bio，这家团队很小，但懂药物研发流程、靶点选择、临床前规划和监管策略，并入生命科学业务后，补齐“生物项目怎么跑”的工序知识。 同期诺华CEO Vas Narasimhan进入Anthropic董事会，表明了公司进军制药的决心：模型公司不只想卖软件，还想跟顶级药企共同定义研发流程。 Anthropic 同时为基因泰克、百时美施贵宝、诺和诺德提供 AI 工具，百时美施贵宝已有三万余名研发人员接入 Claude；BMS把Claude Enterprise和Claude Code铺到数万名员工，覆盖研发、生产、商业化；基因泰克侧重更早的生物学与化学工作。 但这里有一个绕不开的矛盾。Anthropic既给药企做工具，又自己建实验室、自己筛分子，药企难免会想：我把研发数据给你，你会不会拿去训练模型，再用于你自己的项目？ Kauderer-Abrams的回应是，Anthropic目前不自己推人体临床试验，不把治疗产品直接商业化，重点做临床前、做罕见病、做传统药企不愿碰的难病种。 干湿闭环到底好在哪里？ 干湿闭环这四个字，最近在AI制药里出现频率很高。 ”干“，指计算机里的预测、生成、筛选、知识图谱、结构建模。”湿“，指实验室里的合成、纯化、细胞实验、生化 assay、动物药效、药代和毒理。”闭环“，就是模型出方案，机器人执行，数据回传，模型再修正。 国内已经有可参照的样本。晶泰科技在上海的AI自主实验室里，称量、搅拌、取样、过滤、分析可由机器人集群完成，科学家用智能体下目标，模型出候选方案，机器人做合成和测试，结果再回传优化。公司官网和媒体材料称，其平台可7×24小时运行，多智能体编排垂直模型与物理机器人，覆盖小分子、抗体、材料、晶型等场景。 英矽智能走得更偏自有管线。它在上海建干湿一体研发中心，用自动导引车连接化合物管理、细胞培养和高通量筛选，完整记录成功与失败数据，反哺PandaOmics和Chemistry42等平台。其TNIK抑制剂Rentosertib用AI找靶点、AI设计分子，IIa期结果发在Nature Medicine，2026年启动III期，用于特发性肺纤维化。公开材料称该项目临床前用时18个月、花费约260万美元，比传统模式短很多、便宜很多。 回到Anthropic，它不一定会照晶泰那样铺几百台机器人，也不一定照英矽那样做完整Biotech。更可能的是中型湿实验室加外部CRO：Claude做设计，少量自做高价值验证，大量外包高通量和动物实验，再把结果统一回流。这样做前期投入可控，也能拿到“自有反馈”。 AI制药已经进临床，但离获批还差一段距离 纵览行业全局，目前全球已有超过100个AI设计或AI辅助发现的药物进入了临床阶段。其中不乏走到III期的案例——比如Insilico Medicine的特发性肺纤维化药物，已经成为全球第一个进入III期的生成式AI新药。 然而也不能过度乐观。BCG早些年样本显示，AI发现分子I期通过率约80%到90%，高于传统药物40%到65%的历史区间，说明早期分子在安全性、药代、可合成性上更“像药”。但到了II期，比的是疗效和疾病获益。多个汇总称AI分子II期成功率约40%，和传统方法相近；Nature Medicine相关评论也指出，AI药II期失败率与非AI药相似。 更关键的是，截至2025年底，尚无完全由AI从靶点到分子全过程发现并获得FDA常规批准的新药；部分宽口径统计里有AI辅助项目进入后期，但“全程AI发现”和“AI辅助某几步”不是一回事。 这意味着AI目前最强的是前端：找靶点更快、设计分子更多、筛掉明显不行候选、整理文献和实验数据、写方案、做合规材料。它已经能明显压缩从靶点确认到临床前候选的时间。部分项目可把这段从传统数年缩短到12到18个月。 但到了人体试验，尤其是II期疗效、III期硬终点，生物学复杂性会重新占主导。病人群体异质、免疫微环境、脱靶毒性、长期安全性，这些不是模型多跑几轮就能完全解决。 从投资角度来看，更值得关注的是商业模式正在发生的变化。 跨国药企的合作正从采购单个分子转向采购整个平台的访问权，Isomorphic Labs 完成了二十一亿美元 B 轮融资，并依据 AlphaFold3 与礼来、诺华签下合计近三十亿美元的潜在里程金，英矽智能上半年收入同比增长近三倍并首次实现半年度盈利。 产业链上游的卖水人逻辑也开始兑现，被 Anthropic 指定为验证服务商的 Twist Bioscience 预计 AI 相关订单将从 2025 年的两千五百万美元增长到 2027 年的一亿美元。 *本文由公开资料整理而成，不构成投资建议