AI设计的分子真的有效吗？── 将研究、资金与裁员原因与事实记录进行核对
AI设计的分子真的有效吗？看到最后，你会明白如今关于AI的谈论有多少是建立在记录之上的。在制药行业，对照数据核查疗效声明是你的日常工作。当我们把同样的检验用于AI时，会发生什么？
简短回答：在今天的每一个场景中，记录尚未跟上宣称。我们将看到一个可以动手制作并测试的蓝图。我们将看到金额相差超过三个数量级的资金。而且我们将看到一家裁掉许多员工的银行。从实验室到职场，我们把宣称与记录区分开来。
01Claude设计结合分子
当 AI 自己规划实验时，谁来核查结果，又如何核查？在实验室里，这个问题已经成为现实。
该开发方让其自研模型推导出一种能够抓住毒素的分子的形状。突出之处在于其输出：那不是文本，而是可以制造和测试的蓝图。蓝图要么在实验室中奏效，要么失败。因此，AI正开始以实验结果而非流畅的言辞来接受评判。
这类部件必须经塑形以适配每个靶点。如果 AI 能承担其中部分前期工作，可能会有更多候选物进入测试。但在经过测试之前，没有人知道某种形状是否有效。
| 来源 | 报道内容 |
|---|---|
| Anthropic（官方） | Claude设计了能结合蝎子神经毒素的蛋白质 |
| 彭博社 | Claude药物研究之后，投资者Citrini押注生命科学 |
据报道，同一天，一家投资方一看到这项工作就将资金转投了生命科学领域。然而，这一结果是开发方自行公布的。我们目前还无法判断外部科学家是否复现了它。
对制药研究人员而言，来自AI的候选药物必须通过与人类提出的候选药物相同的检验。要相信复现出来的结果，而不是发布公告时的热闹喧嚣。有了AI，答案背后的推理更加难以看清。
那么，公布这些成果的构建者们，如今对他们自己的技术持何种立场？
02一位呼吁加强监管的CEO，以及一场IPO
来源 ABC News - 突发新闻、最新新闻和视频 ／ 傻瓜投资 ／ 雅虎财经 ／ 路透社
眼下，AI公司的负责人同时扮演着两种角色。他们一边就安全问题发出警告，一边从市场筹集资金。
- 演讲者
- 达里奥·阿莫迪（Anthropic 首席执行官）
- 备注
- AI 必须在适当的保障措施下开发
- 标题
- 安全警告与IPO时机相冲突
- 提出的问题
- 对该公司增长前景的质疑
该开发商的负责人在受访时表示，构建AI必须配备安全措施。另一篇文章称，正是这些警告使外界对该公司的增长速度产生疑问。警告声越大，推销就越难。强调安全同时也等于承认产品带有风险。
股票上市后，许多投资者会一再要求做出解释。有关安全的言辞会被解读为这一叙事的一部分。上市之后，言行之间的任何落差往往都会反映在股价上。
| 媒体 | 报道内容 |
|---|---|
| 雅虎财经 | Anthropic预计将成为2026年最后一宗AI IPO |
| Yahoo Finance (摘要) | AI资金正以超出预期的速度枯竭 |
| 路透社 | OpenAI 赶在 Anthropic 上市（IPO）之前加紧筹资 |
而且时机紧迫。有人说，AI资金正在比人们预想的更早缩水。据报道，一家竞争对手正抢先加紧融资。仓促的计划让安全承诺面临考验。
同一个人同时谈论安全与销售。因此，我们依据记录和承诺来判断，而不是凭言辞。制药公司同样必须以平衡的方式呈现获益与风险。
那么，这些构建者用哪些记录来喂给他们的AI？接下来，我们将追踪这类学习材料的走向。
03AI 训练数据的下一个去向
来源 科技内幕 ／ 电视新闻观察 ／ Ars Technica
AI 的能力取决于它所读的内容。这些材料如今正从公共空间转移进企业。
许多人表示，大多数公开可读的文字内容已被用尽。下一步需要的，是记录工作实际是如何完成的。替人执行任务的AI需要步骤与决策的痕迹。掌握这些记录的公司可能成为卖家。
卖方必须事先决定允许使用到什么程度、以及自己能换来什么。这些条款决定了一家企业的记录价值几何。
