Anthropic收购一人药企并携手六大机构，全面布局AI制药

Anthropic正在把Claude的能力从对话工具推向药物研发的核心环节。据其官网10月27日发布的最新进展，该公司生命科学团队已与六家机构建立深度研究合作，并收购了由创始人Cody Tranbarger独立运营的微型生物技术公司Mithril Medicine，直接下场开展药物研发。Anthropic表示，Claude已在分子设计、制造文件审查、监管申报及临床试验规划等多个环节展现出可量化的效率提升，部分早期数据已对外披露，并计划大幅扩大上述工作规模，持续将Claude的参与延伸至人体临床试验阶段。

此次最受关注的动作是收购Mithril Medicine。这家公司专注于两种罕见儿童肌肉萎缩症的治疗研究，创始人Tranbarger此前借助Claude协调与11家外部实验室的合同、物流和实验安排，并将大量运营事务委托给Claude处理。结果是，Mithril Medicine在不到18个月内，将其中一种肌肉萎缩症的候选疗法从概念推进至小鼠实验阶段，并取得初步积极结果。Tranbarger现已加入Anthropic继续推进研究，并计划启动多个新项目。Anthropic称，若候选药物持续表现良好，预计最早于2028年底具备启动人体临床试验的条件。

在自主研发之外，Anthropic过去数月已与六家机构展开合作，覆盖从早期发现到临床规划的多个环节。Generate Biomedicines正尝试将CAR-T细胞疗法从血液肿瘤扩展至实体瘤，六名科学家使用Claude Code为关键遗传指令片段提出新设计方案，其中一个方案比标准版本缩短约70%，实验室测试显示免疫细胞产生的受体数量约为原来的10倍，肿瘤细胞杀伤效率更高、免疫细胞活跃时间也更长。

Divergence Labs正在开发针对食物过敏的新型药物，目标是将IgE分子从免疫细胞上完全剥离，而非仅中和血液中游离的IgE。Claude将其研发目标转化为详细设计方案，在约一个月内近乎自主地生成了约3.5万个抗体设计方案。早期筛选中，研究人员找到了针对两个功能臂的有效候选：3个能与IgE结合，20个能将IgE从免疫细胞上剥离，其中3个效果优于现有标准药物。

BigHat Biosciences将AI与自动化实验室结合用于优化候选药物分子。在约10周内，团队测试了约1,010个分子变体。中途Claude与研究人员重新分析原始数据，调整了评估指标和实验方案。最终结果显示，最优版本的结合力提升逾10倍，靶向癌细胞的候选分子热稳定性提高18°C，另一候选分子的聚集速度降低逾100倍。

Enveda的制造化学家此前有多达75%的工作时间耗费在文件处理上。Enveda构建了一套将制造文件接入Claude的系统，用于自动标记潜在问题。在对1,061页文件的测试中，Claude识别出了人工审查员发现的全部11个问题，并额外标记出7个被人工遗漏的问题。整体人工审查时间从逾25小时压缩至不足3小时，降幅达89%。此外，Claude还起草了两份重要监管文件，其中一份耗时4小时，而人工完成同类工作通常需要约3个月。

The Column Group正与Anthropic合作，探索能否通过降低药物发现的时间与成本，推动投资者支持更具风险的创新项目。TCG正在设立新公司Pleiades，计划以小团队运营更多、更复杂的药物项目。目前Pleiades已开发出首个Claude技能模块，用于评估药物靶点的研究价值，已在45个靶点-疾病配对上完成评估。

Bristol Myers Squibb是六家合作伙伴中最新加入的。BMS正使用Claude分析早期临床阶段药物的试验方案，并评估试验成功概率。BMS早期临床开发高级副总裁、血液肿瘤与细胞治疗负责人Michael Pourdehnad表示，使用Claude在临床试验阶段分析专有数据、制定临床研究计划并评估研究成功可能性，仅凭一条提示，Claude就生成了一份完整的初步分析，帮助评估不同开发方案，而这项工作若由人工完成通常需要数天。双方计划于2027年扩大合作范围，进一步评估AI在提升早期开发成功率方面的潜力。

Anthropic表示，上述合作研究仅是其生命科学战略的一部分，目标是将Claude的能力向更广泛的药物研发机构开放。为此，公司已推出多项配套举措：面向研究人员的AI工作台Claude Science；允许受信任机构在更宽松安全限制下使用最强大模型的生命科学验证计划；面向希望将Claude用于药物发现等关键问题研究的科研团队公开招募客座研究员；同时为生命科学研究人员提供Claude使用额度。Anthropic强调，目前所有研究仍处于早期阶段，大部分尚未进入人体临床试验，公司计划随着药物项目推进，持续将Claude的参与延伸至临床阶段。

从产业视角看，Anthropic的布局把大模型公司的竞争从通用能力拉到了垂直行业的深水区。药物研发素以周期长、成本高、失败率高著称，而上述合作披露的效率数据——无论是文件审查时间压缩89%，还是抗体设计方案在一个月内生成数万个——都指向AI在研发流程中替代重复性劳动、加速方案迭代的潜力。对生物医药产业链而言，这意味着早期发现与临床前环节的试错成本可能下降，小型团队借助AI运营更多项目的门槛也在降低。但需要看到，多数合作仍处于早期阶段，从候选分子到人体临床试验再到最终获批，仍有漫长且不确定的验证过程。Anthropic能否将早期效率优势转化为可复制的研发成果，将是观察AI制药叙事能否持续兑现的关键。