Tilbake til Nyheter
InnovasjonAI Understanding orientering

Anthropic etablerer et eget biologilaboratorium for preklinisk medikamentforskning

Anthropic har bekreftet lanseringen av et fysisk biologisk laboratorium i San Francisco Bay Area, med sikte på å akselerere preklinisk medikamentoppdagelse samtidig som det fokuseres på forsømte sykdommer.

4 min readRead the original reporting
Source-page capture accompanying Anthropic establishes in-house biology laboratory for preclinical drug research
Tilskrevet rapporteringKilde registrert
Utgiver
biz.chosun.com
Kilde lenke
biz.chosun.comhttps://biz.chosun.com/en/en-international/2026/09/20/BARUHKNMCFGFJPOF2HSLSVCXI4/?outputType=amp
Kildetype
Rapportering fra en nyhetskanal - ikke et førstepartsdokument.

Det vi ikke kunne bekrefte uavhengig: Dette kravet tilskrives det navngitte utsalgsstedet. Vi har ikke verifisert det mot et førstepartsdokument. (biz.chosun.com)

KontekstForstå dette på 60 sekunder

Start her

Nøkkelord

Beregn
Behandlingsressursene som kreves for å trene og kjøre modeller, ofte målt i FLOPS- eller GPU-timer.
Test deg selvQuiz for forklaring av AI-modeller

Hva skjedde

Anthropic har etablert et fysisk biologilaboratorium i San Francisco Bay Area for å utføre praktisk forskning, ifølge Eric Koutcherer-Abrams, selskapets leder for biovitenskap. Anlegget er ment å bygge bro mellom AI-drevne simuleringer og fysisk eksperimentering. Anthropic uttalte at det utelukkende vil fokusere på preklinisk forskning og har ikke til hensikt å konkurrere med farmasøytiske selskaper eller gå inn i klinisk utprøvingsstadiet. Selskapet har som mål å prioritere oppdagelsen av behandlinger for sykdommer som i dag overses av den bredere farmasøytiske industrien.

Anthropic bekreftet eksistensen av sitt nye San Francisco-baserte biologiske laboratorium i et intervju med Reuters 19. september 2026. Eric Koutcherer-Abrams, leder for biovitenskap, uttalte at laboratoriet er avgjørende for den 'ultimate testen' av biologisk forskning, som krever fysisk eksperimentering.

Selskapet avklarte sitt operasjonelle omfang, og understreket at det ikke vil gå inn i den kliniske utprøvingsfasen eller konkurrere direkte med eksisterende farmasøytiske og bioteknologiske selskaper. I stedet vil laboratoriet fokusere på prekliniske stadier og utvikling av behandlinger for neglisjerte sykdommer.

Dette initiativet er en del av en bredere ekspansjon til biovitenskapssektoren. Anthropic har tidligere lansert 'Claude Science'-verktøyet, kjøpt opp bioteknologifirmaet Coefficient Bio og lagt til Novartis-sjef Vasant Narasimhan til styret. I juli ansatte selskapet også John Jumper, en medvinner av Nobelprisen i kjemi kjent for sitt arbeid med AlphaFold.

Kildedetaljer: biz.chosun.com ↗

Hvorfor det betyr noe

Dette trekket representerer et betydelig skifte for et rendyrket AI-selskap, og signaliserer at Anthropic ser på fysisk laboratorievalidering som en nødvendig komponent for å fremme AI i biovitenskap. Ved å integrere våtlab-funksjoner med sine eksisterende AI-modeller, søker Anthropic å forbedre nøyaktigheten og nytten av sine biologiske forskningsverktøy. Strategien med å fokusere på forsømte sykdommer og samtidig unngå kliniske studier gjør at selskapet kan posisjonere seg som en forskningspartner i stedet for en konkurrent til etablerte farmasøytiske firmaer. Denne utviklingen følger en rekke strategiske grep, inkludert oppkjøpet av Coefficient Bio og ansettelsen av høyt profilerte talenter som John Jumper, for å befeste sin posisjon i den AI-drevne legemiddeloppdagelsessektoren.

Etableringen av et fysisk laboratorium antyder at Anthropic mener AI-modeller alene er utilstrekkelige for biologisk forskning med høy innsats. Ved å lage en tilbakemeldingssløyfe mellom AI-spådommer og fysiske laboratorieresultater, tar selskapet sikte på å avgrense modellene sine for å være mer effektive i medisinoppdagelse i den virkelige verden.

Fokuset på neglisjerte sykdommer gir en klar, ikke-konkurransedyktig nisje som lar Anthropic demonstrere nytten av sin AI uten å utløse direkte markedskonflikt med store farmasøytiske selskaper. Denne strategien kan også hjelpe selskapet med å navigere regulatorisk gransking angående sikkerhet og etiske implikasjoner av AI i biologi.

Selskapet styrer aktivt spenningen mellom å akselerere vitenskapelig fremgang og å redusere risiko. Koutcherer-Abrams bemerket at Anthropic balanserer behovet for kraftigere modeller med nødvendigheten av forsiktig distribusjon for å forhindre misbruk av AI i skapingen av biologiske trusler.

Interactive Mechanism

Interaktiv mekanisme: Hvordan det faktisk fungerer

Utforsk den underliggende teknologien bak denne utviklingen interaktivt.

Thinking Budget (Test-Time Tokens):1,024 tokens
Complex Accuracy79%Math & Code Logic
Latency3.2sTime to first full output
Inference Cost$0.0092Per query estimated
Reasoning StyleStep VerificationInternal chain depth
Active Thinking Trace:
1Deconstruct user problem into formal constraints
2Propose candidate hypotheses & step-by-step calculation
3Self-correction: Backtrack and refute subtle edge cases
4Exhaustive consistency check & final output synthesis
Core takeaway: Test-time compute fundamentally changes AI economics. Instead of only scaling during pre-training, giving reasoning models more tokens at inference time allows them to systematically solve PhD-level STEM problems.
Interaktiv konseptsjekk+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

Hva du skal se neste

Observatører bør overvåke hvordan Anthropic balanserer sitt doble mandat om å akselerere medikamentoppdagelse med sin uttalte forpliktelse til å forhindre misbruk av AI-modeller for utvikling av biologiske våpen. Selskapets evne til å lykkes med å integrere fysiske laboratorieresultater i sine AI-treningspipelines er fortsatt en viktig teknisk milepæl. I tillegg vil virkningen av dette laboratoriet på selskapets bredere økonomiske bane, spesielt når det forbereder seg på en potensiell børsnotering, være et interessepunkt for investorer som vurderer den langsiktige levedyktigheten til dens livsvitenskapelige forretningsmodell.

Effektiviteten til det nye laboratoriet når det gjelder å produsere håndgripelige, verifiserbare gjennombrudd for oppdagelse av legemidler vil være en kritisk målestokk for selskapets langsiktige suksess i biovitenskapssektoren.

Investorer vil følge med for å se om de høye kapitalutgiftene som kreves for slik fysisk infrastruktur, kombinert med kostnadene ved AI-beregning, påvirker selskapets økonomiske resultater når det nærmer seg den planlagte børsnoteringen.

Selskapets sikkerhetsprotokoller angående biologisk forskning vil forbli under gransking, spesielt ettersom det fortsetter å utvide sine evner innen prediksjon av proteinstruktur og andre sensitive områder innen bioteknologi.

Relaterte guider og quizer

AI-modeller forklartKIs fremtidAI treningTest det du vet – prøv en gratis AI-quizSlå opp et AI-begrep i ordlisten vårFølg AI-modellutgivelsessporeren
Fant du dette nyttig?