| 媒体 | 报道内容 |
|---|---|
| 电视新闻观察 | 开始使用新闻机构的内容作为AI训练数据 |
| Ars Technica | 被责令指名批准为AI训练进行种子下载（torrenting）的高管 |
| Ars Technica（摘要） | Meta 辩称没有人“决定”获取盗版副本 |
与此同时，据报道某大型平台正向其模型中输入新闻报道。同一家公司必须指名批准通过非官方渠道收集图书的高管。该公司表示，没有人做出过这样的决定。素材如何收集，如今已成法院有待裁断的问题。
制药公司掌握着有价值的材料，例如治疗和试验记录。谁在何时决定使用哪些数据？没有这样的记录，你就无法回答后来提出的问题。你还需要有人来决定是拒绝数据请求，还是有条件地共享。
如果如今数据有了价格，资金正流向何处？接下来，我们看看今天报道的资金去向。
04用于药物发现AI和设施的资金
来源 Dealroom ／ citybiz ／ 消费者新闻与商业频道 ／ shattered.io
追踪资金流向，你就能看到每家公司的期望所在。我们同时审视规模与目的。
| 收件人 | 金额（如标题中所示） | 所报告的使用情况 |
|---|---|---|
| 能力强 | 3800万美元（种子轮） | 构建 AI 药物发现实验室 |
| 西诺皮亚生物科学 | 250万美元（NIH资助） | 推进AI药物发现研究 |
| 一位前OpenAI高管的创业公司 | 15亿美元规模 | 用AI振兴美国制造业 |
| Meta | 416.8亿美元（估计值） | 7–9 月的 AI 相关资本支出 |
金额按标题中的原文呈现，不作货币换算。
今天报道的资金分为两类。一部分用于新药研发，另一部分用于计算硬件。两者的规模相差超过三个数量级。小型实验室筹集的资金，只是某家巨头单季度可能支出中的极小一部分。在AI竞赛中，大部分资金流向了算力。
尽管如此，一家新成立的公司筹资建造自己的实验室仍然意义重大。投资者如今资助的是实验这一端，而不仅仅是软件。有了自有实验室，团队就能立即测试来自AI的候选药物。
一家公共机构也资助了这类研究。公共资金带来了更重的拿出成果的责任。它也支持短期内不会创收的工作。
对制药业而言，问题不在于资金规模，而在于资金能否落到实验与验证上。再多的硬件也决定不了药物能否帮到患者，只有试验结果才能。
那么，在制药公司内部，这笔资金和AI如今正开始在哪里真正发挥作用？
05制药业内幕
来源 阿斯利康 ／ BigGo 财经 ／ TradingView ／ BioSpace
现在我们深入制药公司内部。在通往一款药物的漫长道路上，AI已开始在哪个环节进入？我们如何核查它，取决于所处阶段。
选择试验患者
一家大型制药商与 Oracle 启动了旨在优化临床试验的全球 AI 合作。报道称，患者筛选预计将更快。
AI研发的首个里程碑
一家 AI 药物发现公司与一家制药企业之间的研发合作达成了首个里程碑。付款金额未披露。
面向管线的预测性AI
据报道，一家制药商正将 GATC Health 的预测性 AI 应用于其处于临床阶段的核心开发项目。
AI 如今已贯穿整个流程。它帮助为人体研究寻找受试者、标记研究检查点，并预测研发中的候选对象。每一处都是时间和金钱消耗最高的环节。AI 并非只落在一处。它正在一点点进入许多地方。
更快的受试者匹配可以缩短研究。但带有偏差的选择会扭曲药物对谁有效的图景。受试者的构成本身就是证据。
在研究检查点也触发了一笔付款，不过金额保密。尽管如此，AI 辅助的工作显然已进入其合同的下一阶段。当合同按阶段付费时，AI 的贡献最终会被记录在案。
对于质量和安全团队来说，真正的工作从这里开始。你需要一份可追溯的记录，载明AI涉及了哪些决策。在挑选研究参与者时，这一点最为关键。没有它，你日后就无法证明当初的选择是合理的。
而当AI进入职场，员工人数会受到什么影响？最后，我们来看看宣传说法与实际记录之间的差距。
