Anthropic 造药：Claude 接手 6 家药企研发与 1 人药企

一句话结论：Anthropic 在 2026 年 10 月 27 日同时公开了六家制药机构的合作进展与收购一家只有一名全职员工的生物技术公司 Mithril Medicine，Claude 的角色已经从写代码和查资料延伸到分子设计、临床前实验、监管申报与公司运营，但这些结果仍全部停留在动物实验与文件审核阶段，离真正的新药上市还有数年距离。

对一家以模型订阅为主要收入构成的公司来说，这是一次业务边界的实质移动。Anthropic 过去只把 Claude 卖给药企当工具，这次直接下场自己做药、自己承担临床失败的风险。这条新闻里有两个可长期搜索的实体：一个是覆盖全研发链的 Claude 制药能力矩阵，另一个是用一个自然人加一个模型撑起十一条管线的人机协作模式。

Anthropic 为什么把研发链全部铺开

Anthropic 在官方研究文章里给出的思路很直白。药物研发不是一个可以单点突破的问题，瓶颈分散在整条链路上：从早期找靶点、设计有正确性质的分子，到把分子优化到能规模化生产，再到起草监管申报文件、设计并执行临床试验，每一环都可能卡住整个项目。Anthropic 的判断是，想知道模型在哪些环节有用，只有一条路，就是直接参与真实的药物项目，做演示拿不到答案。

因此过去几个月，Anthropic 的生命科学团队与六家正在开发新药的机构建立了深度研究合作，分别是 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines 和 The Column Group。同时公司自己启动了罕见病项目，包括儿童型肌营养不良症方向，并且明确说明多数项目还在临床前阶段，尚未进入人体试验。

公司给出的战略目标有三条。一是摸清模型在更广的研发任务上的能力边界，并据此排定模型改进优先级。二是把这些项目当作案例，让更广泛的生物技术行业看懂模型在什么位置有用。三是如果进展曲线保持住，这些项目本身可能产出真正有效的药，覆盖食物过敏、罕见儿童疾病和多种癌症。

另外两条配套动作也在同一天前后展开：Claude Science 这个面向研究者的 AI 工作台已经推出，生命科学研究者可以申请 Claude credits 额度；Life Sciences Verification Program 则允许受信机构在更宽松的防护版本下使用最强模型，因为原有的生物安全防护会挡住不少正当的生物学研究。Anthropic 同期还在招募生命科学方向的客座研究员，合作周期 8 到 12 周，模型与运行支持免费，产出数据与代码开放。

六家伙伴的成绩单

这批合作最值得看的地方在分工。Anthropic 把研发链拆成几个真实岗位，让 Claude 分别去顶替不同环节的具体工种，每一项都有可核对的技术报告。

把这张表横向读一遍，会发现一个容易被忽略的事实：模型承担的任务里，有相当一部分与分子设计无关。Enveda 的 1061 页文档审核、监管文件初稿撰写、TCG 的项目可行性评估、Mithril 的合同与物流协调，这些是制药公司里资深运营和项目管理岗的活。也就是说，Anthropic 展示的重点落在「AI 开始接走药物研发里的组织成本」，单纯的分子设计能力只是其中一段。

收购 Mithril Medicine：一个人撑起十一条管线

Mithril Medicine 是这批披露里最特别的一家。公司只有一名全职员工，创始人 Cody Tranbarger 同时是唯一的全职人类。他的背景横跨生物学与经济学，大学毕业论文研究的就是罕见病药物融资，之后在高盛、生命科学投资机构和基因编辑企业工作，进入哈佛生物技术与生命科学联合学位项目。2025 年他创办 Mithril，聚焦遗传性肌营养不良症的抗体疗法，背后有生命科学投资机构 Atlas Venture 的资金支持和兼职科研顾问。

他并非一开始就想把公司维持在一人规模。按他的自述，一人公司在他的设想里只是初创期的短暂阶段。真正让这个模式固化下来的是两件事：AI 工具的快速成熟，以及与生物科技初创公司 Coefficient Bio 团队的交流，让他看到前沿模型能触及的边界。

