Anthropic 更靠近藥物探索 ── Claude Science 的推出與內部計畫標誌著轉捩點

AI 公司的發表通常會把焦點放在新模型的效能數據上。但這次 Anthropic 的發表並沒有新模型。出現的是兩樣東西：一個給科學家使用的工作台，以及一個自行搜尋候選藥物的內部計畫。這家公司競爭的不是原始智慧，而是如何運用這份智慧。這項組織上的決定才是值得細讀之處。

01發生了什麼——工作台與藥物探索計畫同步啟動

2026 年 7 月 1 日，Anthropic 正式推出面向研究人員與製藥產業的「Claude Science」。TechCrunch 認為，這是一項以工作流程（＝工作的進行方式）面向而非新模型來做出差異化的策略。同時，CNBC、Reuters 與 Endpoints News 報導了其在生技製藥領域啟動內部藥物探索計畫。接著在 7 月 4 日，有報導指出 Anthropic 正考慮進軍藥物開發事業（The Verge）。短短數日內，「提供工具」與「以直接參與者身分進入」的可能性這兩項動向同時浮現。其競爭對手 OpenAI 也在同一時期發表了生物與科學領域的評測基準「GeneBench-Pro」（＝衡量 AI 生物學能力的標尺），科學正成為下一個主戰場。

02背景故事——Insilico 與 Moderna 所鋪設的道路

這個舉動並非憑空而來。AI 藥物探索已累積了一定的實績。Insilico Medicine（公司名稱源自「in silico」（在電腦上））的 Rentosertib 是一種治療特發性肺纖維化（IPF = 肺部逐漸硬化的難治疾病）的藥物，從標靶（= 藥物在體內作用的分子）的搜尋到候選分子的設計，全程由 AI 處理。它已於 2026 年初通過第二期 a 階段試驗（= 首次在病患身上確認療效的中期臨床試驗）。它被視為 AI 從搜尋、設計一路參與並達到此階段的分子之早期案例之一。目前正進入第三期試驗（= 核准前的大規模試驗）的準備階段。另一方面，Moderna 自 2024 年起與 OpenAI 進行全公司層級的合作，是將 AI 全面導入內部營運的早期案例。負責標靶搜尋的 AI，以及將 AI 融入整體企業營運的用法——這兩股潮流構成了現階段的基礎。

03從數字看我們目前所處的位置，以及如何解讀

AI 藥物探索已不再是例外的嘗試。據稱已有超過 173 個 AI 衍生的候選藥物進入臨床試驗(不過需注意,「AI 衍生」的定義——AI 參與了流程中的哪個階段——並不一致)。早期第一期試驗(＝首次將藥物給予人類的第一個試驗)的通過率據報可達 80–90%,超過傳統的約 52%。然而,這些數字仍須謹慎解讀。用於統計的樣本很小,而且比較的是哪些階段,結果也會有所不同。此外,藥物開發真正的關卡並不在檢驗安全性的第一期,而在檢驗療效的第二期。AI 設計的分子在第二期明顯優於傳統方式的實績,仍可視為有限。高通過率不僅混雜了 AI 的設計能力,也混雜了偏保守的標靶選擇,使人容易挑選已經過驗證的標靶。必須將 AI 特有的貢獻從中區分出來。技術基礎確實已經擴大。AlphaFold3(由 Google DeepMind 與 Isomorphic Labs 開發的蛋白質結構預測 AI)大幅加快了藥物與其標靶之間結合的預測。企業之間的連結方式也各不相同。有 Bayer × Cradle(一家 AI 公司)、Eli Lilly × NVIDIA 等企業間的合作夥伴關係,也有 Pfizer 納入被形容為開源的結構預測模型 Boltz 這類與合作夥伴關係性質不同的動向。2025 年,Recursion 收購了 Exscientia。但這樣的整併與其說是動能的證明,不如說更像是在臨床失敗與資金困難之下的產業重組與紓困。這也可以解讀為,要讓 AI 藥物探索作為獨立事業站得住腳有其難度的徵兆。