06裁员原因与数字对比
来源 OpenAI（官方） ／ 澳大利亚人报 ／ 人力资源总监 ／ 爱尔兰《考察者报》
如今更多公司将AI列为裁员的理由。但这一解释有记录支撑吗？如何解释裁员，也会影响留下来的员工的信任。
| 来源 | 报道内容 |
|---|---|
| 澳大利亚人报 | NAB 大幅削减。AI 越来越难以忽视。 |
| 头条 | 银行裁员：AI是方便的借口吗？ |
| 人力资源总监 | 被归咎于AI的112,713次裁员。劳工数据并不支持这一说法 |
某国一家大型银行解雇了大量员工。有人质疑 AI 是否只是一个幌子。一份报告称，员工人数统计数据并不支持这一说法。裁员规模越大，其理由就越需要有分量。目前说法与统计数据尚不相符。
在另一个案例中，核对门店现金与账簿现在所需的时间不到过去的十分之一。但这只表明任务完成得更快，并不能成为裁减人员的理由。
一个节省时间的案例
OpenAI官方案例：一家加盟商借助ChatGPT Work将现金对账时间缩短了94%。
更快的工作节奏
一份报告被呈交给某个委员会，报告中员工们表示AI加快了他们的工作节奏。
工会的警告
工会领导人警告称，更广泛地使用AI有可能把劳动者排除在外（Irish Examiner）。
节省时间和需要更少人手是两回事。劳动者表示，AI 让他们的工作速度更快。也有人警告，人们可能会被挤出局。如果只计算省下的工时，这两种声音都听不到。
在制药行业也是如此，报告AI成果时应分开记录节省的时间与人员编制变化。每家公司都想让AI看起来令人印象深刻。这就是为什么以记录为依据发言能建立信任。
对照记录核查这一说法。无论是研究、资金还是人员配置，今天的每一个场景都归结为这一个习惯。
Meta的财报将如何展现其AI支出的规模与具体内容。
打开完整文字记录
简介
AI设计的分子真的有效吗？看到最后，你会明白如今关于AI的谈论有多少是建立在记录之上的。在制药行业，对照数据核查疗效声明是你的日常工作。当我们把同样的检验用于AI时，会发生什么？
简短回答：在今天的每一个场景中，记录尚未跟上宣称。我们将看到一个可以动手制作并测试的蓝图。我们将看到金额相差超过三个数量级的资金。而且我们将看到一家裁掉许多员工的银行。从实验室到职场，我们把宣称与记录区分开来。
CH 01 Claude设计结合分子
当 AI 自己规划实验时，谁来核查结果，又如何核查？在实验室里，这个问题已经成为现实。开发商让自己的模型算出一种能结合毒素的分子形状。值得注意的是它的产出：不是文本，而是一份可以制造并测试的蓝图。蓝图要么在实验室奏效，要么失败。因此，AI 开始要凭实验室结果而非流畅的言辞来接受评判。这类部件必须塑造成适合各个靶标的形状。如果 AI 承担其中一些基础工作，可能有更多候选物进入测试。但一个形状是否管用，只有测试过才知道。据报道，就在同一天，一位投资者看到这项工作后便把资金转入生命科学领域。然而，是开发商自己公布了这一结果。外界科学家是否已复现它，目前还无从判断。对制药研究人员来说，来自 AI 的候选物必须通过与人类候选物相同的测试。要相信经过复现的结果，而不是发布时的喧嚣。有了 AI，答案背后的推理更难看清。那么，宣布这些结果的开发者们，如今对自己这项技术站在什么立场上？
CH 02 一位呼吁监管的CEO，以及一场IPO
如今，AI公司的掌门人同时扮演着两种角色。他们一边就安全问题发出警告，一边从市场募集资金。该开发商的负责人在采访中表示，构建AI必须配备安全措施。另一篇文章称，正是这些警告引发了外界对该公司增长速度的质疑。警告声越大，推销就越难。强调安全也等于承认产品带有风险。股票一旦上市，许多投资者就会一次次要求作出解释。关于安全的言论会被解读为这一故事的一部分。上市之后，言行之间的任何落差往往会反映在股价上。而且时机紧迫。有人说，AI资金比人们预想的更早开始缩水。据报道，一家竞争对手正在抢先募集资金。仓促的计划会让安全承诺经受考验。同一个人同时谈论安全与销售。因此，我们要依据记录和承诺来判断，而不是凭言辞。制药公司也必须以平衡的方式呈现获益与风险。那么，这些缔造者又向他们的AI输入了怎样的记录呢？