公开材料显示，在 Claude 的帮助下，他只用了两到三天就把一个新的研发构想整理成完整的科学论证、设计方案与实验策略。他自己的估计是，没有 Claude，这套工作需要一到两个月。他把这套模式称为 Pipeline-in-a-Person，用一个人加 AI 撑起包含多个项目的研发管线，这也是促成 Anthropic 收购的共同愿景之一。

公司披露的技术报告里有两个细节值得记下来。一份涉及 113 种抗体的生产报告长达 341 页，Claude 用不到 8 分钟完成汇总；研究人员调整完后续检测范围后，它又在 4 分钟内更新了方案和相关草稿。报告同样记录了失误：Mithril 在技术报告中复盘了 Claude 的 6 处错误，至少 3 处出现在经过人工编辑、已发给外部实验室的邮件中，其中一次它要求的每管样品量低于实验室所需，所幸在实际分装前得到纠正，另外两处涉及生产数据的表述超过四天未被发现。6 处错误中有 5 处由 Claude 自己发现。

实验数据方面，针对 LAMA2 相关先天性肌营养不良症的研究使用了一种尚未充分优化的早期双特异性抗体，目标是同时结合肌肉细胞与周围支撑结构，重建两者之间的连接。这种疾病的严重程度可以从一组数字看出：42 名重症患儿的追踪数据中只有 1 人能独立行走，约六分之一活不到成年，目前全球没有任何获批的根本性疗法。在最高剂量组，患病小鼠的抓握力和部分肌肉力量指标约为未治疗组的两倍；一项小样本实验中，治疗组 8 只小鼠死亡 1 只，未治疗组 8 只死亡 4 只。Mithril 已构建超过 100 种新型双特异性抗体继续筛选，计划 2027 年为两种疾病分别确定候选物，若进展顺利，LAMA2 方向最早可能在 2028 年底进入人体临床试验。

披露里的错误，比成绩更值得看

这份材料最容易被传播的是「一个人加 AI 造药」，最该被读的是对失败概率的诚实交代。三件事构成了一组参照。

第一，所有工作都还在临床前。分子结合力提升、受体表达量改善，与最终药物疗效之间隔着一段很长的距离，细胞和动物实验不构成临床成功的证据。

第二，AI 确实在真实流程里犯过错，而且这些错误有一部分是被 Claude 自己发现的，另一部分靠人在实际执行前拦住了。这说明当前的可靠性依赖人机交叉验证，离可以托付的自动化还有距离。

第三，Enveda 那份监管文件的初稿经过标准人工审核流程后被发现有一处小错。文档类任务看起来最接近可自动化，实际上监管文本的责任边界最硬，模型的一处措辞偏差就可能影响申报节奏。

同一时间，其他公司也在往里走

Anthropic 不是唯一一家动手的。OpenAI 在 10 月 20 日宣布收购药物研发协作平台 OrchestraBio，把它的技术与生命科学模型 GPT-Rosalind、RosalindWorkbench 整合，OrchestraBio 的智能体主要用于跟踪实验进度、分析生产延误对临床试验的影响。谷歌的布局更早，源自 DeepMind 的 Isomorphic Labs 依托 AlphaFold 相关技术开发药物设计平台，并与礼来、诺华等跨国药企合作。字节跳动选择的是分拆路线，AI 制药公司 AnewLabs 完成约 2.9 亿美元融资，估值约 15 亿美元。

各家起点不同，落点也不同。Anthropic 直接把项目收进自己内部并承担风险，OpenAI 收的是协作平台，字节把业务分拆出去用外部资本养，谷歌则依托已有的结构生物学积累往药物设计走。对开发者而言，更实际的问题是模型能力正在把研发链条上哪一段的成本真正打下来。

这背后有一个明确的成本账。德勤 2026 年的制药创新研发回报研究追踪了全球 20 家大型生物制药企业的后期管线，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。管线预测内部收益率从 2024 年的 5.9% 升到 2025 年的 7%，但改善主要受 GLP-1 类减重与糖尿病药物推动，剔除这类药物后预测回报率只有 2.9%。一个能压缩等待时间、减少无效实验的模型，价值恰好落在这个低回报区间里。