04為何是現在 — 結構性壓力與董事會的行動

製藥產業正承受強大的壓力。開發一種新藥的成本在 20 年間已從 10 億美元膨脹到 20 至 30 億美元。再加上 2025–2030 年恰逢專利懸崖（＝主力藥品專利集中到期、銷售額大幅下滑的時期）。成本不斷上升，而支柱產品卻正在流失。話雖如此，AI 能縮短的主要是探索與臨床前階段。開發成本的大宗是大規模臨床試驗，而 AI 並不直接作用於此。它對整體開發成本的立即效果應視為有限。時間軸上也存在落差。今天藉由 AI 找到的候選藥物，最早也要到下一個十年的後半段或更晚才會獲得核准，並無法直接解救迫在眉睫的 2025–2030 年懸崖。期待的實質在於強化下一世代的產品線（＝開發中的藥品群）。在這一點上，Anthropic 自身的動向也有所重疊。2026 年 4 月，Novartis 執行長 Vas Narasimhan（出身醫師，參與開發超過 35 種新藥）成為 Anthropic 的董事會成員。任命的主體是長期利益信託（LTBT＝Anthropic 獨有的監督機構，將人類的長期利益置於股東利益之上）。該信託擁有提名董事的權限，隨著這次任命，由信託提名的一方已超過董事會的過半數。詳細報導留待先前的報告（/journal/novartis-anthropic-board.html），但將藥物研發參與者納入治理架構核心，其意義不容小覷。

05如何解讀 Anthropic 的策略

從這裡開始是詮釋。首先，Anthropic 似乎打算不靠新模型的效能，而是以工作流程來做出差異化。Claude Science 並未搭配新模型推出，很可能是決定以對研究現場的契合度取勝，而非智慧的絕對值。通用型模型往往最終與競爭對手不相上下，但緊密貼合研究工作的工作台會形成轉換成本，並建立黏著度。其次，自家藥物探索計畫的啟動，可解讀為從工具提供者邁向藥物探索參與者的一步。如果只販售工具，成果歸客戶所有，AI 的貢獻程度也難以看出。若自行產出候選藥物，就能以自身的實績展現 AI 能走多遠。不過，藥物開發事業本身僅被報導為「考慮中」。這也可解讀為 Anthropic 自身正在衡量與其製藥客戶可能競爭的距離。第三，LTBT 提名 Narasimhan，可視為從治理面支持這個方向的鋪路。對於將長期利益置於股東利益之上的信託而言，讓具藥物探索經驗的人士進入董事會，是一種讓新藥開發更容易被視為人類福祉、而非短期營收的結構。關於整個產品線的設計理念，另請參閱先前的報告（/journal/claude-science-pharma-future.html）。

06對製藥產業與第一線的啟示

展望未來，持有 AI 者與持有藥物者之間的界線，很可能會進一步消融。若從合作走向直接參與的趨勢持續推進，對製藥公司而言，AI 公司既是工具的賣家，也可能成為潛在的競爭對手。在這個階段，製藥端最先需要提防的，我認為是幾個實務上的問題。其一是 IP（＝智慧財產權）的歸屬。由 AI 生成的分子，其權利歸誰所有，以及用於訓練的資料主權將如何處理，都是契約與制度尚未健全的領域。其二是監管機關的立場。FDA（美國食品藥物管理局）與 PMDA（日本醫藥品醫療器材綜合機構）將如何評估以 AI 為基礎的藥物開發，目前仍未定案。其三是隨著 AI 公司成為競爭對手而產生的資料共享寒蟬效應。詳細數據彙整於先前的報告（/journal/ai-drug-discovery-2026.html）。這樣的變化也會波及第一線的工作。在素材審查（＝確認宣傳素材是否符合法規的工作）上，對於如何查證有 AI 參與的證據資料與設計流程，以及可以記載到什麼程度，需要做出新的判斷。在醫學部門（＝負責提供醫療資訊的部門），向醫療專業人員準確傳達 AI 衍生候選藥物的作用機轉與試驗結果的責任將更加沉重。在安全性領域（＝副作用的監測），對 AI 設計的藥物是否出現意料之外的行為，也將更加需要敏銳的眼光。工具越是聰明，操作它的人類所肩負的查證責任並不會減輕，反而更加沉重。我認為，這正是第一線在新時代接納 AI 藥物研發的核心所在。