旧金山湾区消息——据路透社9月18日报道，Anthropic已在旧金山湾区运营一家物理生物湿实验室，试图用Claude模型直接操控实验仪器验证科学假说。湿实验室指在实验室中直接操作生物样本、试剂和药品，开展实体实验与功能验证。Anthropic生命科学负责人Eric Kauderer-Abrams证实这一说法，并表示生物学结论最终仍需在真实实验中得到验证。
目前，Anthropic已自主完成部分实验，并正在探索让Claude直接指挥机器人执行实验流程，将人工介入控制在最低限度。Kauderer-Abrams称，该实验室的目标是借助AI大模型将生物研发速度提升一个数量级。
AI算得快，实验跟不上
把AI用于药物研发如今已是常态。大模型确实能快速生成大量候选蛋白或分子，但这些目前只是计算机里的预测，能否成立仍要靠真实实验验证。因此，AI制药的理想模式是一个闭环：由大模型给出设计，实验室负责制造与测试，数据回流给模型后再设计下一批。
过去几年，AI的提速主要体现在设计环节，实验端仍须按流程一步步完成。模型设计越快，设计端与实验端之间的速度差就越突出。报道称，Anthropic8月一轮实验中，Claude Opus 4.8与Mythos Preview针对15个靶点设计蛋白结合剂，由Adaptyv Bio和Twist负责制造并独立验证，最终14个靶点成功获得经确认的结合剂。但在候选分子层面，两个模型的命中率分别为22.6%和26.7%，显著高于传统设计10%—15%的区间，却仍意味着每批候选分子中约四分之三会被淘汰，大量实验资源仍在消耗。
值得注意的是，Twist从Anthropic拿到的相关订单从2025年的约2500万美元增至2026年的约5000万美元，下一年这个数字预计将增长到1亿美元。对外部验证的依赖越深，成本也就越高，数据回传周期也越长。因此，Anthropic自建湿实验室，等同于把关键实验能力掌握在自己手中。
Claude走上实验台
有了实验室不等于AI就能直接控制实验。实验设备的软件与通信接口标准不一，工程师往往要花数周乃至数月才能把一台设备接入统一系统。为此，Anthropic于今年8月发布Model Hardware Standard（MHS），试图解决设备连接难题。它是一套让AI智能体控制物理设备的通用标准，设备通过它向模型上报自身状态、可执行操作和安全边界。在MHS早期测试中，设备集成时间从数周数月压缩到数小时乃至数分钟。
在基因泰克的BCA实验中，Claude可以同时协调液体处理器、机械臂与微孔板读取器，根据结果调整参数，并在硬件异常时自行诊断、恢复设备运行；华盛顿大学Baker实验室则让Claude Code实时读取qPCR曲线，协调机械臂转移样品板。
长期布局与争议
事实上，Anthropic很早就在布局生物医药。2025年，Anthropic推出Claude for Life Sciences；2026年4月，Anthropic又以约4亿美元收购熟悉药物研发流程的Coefficient Bio，其CEO也进入该公司董事会；6月，Anthropic发布Claude Science。对Anthropic CEO达里奥·阿莫代伊而言，在生物医药方向的努力关乎个人。他最近在一篇文章中说，他的父亲死于一种疾病，而治愈它的疗法晚来了几年。
公司瞄准的正是罕见病和难以成药的靶点，以及双特异性、三特异性抗体这类大药企在财务上兴趣不大的领域。
关于自建实验室的争议也随之而来：有人表示，Anthropic一边向药企出售工具，一边自建实验室筛选分子，药企难免担心数据被拿去训练模型。Anthropic回应称，不亲自推进人体临床试验，不直接商业化治疗产品，重点放在临床前阶段。
有数据统计，目前全球进入临床阶段、由AI设计或参与发现的药物已超过100个，但截至2025年底，尚无任何一款全程AI发现的新药获得FDA批准。换句话说，AI大模型最强的是前期，一旦进入以疗效为主要终点的II期、III期，就要面临更加复杂的生物学理论，商业模式也随之改变。如何在提升科研效率的同时管控现实风险，将是AI制药下一阶段必须回答的问题。