返回新聞
創新AI Understanding 簡報

Anthropic建立內部生物實驗室進行臨床前藥物研究

Anthropic 已確認在舊金山灣區啟動物理生物學實驗室,旨在加速臨床前藥物發現,同時關注被忽視的疾病。

4 min readRead the original reporting
Source-page capture accompanying Anthropic establishes in-house biology laboratory for preclinical drug research
歸因報告來源記錄
出版商
biz.chosun.com
來源連結
biz.chosun.comhttps://biz.chosun.com/en/en-international/2026/09/20/BARUHKNMCFGFJPOF2HSLSVCXI4/?outputType=amp
來源類型
新聞媒體的報道-不是第一方文件。

我們無法獨立確認的內容: 此聲明歸因於指定的商店。我們沒有根據第一方文件對其進行驗證。 (biz.chosun.com)

背景60 秒內了解這一點

從這裡開始

關鍵術語

計算
訓練和運行模型所需的處理資源,通常以 FLOPS 或 GPU 小時來衡量。
測試一下自己AI 模型解釋測驗

發生了什麼事

Anthropic 生命科學主管 Eric Koutcherer-Abrams 表示,該公司已在舊金山灣區建立了一個物理生物學實驗室來進行實務研究。該設施旨在彌合人工智慧驅動的模擬和物理實驗之間的差距。 Anthropic表示將專注於臨床前研究,不打算與製藥公司競爭或進入臨床試驗階段。該公司的目標是優先發現目前被更廣泛的製藥業忽視的疾病的治療方法。

Anthropic在2026年9月19日接受路透社採訪時證實了其位於舊金山的新生物實驗室的存在。生命科學主管Eric Koutcherer-Abrams表示,該實驗室對於生物研究的「終極測試」至關重要,這需要物理實驗。

該公司明確了營運範圍,強調不會進入臨床試驗階段,也不會與現有的製藥和生技公司直接競爭。相反,該實驗室將專注於臨床前階段和開發被忽視疾病的治療方法。

這項舉措是生命科學領域更廣泛擴張的一部分。 Anthropic 先前推出了「Claude Science」工具,收購了生物技術公司 Coefficient Bio,並將諾華執行長 Vasant Narasimhan 加入其董事會。 7 月,該公司還聘請了諾貝爾化學獎共同得主 John Jumper,他因在 AlphaFold 上的工作而聞名。

來源詳情: biz.chosun.com ↗

為什麼這很重要

此舉代表了純粹的人工智慧公司的重大轉變,表明 Anthropic 將物理實驗室驗證視為推進生命科學領域人工智慧的必要組成部分。透過將濕實驗室功能與其現有的人工智慧模型相集成,Anthropic 尋求提高其生物研究工具的準確性和實用性。專注於被忽視的疾病同時避免臨床試驗的策略使該公司能夠將自己定位為研究合作夥伴,而不是老牌製藥公司的競爭對手。這項發展是在一系列策略性舉措之後進行的,包括收購 Coefficient Bio 和聘請 John Jumper 等知名人才,以鞏固其在人工智慧驅動的藥物發現領域的地位。

物理實驗室的建立表明,Anthropic 認為僅靠人工智慧模型不足以進行高風險的生物研究。透過在人工智慧預測和物理實驗室結果之間創建反饋循環,該公司的目標是完善其模型,以便在現實世界的藥物發現中更加有效。

對被忽視疾病的關注提供了一個明確的、非競爭性的利基市場,使 Anthropic 能夠展示其人工智慧的實用性,而不會引發與主要製藥公司的直接市場衝突。這項策略也可能幫助該公司應對人工智慧在生物學中的安全和倫理影響的監管審查。

該公司正在積極應對加速科學進步和降低風險之間的緊張關係。 Koutcherer-Abrams 指出,Anthropic 正在平衡對更強大模型的需求與謹慎部署的必要性,以防止濫用人工智慧來製造生物威脅。

Interactive Mechanism

互動機制:它實際上是如何運作的

以互動方式探索這項發展背後的基礎技術。

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.
互動式概念檢查+10 Points
AI Models Explained Quiz

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

接下來看什麼

觀察家應關注 Anthropic 如何平衡其加速藥物發現的雙重使命與防止人工智慧模型濫用於生物武器開發的承諾。該公司成功地將物理實驗室結果整合到人工智慧培訓流程中的能力仍然是關鍵的技術里程碑。此外,該實驗室對公司更廣泛的財務軌蹟的影響,特別是在準備潛在的首次公開募股時,將成為評估其生命科學業務模式長期可行性的投資者的興趣點。

新實驗室在產生實際、可驗證的藥物發現突破方面的有效性將是該公司在生命科學領域長期成功的關鍵指標。

投資者將關注此類實體基礎設施所需的高額資本支出,加上人工智慧運算的成本,是否會影響該公司在計劃首次公開發行時的財務表現。

該公司有關生物研究的安全協議將繼續受到審查,特別是隨著該公司繼續擴大其在蛋白質結構預測和生物技術其他敏感領域的能力。

相關指引和測驗

人工智慧模型解釋AI 的未來人工智慧培訓測試你所知道的—嘗試免費的人工智慧測驗在我們的詞彙表中尋找人工智慧術語關注 AI 模型發布追蹤器
覺得有用嗎?