FRONTIER · 落到现实

六个真药项目把 Claude 放进流水线，省时间最多的一步是审文件：1,061 页从 26 小时压到 2.8 小时——而最难复制的一次，是它说实验室的尺子刻错了

Early progress on accelerating drug development with Claude

Anthropic 生命科学团队 第 65、78 篇那两次蛋白设计工作出自同一支团队，这次换成钻进别人的在研项目 · 六家合作方各有分量：BigHat 是临床阶段公司，自动化湿实验室每周能做出并测试数千个分子；Enveda 自 2019 年做出 17 个候选药物、3 个已进临床；Generate Biomedicines 用机器学习设计蛋白药；The Column Group 是 2007 年起投生物科技的风投，Bristol Myers Squibb 是大药厂 · 另外 Anthropic 七月直接收购了一家一人公司 Mithril Medicine，自己成了药物申办方

2026 年 10 月

为什么选它今年「AI 做药」的报道几乎都在讲设计分子，这篇是第一份把整条流程挨个量过的账：省时间最多、证据最硬的一步是审申报文件，最难复制的一步是模型质疑了实验室的测量指标。读完能拿到一张「哪些环节真松动了」的分布图，和一套任何行业都能照抄的合规审查架构。

10 月 27 日 Anthropic 放出一份进展报告：过去几个月，它的生命科学团队钻进了六家药企的真实在研项目——Generate Biomedicines、Divergence Labs、BigHat Biosciences、Enveda、The Column Group、Bristol Myers Squibb——并且在七月收购了一家只有一名全职员工的公司 Mithril Medicine，开始自己做药。报告的主张写得很朴素：做一款药要做的事太杂了，找靶点、挑药物类型、设计分子、把它改成能稳定量产的工艺、写临床试验的申报材料、设计和执行试验，「没有一个单一的问题要解决，瓶颈散布在整条流程上」——所以它的策略不是去攻那个最性感的环节，而是挨个钻进真项目里，看到底堵在哪。

值得读的地方在于，这份报告自己给出的数字，正好把「AI 做药」的通俗叙事掀了个个儿。六个案例里，节省幅度最大、证据链也最完整的那一个，跟设计分子毫无关系——它是审文件。而最难被复制、最该让工程师停下来看一眼的那一个，是 Claude 说实验室那台仪器给出的数不对：不是分子不行，是尺子刻错了。

最大的一笔时间，省在文书上

先说 Enveda。药品生产受 GMP（良好生产规范，药厂必须满足的一套质量标准）管着，每一批药要留下成千上万份技术记录，常常散在十几家合作方手上；放行一批药之前，质量团队得把这些记录通读一遍。Enveda 的制药化学家最多有 75% 的工时花在审文件上，一位资深审核员读完一份外包厂送来的 500 页记录要 10 小时。他们拿 Claude 搭了个叫 CDP 的应用：文件一上传，模型先认出它对应哪个物料和哪一批，再按固定规则把管着这份记录的文件（批准过的生产指令、物料规格）拉过来逐页对照，把可能的错误、前后不一致和待澄清的问题标出来。

测试用的是一次二期生产的四份批记录、共 1,061 页，后来真的报给了 FDA。人那边：两对内部审核员加两位外部顾问手工审了 25.9 小时。CDP 那边：模型跑完加上审核员逐条核对它的意见和引用，2.8 小时，降 89%。人审出来的 11 个必须处理的问题，CDP 一个没漏；计时那一轮还多标出 7 个人没发现的、也确实需要处理的问题，比如某道工序超出时限、某项检验标成失败却没记录结果。评分由质量部门一位没参与过这些记录的人做，另一人复核。另一个项目是写 IND（新药临床试验申请）：Claude 四小时写出 Module 2 的初稿，同样内容手写要约三个月，Enveda 判定「跟专业医学写作者的产出相当」。两处必须记住的折扣：四小时和三个月都不含每份稿子都要走的三周人工评审；而模型拿到的始终是只读副本，不能写进正式记录，放不放行这批药的决定权留在质量部门。

它改的不是分子，是尺子

BigHat 那一段是全篇最不可替代的。做抗体药是个平衡术：既要和靶点结合得紧，又要在生产、运输、储存里撑住形状不散开（用「热稳定性」衡量，即加热到多少度会解折叠），还不能自己抱团结块（叫聚集）。改一处常常是修了一样坏了另一样。一位 Anthropic 研究员带着 Claude 做这件事，每轮设计 176 个变体交给 BigHat 的自动化实验室做出来测，结果写进实验室系统 Reccy 供模型直接读——10 周、7 轮、约 1,010 个变体、1,232 个样品。做到一半，稳定性和结块的分数开始乱跳，实验室自己的质检把大半标成不可信。