Anthropic 自己的招股书也给了几个可以对照的数字：截至 9 月 30 日，全球前十大制药企业中有九家是 Anthropic 的客户，每家在过去 12 个月内向 Anthropic 支付了至少 10 万美元。公司同时提示生命科学业务可能带来实验室安全、监管合规以及研发失败风险，尚未披露这一业务的独立收入和投入规模。关于 Anthropic 的财务面，可以看 Anthropic 递交 S-1：营收 162.86 亿美元与 4170 亿算力承诺。

离新药上市还有多远

把这批进展按临床阶段排序，能看清落差所在。分子设计这一段进步最快，35000 个设计、1010 个变体都属于已经发生的实验量。生产与文件环节是第二快的，89% 的审核时间降幅是流程效率而非科学发现。真正耗时的是临床阶段：BigHat 的先导化合物要进入人体试验，BMS 的试验方案要扩展到管线层面，Mithril 的候选物最早 2028 年底才可能开始人体试验，而临床阶段的失败率在整个流程里最高。

换句话说，Claude 目前压缩的是「在进入临床之前」的时间成本，这部分确实可观；而真正决定成败的临床阶段，模型才刚被允许参与评估，还没有被允许做决定。相关研究讨论可以在 Endor Labs 智能体安全基准：功能正确率 87.2% 与安全正确率 37.4% 那篇里找到方法论层面的参照，它衡量的正是智能体在「能跑通」与「不出事」之间的差距。

还有一个反例值得并排看。分子之心 MMDesign 深度：19 个抗体设计项目 94.7% 成功率 展示的是另一条路径，用专门的抗体设计模型做从头设计，成功率与工程化程度都相当高；而 Anthropic 这条路是用通用大模型接管跨环节的协调工作。前者赢在单点精度，后者赢在覆盖广度，两条路目前在真实管线上的分岔尚未有公开数据可以比较。

常见问题

Claude 真的能独立做药物研发吗

不能。截至 2026 年 10 月的公开披露，所有进展都停留在临床前阶段，动物实验与文件审核结果都不构成新药获批的依据。Anthropic 自己的表述是模型在各环节「协助」，人类保留方向判断与关键决策，一人药企模式也需要创始人本人持续审核。

一人公司模式能复制到其他行业吗

目前只在生物医药领域有完整案例，且高度依赖外部资源。Tranbarger 手上没有实验室、没有生产设施，11 家外部实验室承担实验，Atlas Venture 提供资金，兼职科研顾问提供专业判断。缺少这些外部条件时，一个人加一个模型能覆盖的环节会大幅缩减。

Anthropic 自己做药会赚钱吗

短期看不到直接收益。公司未披露生命科学业务的独立收入与投入规模，而药物研发的平均成本是每个项目 26.7 亿美元量级，临床失败概率高。它的定位更像是用真实项目换模型能力与行业入口，把生命科学列为前沿 AI 的应用市场，同时让 Claude 拿到只有真实实验才能提供的反馈数据。

小结

Anthropic 这份披露的分量不在于「AI 制药可行」这个结论，而在于它把模型的位置摆清楚了：Claude 已经开始接走药物研发里跨机构协调、生产文件审核和监管文书这类组织成本密集的活，并且在分子设计与先导优化上给出了可核对的数据。收购 Mithril Medicine 让这件事有了更具体的形状，一个人加一个模型加十一家外部实验室，18 个月走完一个罕见病项目的临床前全程。

边界同样清楚：所有结果都在临床前，人体试验最早也要等到 2028 年底。模型改写的是研发流程的前半段，药物能不能真正获批，仍然取决于临床数据和监管判断。这既是这类发布的价值所在，也是它容易被过度解读的地方。

相关阅读

• Anthropic 递交 S-1：营收 162.86 亿美元与 4170 亿算力承诺
• 分子之心 MMDesign 深度：19 个抗体设计项目 94.7% 成功率
• Endor Labs 智能体安全基准：功能正确率 87.2% 与安全正确率 37.4%
• Claude 形式化验证 123 个开源库：1.8 亿行 Rocq 证明
• Carbon-X：DNA 基准 66.7 分与成本仅 GPT-6.1 的 1/1800