Concitech AI · 深度长文
2026/10/28 08:48
3 个月文书,4 小时初稿:Claude 的药研提速实验
Anthropic 公布药物开发合作进展,案例涉及监管文书、抗体设计、细胞治疗和罕见病研究。4 小时初稿、3.5 万个抗体设计和小鼠实验结果,呈现不同环节的提速与证据边界。本文讨论专家经验的成本变化、小团队的研发能力,以及数据、实验与资本构成的新门槛。

一份监管文件的初稿,Claude 的起草耗时是 4 小时。团队给出的人工起草参考耗时是 3 个月。
一组食物过敏研究,产生了 3.5 万个抗体设计。设计周期是一个月左右。
一个罕见肌营养不良项目,完成了概念到小鼠实验的推进,耗时少于 18 个月。项目创始人管理着 11 家外部实验室的合作。
这些案例来自 Anthropic 的药物开发进展公告。公告日期是 2026 年 10 月 27 日。合作机构包括 Enveda、Divergence Labs、Generate Biomedicines、BigHat Biosciences、百时美施贵宝和 The Column Group。
这组结果呈现的是药研任务的提速,人体疗效属于另一类证据。
我关注的变化是:专家经验的调用成本、实验方案的产出速度,以及小团队能够管理的项目规模。药物研发的门槛,出现了结构变化。
1. 文书的三个月,与初稿的四小时
药物开发包含分子设计,包含生产记录、质量检查和监管申报。研究者的时间账本,记着大量文件工作。
Enveda 的案例涉及两类任务:批生产记录检查、监管文件起草。“4 小时”对应一份监管文件的初稿,完整申报与监管批准属于后续环节。
Enveda 的 CDP 技术报告提供了检查实验的口径:4 份执行批记录,合计 1,061 页,材料包含扫描件、手写内容和表格。
人工审查的耗时是 1,553 分钟,折合 25.9 小时。AI 处理加人工检查的耗时是 166 分钟,折合 2.8 小时。两者的时间差为 89.3%。小时数与比例采用四舍五入值。
人工提出的 11 项问题,获得了 CDP 多轮运行结果的合计覆盖。Opus 4.7 的一次运行提出了人工漏掉的 7 项有效问题。报告记录了误读,批次处置与最终审核权属于质量部门。
这是特定资料与特定流程的探索性比较。89.3% 的适用范围是文件检查,药研全流程的提速幅度属于另一个问题。报告将 CDP 定位为辅助系统,GMP 计算机化系统验证属于待完成事项,正式生产责任属于质量部门。
价值来自工作方式的改变。系统读取资料、匹配依据、标记疑点,专家判断问题及其后果。原始记录保留,问题附带位置和依据,责任留给具名审核人。