研究员怀疑问题不在分子，在仪器读数被换算成分数的那一步；因为 Reccy 把原始曲线和汇总数字一起存着，他和 Claude 回头去看了原始曲线。结论是：那两条信号没法分开读，解折叠和结块会互相影响。那个被当成「熔点」的数字，在一种分子上其实记录的是样品塌出溶液；另一种分子在约 40°C 就开始结块、远早于解折叠，把信号带偏，有些报出来的熔点低了 10°C 以上。这不是小数点问题：解折叠要靠加固分子内部来修，结块要靠改表面来修，一个混淆了两者的分数会把工程师指向分子的错误部位。Claude 跟着提了两件事——换一套更贴合各自行为的指标，再改测试规程来验证它：标准做法是单一浓度、单一升温速率，这次一组跑两个浓度、另一组跑两个升温速率；真熔点在任何条件下都该不动，而实际在追踪结块的那个数字会动。模型在结果出来之前就预测了哪些数会稳、哪些会变，主要预测对了。两个项目最后各交出一个三项全面胜过起点的分子：结合紧了 6 到 9 倍，耐热高了 8 到 18°C，结块也慢得多。

快了多少：三周、两周、十八个月

剩下三个案例是常规意义上的「快」。Divergence Labs 做食物过敏：现有药 Xolair 能中和血里游离的 IgE（触发过敏反应的那个分子），却几乎掀不下已经挂在免疫细胞上的那一半——而后者才是点火的。更麻烦的是普通抗体有两条臂，会一次抓住两个 IgE 把它们拽到一起，这恰恰就是过敏反应的触发方式。Claude 把目标翻成一份分阶段方案，每阶段末停下等人决定，中间基本自主执行：22 段自主工作、约 35,000 个设计、约 2,750 个 H100 小时，打完分每条臂只留不超过 96 个进湿实验。第一轮 91 个「掀」臂设计里 20 个真的在一两分钟内把 IgE 掀了下来，3 个在病人实际能用到的浓度下胜过 Xolair。从想法到实验结果，两条臂分别约三周和四周半，而同类工作他们以前要花最多九个月。

Generate Biomedicines 改的是 CAR-T 疗法里的信号域——告诉免疫细胞「上去打」的那一段。它没有固定三维结构、机理也只是部分已知，是道硬题；而缩短它有很实际的理由：基因指令靠病毒载体或脂质纳米颗粒送进细胞，容量是硬上限，每个零件写得更紧就能腾出地方装别的功能。六位科学家用 Claude Code 搭了一套 agent 系统，首轮筛出 186 个设计送实验室，从选稿到初步结果两周；最强的那个信号域短了约 70%，细胞表面的受体数量却多了约 10 倍，杀瘤效率也更高。Mithril 是另一种故事：收购前它只有创始人 Cody Tranbarger 一个人，靠兼职顾问和 11 家外部实验室干活，Claude 管掉大部分协调、数据和文书——交接工作时它从邮件线和 14 个月的幻灯片里拼出进度、起草五封交接信；一份 341 页的生产报告不到 10 分钟变成一张表；新项目从想法到完整论点与实验策略两三天，他自己估不用 Claude 要一两个月。结果是不到 18 个月做出小鼠概念验证：高剂量组的握力和肱三头肌力约为未治疗组两倍，两到六周里治疗组 8 只死 1 只、未治疗组死 4 只。

该打的折扣

第一，这些几乎全在临床前：Generate 明写设计还没在病人身上验证安全或有效，Mithril 明写是小鼠结果，它定的目标是 2027 年提名候选药、最快 2028 年底进人体试验——都还没发生。第二，除了 Enveda 那一组，几乎所有「以前要多久」都是团队自己的回忆，没有对照：没有专家对照组用同样工具跑一遍，也没有固定流水线的对照。这正是第 78 篇作者主动写进局限的那句「我们没做基线」，这次连那句自述都没有。第三，报告末尾的披露得读：Anthropic 给这些合作方提供 Claude 额度和工程支持，各案例正文由合作方自己写，所以准确读法是一组工程案例，不是试验读数。第四，Mithril 自己那句话最该贴在所有「AI 加速科学」的报道旁边：Claude 没法让细胞长得更快，也没法让小鼠老得更快。

