Анонсы компаний, занимающихся ИИ, обычно привлекают внимание к показателям производительности новых моделей. Но в этом анонсе Anthropic новой модели нет. Появились две вещи: рабочая среда для учёных и внутренняя программа поиска кандидатов в лекарства. Компания конкурирует не чистым интеллектом, а тем, как этот интеллект применяется. Именно это организационное решение и стоит прочесть внимательно.
01Что произошло — одновременный запуск рабочей среды и программы разработки лекарств
1 июля 2026 года Anthropic официально запустила «Claude Science» для исследователей и фармацевтической отрасли. TechCrunch назвал это стратегией дифференциации за счёт рабочего процесса (= потока работы), а не новой модели. Одновременно CNBC, Reuters и Endpoints News сообщили о старте собственной программы по разработке лекарств в области биофармацевтики. Затем 4 июля стало известно, что Anthropic рассматривает выход в бизнес разработки лекарств (The Verge). В течение нескольких дней рядом появились два шага: предоставление инструментов и возможность выхода в качестве прямого участника. Её конкурент OpenAI в тот же период объявил о «GeneBench-Pro» — оценочном бенчмарке для области биологии и науки (= мерило для измерения биологических возможностей ИИ), и наука становится следующим главным полем битвы.
02Предыстория — путь, проложенный Insilico и Moderna
Этот шаг возник не на пустом месте. У разработки лекарств с помощью ИИ уже накапливается реальный опыт. Рентосертиб от Insilico Medicine (название компании происходит от «in silico» (на компьютере)) — это средство для лечения идиопатического лёгочного фиброза (ИЛФ = неизлечимое заболевание, при котором лёгкие постепенно уплотняются), в котором ИИ выполнял всё: от поиска мишени (= молекулы в организме, на которую действует лекарство) до проектирования молекул-кандидатов. В начале 2026 года он прошёл фазу IIa (= клиническое испытание средней стадии, впервые подтверждающее эффективность у пациентов). Его считают одним из первых примеров молекулы, в работе над которой ИИ участвовал от поиска до проектирования и которая дошла до этой стадии. Сейчас он входит в подготовку к фазе III (= крупномасштабное испытание перед одобрением). Moderna, в свою очередь, с 2024 года сотрудничает с OpenAI в масштабе всей компании и известна как один из первых случаев полного внедрения ИИ во внутренние процессы. ИИ, занимающийся поиском мишеней, и применение, растворяющее ИИ во всей работе компании, — эти два течения составляют основу нынешнего этапа.
03Что показывают цифры о нашем положении и как их читать
Разработка лекарств с помощью ИИ больше не является исключительной попыткой. По некоторым данным, более 173 кандидатов, созданных с участием ИИ, находятся на клинических испытаниях (хотя следует учитывать, что определение «созданный с участием ИИ» — на каком этапе процесса участвовал ИИ — не является единым). Сообщается, что доля успешного прохождения ранней фазы I (= первого испытания, в котором препарат впервые вводится человеку) достигает 80–90%, что превышает традиционные примерно 52%. Тем не менее эти цифры нужно читать внимательно. Выборка, использованная для подсчёта, невелика, а картина меняется в зависимости от того, какие фазы сравниваются. Кроме того, настоящий барьер в разработке лекарств находится не в фазе I, где проверяется безопасность, а в фазе II, где проверяется эффективность. Разумно считать, что достижения молекул, спроектированных ИИ, которые явно превосходят традиционные в фазе II, пока ограничены. На высокий процент успешного прохождения влияет не только проектная способность ИИ, но и консервативный выбор мишеней, при котором легко выбираются уже валидированные. Вклад, специфичный для ИИ, необходимо отделить от этого. Техническая база, безусловно, расширилась. AlphaFold3 (ИИ для предсказания структуры белков, разработанный Google DeepMind и Isomorphic Labs) значительно ускорил предсказание связывания между лекарством и его мишенью. Способы взаимодействия компаний также различаются. Есть партнёрства между компаниями, такие как Bayer × Cradle (ИИ-компания) и Eli Lilly × NVIDIA, а также шаги иного рода, чем партнёрство, например, Pfizer берёт в работу Boltz — модель предсказания структуры, описываемую как открытую. В 2025 году Recursion приобрела Exscientia. Но эту консолидацию скорее следует читать не как свидетельство подъёма, а как реструктуризацию отрасли и спасение в условиях клинических неудач и трудностей с финансированием. Её также можно рассматривать как признак сложности обеспечения жизнеспособности разработки лекарств с помощью ИИ как самостоятельного бизнеса.