图:Enveda 的单项流程比较。166 分钟包含 AI 处理与人工检查;样本为 4 份记录、1,061 页。数据来源:Enveda 技术报告。
这个案例削减的是重复阅读、查找和起草的时间。专业判断的作用是定义规则、识别风险和承担结论责任。
2. 3.5 万个抗体设计,属于候选物的起点
Divergence Labs 的目标是食物过敏治疗。相关机制涉及 IgE,一类参与过敏反应的抗体。游离 IgE 与免疫细胞结合的 IgE,构成不同的干预对象。
团队的药物构想包含两个功能部分:一个结合 IgE,另一个促进 IgE 脱离免疫细胞。Claude 承担了设计计划与候选方案生成,产出规模是 3.5 万个抗体设计。
Anthropic 报告了两组早期命中结果:3 个结合设计、20 个脱离设计。20 个脱离设计中的 3 个,实验表现超过对照药物。两个功能部分的组合,属于下一项开发任务。
“3.5 万个设计”与“3.5 万种有效药物”存在数量与概念的双重差别。候选序列、实验命中、药物候选物和获批产品,对应不同证据。
设计成本下降,增加了实验的选择空间。实验团队需要回答:哪些方案值得合成,哪些变化具有机制依据,哪些命中具有重复性。
计算端的方案供给与实验端的验证容量,构成新的配比问题。机器生成数量的增长,要求实验设计和筛选标准的配合。
3. 受体数量的十倍,与患者疗效的距离
Generate Biomedicines 的研究对象是 CAR-T 的细胞内信号结构。CAR 是一种工程化受体,帮助免疫细胞识别目标并启动反应。
团队的技术报告描述了一种 45 个氨基酸的紧凑设计,其长度少于所比较临床常用结构的三分之一。科学家与 AI Agent 提出方案,实验结果指导三轮迭代。
Anthropic 公告给出的受体数量增幅为十倍左右,指标是细胞表面受体表达。实验结果包含肿瘤细胞杀伤表现与功能持续性的改善。受体数量与患者治愈率是不同指标。
这类工作触及药物形式的改造:模型参与内部结构的选择、删减与重组,实验提供功能评价。
Mithril Medicine 的案例展示了另一种变化:组织能力的扩展。创始人使用 Claude 管理合同、物流与外部实验,项目获得了小鼠层面的积极结果。Anthropic 披露了对这家公司的收购。
公告给出的目标是 2028 年末的人体临床启动,前提是候选物的后续研究结果支持推进。这是开发预期,缺少人体安全性与疗效的确认。
FDA 的药物开发说明区分临床前研究与人体试验。动物研究回答部分安全性和生物学问题,人体研究检验药物与人的相互作用。

图:设计、实验命中、动物研究、人体试验与监管审评对应不同证据。图中层级表示验证任务,缺少任何项目进度或获批时间的承诺。
4. 专家经验的价格,和实验事实的价格
这组案例支持一个判断:某些知识密集型任务的时间成本,出现了下降空间。
文献整理、资料交叉检查、方案初稿和项目协调,依赖专家知识,包含重复劳动。模型承担其中的工作,专家获得问题筛选和结果判断的时间。
“专家经验成为廉价商品”包含两种含义。一种是知识调用与草稿生产的成本下降;另一种是专业能力和责任的全面替代。案例支持前一种方向,后一种说法缺少依据。
Enveda 的系统包含领域规则、版本管理、页码覆盖检查和人工批准。它的效果来自模型与流程工程的结合。一个聊天窗口缺少这些组织能力。
药研团队的知识资产包含失败记录、测量偏差和工艺约束。它们决定问题的表述,决定实验指标的含义。外包给模型的任务需要这些输入,模型输出需要这些知识的检验。
我认为,专家角色的变化方向是任务重组。起草和资料检查占用的时间下降,问题定义、实验判断和质量责任的权重上升。具体岗位的变化需要企业数据,单组案例缺少全行业就业结论的支撑。
5. 财富集中的风险,来自哪些新门槛
AI 降低部分研发成本,小团队获得项目组织和方案探索的杠杆。Mithril 的经验提供了例子:一个创始人的公司,依赖外部实验室与模型的协作网络。
这与“一个人完成全部制药工作”存在区别。实验能力、专业人员、设备和质量体系分布于合作网络,项目管理能力把它们连接起来。
财富与控制权集中的担忧具有现实机制:前沿模型的使用权、专有实验数据、实验设施、临床资源和长期资金,构成互补资产。少数机构拥有多项资产,其研发规模与谈判能力具有优势。
财富归于少数巨头的结论具有确定性,现有案例缺少这种结论的证据。模型服务的可获得性、实验外包市场、竞争与监管安排,影响收益的分配。成本下降具有扩大参与者范围的作用,资产集中具有抬高进入门槛的作用,两股力量存在拉扯。
新药开发的时间表包含疾病机制研究、长期毒性观察、临床终点测量和生产质量评价。机器人的操作速度与这些任务的完成速度,属于不同指标。
我对这组进展的判断是:AI 改变了部分研发任务的成本结构,小团队的可执行范围获得扩展。决定药物价值的证据,来自实验和临床;决定收益分配的规则,来自数据、设施、资金与制度。
我关注后续研究的重复性、人体试验的结果,以及成本下降的实际受益者。它们决定这组早期进展的医学价值与行业影响。