接下来，我们来看看这些学习材料的去向。
CH 03 AI训练数据的下一步走向
AI 的能力取决于它所读的内容。这些材料如今正从公共空间转移进企业。许多人说，大多数可公开阅读的文字已被用过。下一步需要的是关于工作实际如何完成的记录。替人执行任务的 AI 需要步骤和决策的痕迹。掌握这些记录的企业可能成为卖方。卖方必须预先决定使用范围可以延伸到什么程度，以及能换取什么回报。这些条款决定了一家企业的记录价值几何。与此同时，据报道某大型平台正在把新闻报道输入其模型。同一家公司必须指明批准通过非官方渠道收集图书的高管人员。该公司表示没有人做出过这样的决定。材料如何收集如今已成为法庭需要裁决的问题。制药公司掌握着宝贵的材料，例如治疗和试验记录。是谁、在何时决定使用哪些数据？
没有那份记录，你就无法回答后续问题。你还需要有人来决定是拒绝数据请求，还是有条件地共享。如果数据现在有了价格，钱会流向哪里？
接下来，我们来看今天报道的资金流向了何处。
CH 04 投向药物发现AI与设施的资金
追踪资金流向，你就能看出每家公司期望什么。我们同时关注规模与用途。今天报道的资金分为两类。一部分用于新药研究，另一部分用于计算硬件。两者规模相差超过三个数量级。一家小型实验室筹集的资金，只是某家巨头单个季度可能支出中的九牛一毛。在AI竞赛中，大部分资金都流向了算力。尽管如此，一家新成立的公司为建设自己的实验室而筹资，仍然意义重大。投资者如今资助的是实验环节，而不仅仅是软件。有了内部实验室，团队就能立即检验来自AI的候选药物。一家公共机构也为这类研究提供了资金。公共资金带来了更重的拿出成果的责任。它也支持那些短期内不会产生收入的工作。对制药业而言，问题不在于资金规模，而在于资金能否落到实验与验证上。再多的硬件也决定不了药物能否帮到患者，只有试验结果才能。那么，在制药公司内部，这些资金和AI如今正开始在哪些地方发挥实际作用？
CH 05 走进制药行业
现在我们深入制药公司内部。在通往一款药物的漫长道路上，AI已从哪些环节开始进入？如何核查它取决于所处的阶段。如今AI已出现在整个流程之中。它帮助为人体研究寻找受试者、标记研究检查点，并预测在研候选药物。每一处都是时间和金钱消耗最高的地方。AI并非只落在一个点上。它正在进入许多环节，一点一点地渗透。更快的匹配可以缩短研究。但有偏差的筛选会扭曲药物对谁有效的图景。受试者的构成本身就是证据。一笔款项也在某个研究检查点被触发，尽管金额仍保密。尽管如此，AI辅助的工作显然已推进到其合同的下一阶段。当合同按阶段付款时，AI的贡献最终会记录在案。对于质量和安全团队而言，真正的工作从这里开始。你需要一份可追溯的记录，载明哪些决策经过了AI。这在决定谁加入研究时最为关键。没有它，你日后无法证明这一选择是可靠的。而当AI进入职场，员工人数又会发生什么？
最后，我们来看声明与记录之间的差距。
CH 06 裁员理由与数据的对比
如今更多公司将AI列为裁员的理由。但这一解释有记录支撑吗？如何解释裁员，也会影响留下来的员工的信任。某国一家大型银行裁减了大量员工。有人质疑AI是否只是一个幌子。一份报告称，劳动力统计数据并不支持这种说法。裁员规模越大，这个理由就越需要有分量。目前说法与统计数据尚不相符。在另一个案例中，核对门店现金与账目现在只需不到原来十分之一的时间。但这只表明任务变快了，并不能成为裁人的正当理由。节省时间和需要更少的人是两回事。员工们说，AI让他们以更快的速度工作。也有人警告，人们可能会被挤走。如果只统计节省的工时，这两种声音都听不到。在制药行业也是如此：在汇报AI成果时，应将节省的时间与人员变动分开记录。每家公司都想让AI显得了不起。正因如此，用记录说话才能建立信任。把说法与记录对照核实。在研究、资金和人员配置方面，如今的每一个场景最终都归结为这一个习惯。