这份报告真正的新闻不是任何一个数字，是一次身份变更。一家卖模型的公司收购了一家药企，开始自己当药物申办方——它不再只是递工具的人，它要替某个病程背锅。这件事的后果过几年才看得清，但它解释了为什么这份报告的腔调跟去年那些「AI for science」的宣传不一样：它花了很大篇幅讲文书、协调、外包厂、质量部门的签字权，而这些是只有真的要把药报上去的人才会去数的东西。六个案例里最大的一笔节省落在审文件上，这件事比它听起来重要得多。申报和批记录是整条药物流程里唯一一段纯信息工作，而且有可核对的标准答案：某道工序有没有超时、某个数字在两份文件里是不是一致。这恰好是语言模型最拿手、也最容易验证的地方。所以 89% 不是运气，是选对了战场。这跟第 21 篇和第 75 篇是同一个调子——卡住一个行业的往往不是最难的那一步，是量最大的那一步；第 75 篇说机器人卡在手上不在脑子上，这篇说药卡在纸上不在分子上。BigHat 那一段是全篇唯一我认为无法被专用模型替代的东西。专用蛋白模型的任务定义就是在既定指标上拿高分，它没有动机、也没有权限去问「这个指标测的是不是你想要的东西」。而这次模型回到原始曲线、指出熔点那个数在一种分子上记录的其实是塌出溶液、提了新指标、还顺手设计了一个能把两种解释区分开的实验——并且在结果出来之前押了哪些数会稳。这是第 49 篇和第 53 篇那条线的一个补注：当一个流程的评分函数本身是错的，再强的优化器也只是更快地走向错的方向。但我要把功劳算清楚：怀疑是人提的，决定测哪个假设也是人做的，模型做的是把怀疑在几天内变成证据。最该打折的是时间对比。「以前九个月、这次三周」「以前一两个月、这次两三天」全都是自报的回忆值，不是对照实验。这不是说它们假，而是说它们回答不了任何人最想问的问题：换一队同样水平的人、用同样的工具和算力，差多少？第 25 篇那次 14 小时 251 美元之所以可信，是因为有人去量了基线；第 48 篇那个判断在这里又成立一次——加速是斑块状的，而每一块的边界都得靠基线来画。这份报告给出了斑块的大致位置，没给出边界。对不做药的读者，这篇最该抄走的是 Enveda 的架构，而不是任何一个百分比。四条做法：模型只拿只读副本，写不进正式记录；哪些文件管着这份记录由固定规则决定，不交给模型自由检索；模型只负责标出问题，处不处理由人判断；写文档时先把源材料里的事实抽成一份结构化的中间数据集当唯一真源，再从它生成每一份文档，这样改一处能一致地改遍全文。这套东西跟药一点关系也没有，任何做合规审查、审计、对账、尽调的人都能原样搬。最后一个值得留意的信号，是 TCG 那条线。它要新建一家叫 Pleiades 的公司，从第一天起就围着 Claude 搭，目标是让一支小团队跑过去跑不动的项目数量——配套的那个评估靶点值不值得做的 Claude Skill 已经在 45 个靶点—疾病配对上试过。如果这条走通，变的不是研发效率，是资本的风险偏好：过去投资人偏爱别人验证过的靶点，是因为失败太贵；一旦前期筛选从几周变成几天，能被容忍的失败就变多了。这是整份报告里影响面最大、证据却最薄的一条，值得单独盯着往下看。

AI 做药生命科学合规与文书自动化人机协作基线缺失

去读原文 本文是原创导读，不是原文翻译——真正的细节、证据和微妙之处都在原文里。原文Anthropic Research · Early progress on accelerating drug development with Claude：六个案例的汇总页，每个案例的详述藏在正文的「Read more」浮层里 → 原文Enveda 自写的技术报告：1,061 页批记录的对照方法、11 + 7 个问题的评分流程，以及 CDP 怎么把「只读 + 固定规则选参照文件」做进架构 → 原文BigHat 自写的技术报告：熔点被读错 10°C 以上的原始曲线、新指标的推导，以及那次两浓度／两升温速率的验证实验 → 原文Divergence Labs 预印本 · Towards a best-in-class IgE disruptor for food allergy：35,000 个设计怎么收到 96 个，以及 20 个「掀」臂设计的 BLI 原始测量 → 原文Generate Biomedicines 预印本：信号域短 70% 却不弱的方法与数据，以及 186 个首轮设计是怎么选出来的 → 原文Mithril Medicine 技术报告：小鼠握力与存活的原始图表，以及「Pipeline-in-a-Person」这套一人带 11 家实验室的工作方式 → 延伸第 78 篇的原文：同一支团队三周前那次 31.8 万个蝎毒结合子设计——那篇主动写了「我们没做基线」，拿来跟这篇对读最合适 →

上一篇一枚硬币决定了 50 位专家交出去的分析结论——86% 的判断跟了 agent 的偏好，77% 的人用它的原话解释自己为什么这么选下一篇源码、测试、git 历史全删，只留一个不许读、只许跑的二进制——五月全场 0 分，十月 37 个程序被从行为反推着重建出来

本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。篇目由编辑独立选取，来源均经人工核实。