Anthropic做药：不是慈善，是豪赌

Anthropic宣布启动自有药物发现项目，专挑制药公司认为“无利可图”的疾病。消息一出，AI圈和医药圈同时哗然。

诺华CEO Vas Narasimhan给了一个数字：AI有望把药物开发周期从12年压到7-8年，成功率从8%翻到16%。看起来很美。但我说句实话——这两个数字，目前只是“期望值”，不是既成事实。

区别在于，一个AI公司自己下场做药，和给制药公司提供工具，是两码事。

大厂不赚钱的病，谁来管？

“无人问津的疾病”这个标签，听着像慈善。换个角度看，这也意味着：没有成熟管线，没有临床数据，没有可借鉴的靶点路径。

制药公司不碰，是因为算过账：研发成本数十亿美元，市场回报不足以覆盖风险。Anthropic现在要跳进去，等于主动选了一条最难的路——不仅是技术难题，更是商业模型难题。

我的判断是：这不是简单的“AI赋能”，而是把整个药物发现的赌注押在模型推理能力上。Anthropic认为自己的模型能识别出人类专家和传统高通量筛选都忽略的候选分子。这个逻辑成立，但需要数据验证。

现在下结论为时尚早。

Vas Narasimhan给出的16%成功率，是当前行业平均8%的两倍。这个数字说明的是：即便AI发挥作用，失败概率仍然高达84%。

值得持续跟踪的是：Anthropic有没有公布自己的具体路径？目前素材里没有。它打算从头建立实验室？还是只做计算筛选，然后外包临床？前者烧钱，后者依赖合作伙伴的执行力。

一个AI公司做药，最危险的陷阱是“论文成功”和“药物成功”之间的鸿沟。很多AI制药公司（比如BenevolentAI、Exscientia）都曾风光无限，但实际进入临床后，分子淘汰率并不比传统方式低多少。区别在于，它们多数是向大药厂卖服务或卖管线，风险共担。

Anthropic是自营项目。这意味着：它必须承担从分子到临床到上市的全链条成本。这笔账，目前算不清楚。

制药行业有一个共识：最难的不是找到活性分子，而是证明安全性和有效性。这需要漫长的临床试验，需要巨额资金，需要监管沟通。AI在前期筛选阶段可以加速，但无法跳过三期临床。

Anthropic选的“无人区”疾病，临床试验患者招募本身就困难。罕见病、被忽视的热带病，患者群体小，试验设计复杂，FDA的审批标准未必宽松。这不是一个“模型更聪明”就能解决的问题。

我跟踪AI制药三年了，看过太多公司拿着漂亮的体外数据，倒在二期临床。这个行业的本质是概率游戏。AI能把8%提到16%，但依然是个低概率事件。Anthropic需要多线推进多个候选分子，才能分摊风险。而多线推进意味着：烧钱速度翻倍。

换个角度想，Anthropic做这件事，不完全是为了赚钱。药物发现产生的结构化数据——分子-靶点-活性-毒性关系——是训练下一代AI模型的黄金素材。如果能建立一套从分子到临床数据的闭环，这比任何公开数据集都有价值。

但问题是：临床数据极其昂贵且难以获取。Anthropic之前主要靠API订阅收入，2024年营收据估计在数亿美元量级，现金流并不宽裕。同时启动多个药物发现项目，可能意味着大幅增加研发支出，短期内看不到回报。

我的判断是：这不只是一个技术赌注，更是组织能力的赌注。Anthropic需要组建一支跨领域的团队——计算化学、药理学、临床开发、监管事务——这些都不是它的核心能力。而人才市场上，这些领域的顶级专家本身就不多，且大多被大药厂锁定。

截至这篇文章，Anthropic没有公布具体疾病领域、靶点选择、合作方或时间表。诺华CEO的乐观预测，可能更多代表传统药企对AI助手的期待，而非对AI公司独立做药的背书。

问题在于：当一个AI公司选择“自己造药”而不是“帮人造药”，它是否已经超出自己的能力边界？当模型能力提升的速度赶不上现金流消耗的速度，项目会面临怎样的调整？

我没有答案。但我清楚一点：药物发现领域，历史上不缺“技术革命”的故事，缺的是从分子到药片的完整闭环。Anthropic能否走通，取决于它能否在模型、数据和商业之间找到一个可持续的平衡点。

这个局，值得持续跟踪。

一个AI公司做药，这个逻辑成立，但前提是它得活到药上市的那一天。