总结
AI已开始承担研究工作，并在推动资金、数据与人员的流动。然而，所声称的结果在记录证实之前仍属暂定。我们日常使用的核查方法同样适用于AI。明天，我们将观察一家科技巨头的支出如何体现在其季度报告中。
- 第 01 章Anthropic「Claude 如何设计针对蝎子神经毒素的蛋白质结合剂」 anthropic.com
- 第 01 章彭博社「Claude AI 药物研究之后，Citrini 押注生命科学」 bloomberg.com
- 第 02 章ABC News - 突发新闻、最新新闻和视频「独家：Anthropic CEO 呼吁加强对 AI 的监管」 abcnews.com
- 第 02 章傻瓜投资「Dario Amodei 的 AI 安全警告正与 Anthropic 的 IPO 时间表发生冲突」 fool.com
- 第 02 章雅虎财经「随着行业崩塌，Anthropic 将成为 2026 年最后一个 AI IPO」 finance.yahoo.com
- 第 02 章路透社「独家：消息人士称，OpenAI 寻求在 Anthropic IPO 之前加快融资步伐」 reuters.com
- 第 03 章科技内幕「AI 已经消耗了网络上大量开放文本。下一场数据淘金热就在普通公司内部。」 tech-insider.org
- 第 03 章电视新闻观察「Meta 刚刚把你的新闻编辑室内容变成了它的训练集」 tvnewscheck.com
- 第 03 章Ars Technica「Meta 被责令点名批准为 AI 训练进行种子下载的高管」 arstechnica.com
- 第 04 章Dealroom「Capable 融得 3800 万美元种子轮资金，用于打造 AI 药物发现实验室」 app.dealroom.co
- 第 04 章citybiz「Sinopia Biosciences 获得 250 万美元 NIH 拨款，推进 AI 药物发现」 citybiz.co
- 第 04 章消费者新闻与商业频道「前 OpenAI 高管已悄然打造出一家 15 亿美元的初创公司，押注 AI 能重振美国制造业」 cnbc.com
- 第 04 章shattered.io「Meta Q3 财报：416.8 亿美元 AI 资本支出，Muse 达到 500 万 [2026]」 shattered.io
- 第 05 章阿斯利康「阿斯利康与甲骨文启动全球 AI 合作，推进临床试验优化并支持更好的患者结局」 astrazeneca.com
- 第 05 章BigGo 财经「甲骨文与阿斯利康联手部署 AI，旨在加快临床试验患者筛查」 finance.biggo.com
- 第 05 章TradingView「英矽智能与施维雅在 AI 驱动的研发合作中达成首个里程碑，触发一笔金额未披露的里程碑付款」 tradingview.com
- 第 05 章BioSpace「Vistagen 选择 GATC Health，将预测性 AI 应用于各核心临床阶段药物开发项目」 biospace.com
- 第 06 章OpenAI（官方）「加盟商借助 ChatGPT Work 将现金对账时间缩短 94%」 openai.com
- 第 06 章澳大利亚人报「AI 越来越难以忽视：NAB 为何大刀阔斧地裁员」 theaustralian.com.au
- 第 06 章人力资源总监「AI 被归咎于造成 112,713 例裁员，但劳动力数据并不买账」 hcamag.com
- 第 06 章爱尔兰《考察者报》「工会领袖警告，更多地使用 AI 恐将劳动者拒之门外」 irishexaminer.com
所用文章
今日相关报道
旁白为合成语音。内容仅取自本站同一天的文章。每期在发布前都会通过七项通俗易懂性检查。这意味着已知的理解障碍被控制在阈值以下——并不保证一定能理解。