04Почему именно сейчас — структурное давление и ход совета директоров
Фармацевтическая отрасль находится под сильным давлением. Стоимость разработки одного нового лекарства за 20 лет выросла с $1 млрд до $2–3 млрд. Вдобавок 2025–2030 годы совпадают с патентным обрывом (= периодом, когда патенты ведущих препаратов истекают массово и продажи резко падают). Затраты растут, а кормильцы уходят. При этом ИИ может сократить главным образом этапы поиска и доклинических исследований. Основную часть расходов на разработку составляют масштабные клинические испытания, и ИИ на них напрямую не влияет. Его непосредственный эффект на общие затраты на разработку следует считать ограниченным. Есть и несоответствие по оси времени. Кандидат, найденный с помощью ИИ сегодня, дойдёт до одобрения не раньше второй половины следующего десятилетия или позже и не спасает напрямую от надвигающегося обрыва 2025–2030 годов. Суть ожиданий — в усилении конвейера следующего поколения (= группы разрабатываемых препаратов). Здесь накладывается и собственный шаг Anthropic. В апреле 2026 года генеральный директор Novartis Вас Нарасимхан (по образованию врач, участвовал в разработке более чем 35 новых лекарств) вошёл в совет директоров Anthropic. Назначающим органом выступил Long-Term Benefit Trust (LTBT = собственный надзорный орган Anthropic, ставящий долгосрочную пользу для человечества выше интересов акционеров). Этот траст обладает правом выдвигать членов совета директоров, и с этим назначением доля выдвинутых трастом членов превысила большинство в совете. Подробное освещение оставлено предыдущему отчёту (/journal/novartis-anthropic-board.html), но значение включения участника разработки лекарств в ядро структуры управления немалое.
05Как читать стратегию Anthropic
Далее идёт интерпретация. Во-первых, Anthropic, судя по всему, намерена дифференцироваться не за счёт производительности новой модели, а за счёт рабочего процесса. То, что Claude Science вышел без новой модели, вероятно, означает решение выигрывать за счёт того, насколько хорошо продукт вписывается в исследовательскую практику, а не за счёт абсолютного уровня интеллекта. Универсальные модели, как правило, оказываются на одном уровне с конкурентами, тогда как рабочая среда, тесно привязанная к исследовательской работе, создаёт издержки переключения и формирует лояльность. Во-вторых, запуск собственной программы по разработке лекарств можно читать как шаг от поставщика инструментов к участнику разработки лекарств. Если продавать только инструменты, результаты принадлежат клиенту, и степень вклада ИИ трудно увидеть. Создавая кандидатов самостоятельно, компания может показать, как далеко ИИ способен зайти, на собственном опыте. Однако сам бизнес по разработке лекарств, как сообщается, лишь «рассматривается». Это тоже можно воспринимать как признак того, что Anthropic сама оценивает дистанцию, на которой она могла бы конкурировать со своими фармацевтическими клиентами. В-третьих, выдвижение Нарасимхан со стороны LTBT можно рассматривать как подготовку почвы, поддерживающую это направление со стороны управления. Для Траста, который ставит долгосрочную пользу выше интересов акционеров, назначить в совет директоров человека с опытом разработки лекарств — это структура, позволяющая легче представлять разработку новых лекарств как пользу для человечества, а не как краткосрочные продажи. О философии дизайна всей линейки продуктов см. также предыдущий отчёт (/journal/claude-science-pharma-future.html).
06Последствия для фармацевтической отрасли и для передовой линии
В дальнейшем граница между теми, кто владеет ИИ, и теми, кто владеет лекарствами,, вероятно, будет стираться ещё сильнее. Если движение от партнёрства к прямому участию продолжится, для фармацевтических компаний ИИ-компания станет одновременно продавцом инструментов и потенциальным конкурентом. На этом этапе фармацевтической стороне, на мой взгляд, прежде всего придётся подготовиться к нескольким практическим вопросам. Первый — владение IP (= интеллектуальной собственностью). Кому принадлежат права на молекулы, созданные ИИ, и что будет с суверенитетом над данными, использованными для обучения, — это области, где договоры и институты пока не развиты. Второй — позиция регуляторов. Как FDA (Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США) и PMDA (Японское агентство по фармацевтике и медицинским изделиям) будут оценивать разработку на основе ИИ, пока не определено. Третий — охлаждение обмена данными, возникающее по мере того, как ИИ-компании становятся конкурентами. Подробные цифры собраны в предыдущем отчёте (/journal/ai-drug-discovery-2026.html). Такие изменения затрагивают и работу на передовой. При проверке материалов (= задача подтверждения соответствия рекламных материалов нормативным требованиям) возникают новые вопросы: как проверять доказательные данные и процесс разработки, в которых участвовал ИИ, и в какой степени это можно документировать. В медицинском отделе (= подразделении, отвечающем за предоставление медицинской информации) возрастает ответственность за точную передачу медицинским работникам механизма действия и результатов исследований препаратов-кандидатов, созданных с помощью ИИ. В области безопасности (= мониторинга побочных эффектов) тем более потребуется внимание к тому, не ведёт ли себя разработанный ИИ препарат неожиданным образом. Чем умнее становится инструмент, тем меньше ответственность за проверку у тех, кто с ним работает, не уменьшается. Скорее, она становится тяжелее. Это, на мой взгляд, и есть суть того, как передовой край должен воспринимать разработку лекарств с помощью ИИ в новую эпоху.