文章核心观点 - Anthropic从提供AI工具转向亲自参与药物研发，通过收购仅有1名全职员工的生物技术公司Mithril Medicine切入制药领域，其创始人借助Claude协调11家外部实验室，在不到18个月内将罕见肌营养不良症候选疗法从构想推进到小鼠实验并取得初步积极结果[1] - 头部AI公司集体进入制药业，原因是编程成为大模型商业化重要场景后，需要寻找下一个能发挥模型能力、形成商业价值的应用领域，而传统药物研发存在巨大效率改善空间[1][8] - 药物研发瓶颈不只存在于分子发现阶段，还分散在实验设计、数据分析、制造、监管申报和临床试验等环节，AI参与整个流程的潜在价值不只是帮助找到更多候选分子[3] - 这场竞争最终比拼的可能不是谁能生成更多分子，而是谁能够把模型、实验数据、研发流程和临床验证连接起来，真正提高新药研发的效率与成功率[9] Anthropic药物研发进展 - Generate Biomedicines利用Claude Code优化CAR-T相关基因设计，实验中相关遗传指令片段缩短约70%，细胞表面受体表达量提高约10倍[2] - Divergence Labs借助Claude在约一个月内生成3.5万种抗体候选设计[2] - BigHat Biosciences在约10周内设计并测试1010种分子变体，部分优化后的抗体与靶标结合能力提高数倍[2] - Enveda利用Claude审核1061页药物制造文件，识别出人工审核发现的全部11项问题并额外提示7项潜在问题，人工审核时间从超过25小时缩短至不足3小时[3] - 百时美施贵宝使用Claude分析早期临床开发方案，辅助评估不同试验路径[3] - 上述结果主要来自企业合作研究，尚不能证明AI能够提高药物临床成功率，分子结合能力、受体表达量改善与最终药物疗效之间仍存在距离[3] Anthropic亲自研发药物布局 - 被收购的Mithril Medicine主要研究两种罕见肌营养不良症治疗方法，创始人借助Claude管理外部实验室的合同、物流和实验安排，使极小规模团队得以组织复杂药物研究[4] - Anthropic预计如果后续研究进展顺利，其中一条候选管线最早有望在2028年底启动人体临床试验[4] - Anthropic此前已收购Coefficient Bio并建立自己的生物实验室，直接参与研发能够让公司获得真实实验反馈，用以检验Claude能力并改进模型[4] - Anthropic将生命科学列为前沿AI的重要应用市场，截至9月30日全球前十大制药企业中有九家是其客户，每家在过去12个月内向Anthropic支付了至少10万美元[4] - Anthropic正在开发支持科学家完成药物研发不同阶段工作的AI智能体[5] - 目前尚未披露生命科学业务的独立收入和投入规模[5] 其他AI巨头制药布局 - OpenAI于10月20日宣布收购药物研发协作平台Orchestra Bio，并将其技术与生命科学模型GPT-Rosalind、Rosalind Workbench整合，Orchestra Bio的AI智能体主要用于协调复杂药物研发项目，如跟踪实验进度、分析生产延误对临床试验的影响[6] - 谷歌旗下Isomorphic Labs依托AlphaFold相关技术开发专门AI药物设计平台，并与礼来、诺华等跨国药企合作，更接近直接参与药物研发的专业生物技术公司[6] - 字节跳动分拆的AI制药公司Anew Labs完成约2.9亿美元融资，估值约15亿美元，主要开发生物分子结构预测、抗体设计和药物发现技术，字节跳动选择将相关业务分拆借助外部融资支持长期发展[7] 行业效率改善空间 - 德勤2026年研究显示，追踪全球20家大型生物制药企业后期药物研发管线发现，2025年单个药物从发现到上市的平均研发成本达到26.7亿美元，高于2024年的22.3亿美元[8] - 管线预测内部收益率由2024年的5.9%升至2025年的7%，但改善主要受GLP-1类减重及糖尿病药物推动，剔除这类药物后预测回报率仅为2.9%[8] - 如果AI能够减少无效实验、加快候选药物筛选或缩短研发流程中的等待时间，就可能具有实际经济价值[8] 行业竞争格局与挑战 - Anthropic等大模型公司虽具备较强AI能力，但面临两大短板：一是缺乏难以通过公开渠道获取的高质量专有实验数据；二是药物研发流程复杂，计算和预测分子已不是行业卡点，后续仍需实验室完成合成、测试和验证，这是纯AI公司所欠缺的[9] - 仅靠模型难以完成研发闭环，自行建设完整实验体系并不现实，与拥有数据、实验设施和研发经验的专业机构合作成为重要路径[9] - 药物研发最终仍需经过严格的安全性和有效性检验，AI可以加快某些环节却不能跳过动物实验、人体临床试验和监管审批[9]