Anthropic從科研工作台跨向自研藥物，AI製藥的責任邊界被推到更前線

當大型科技公司把AI帶進生命科學，問題已不只是模型能否讀懂論文或整理實驗資料，而是它們準備在多深的位置承擔科學判斷的後果。Anthropic推出Claude Science後，據外媒報導，這家公司也表明有意發展自有藥物計畫，使Claude不再只是研究人員桌上的助手，而可能成為藥物探索鏈條中的主動角色。

Anthropic於6月30日發表Claude Science，將其定位為給科學家的AI工作台，目前以beta形式提供給Claude Pro、Max、Team與Enterprise用戶。這套工具整合常見科學軟體、資料庫查詢、運算資源與可稽核的研究成果紀錄，試圖讓研究者從資料整理、分析流程到結果追溯，都能留在同一個環境中完成。

在生命科學場景中，Claude Science預先配置了基因體學、單細胞分析、蛋白質體學、結構生物學、化學資訊學等工具，並可存取逾60個科學資料庫。Anthropic列舉的早期測試包括單細胞RNA定序分析、CRISPR篩選設計、蛋白質結構預測與小分子相關分析；產品頁也提到蛋白質、序列比對、基因組軌跡、化學結構與PDF等科學物件可被納入工作流程。

新一層變化在於，The Verge報導指出，Anthropic不只想提供科研軟體，也希望發展自己的藥物。報導稱，Anthropic生命科學負責人Eric Kauderer-Abrams曾暗示公司可能把焦點放在被忽視疾病的治療上。不過，公開資訊仍相當有限：Anthropic尚未說明具體疾病、候選標的，也未交代實驗室驗證、動物試驗、臨床試驗或製造是否會與外部機構合作。

這使Claude Science的意義變得更複雜。若它只是工作台，核心挑戰是能否提升研究效率、降低資料分析門檻，並留下足夠清楚的證據鏈；若Anthropic進一步自研藥物，問題就會延伸到候選分子的可重複性、毒性、藥代動力學、臨床可行性與監管責任。AI可以加速假說生成，卻不能替代濕實驗、動物模型、人體試驗與法規審查。

**背景脈絡**

近幾日圍繞Claude Science的討論，已從「AI如何進入科研工作流」逐步轉向「誰有能力使用這些工具、誰該為結果負責」。Anthropic強調可追溯與可稽核，正是因為生物醫學研究不能只看輸出是否流暢；資料來源、分析參數、模型推論與人工判斷，都會影響最後能否形成可信證據。

對冷門或被忽視疾病而言，AI工作台或許能降低早期探索成本，讓小型研究團隊更快整理文獻、檢索資料庫、比較蛋白結構或設計篩選策略。但目前看來，Anthropic的計畫仍停在非常早期的輪廓。真正的分界線不在於AI是否能提出更多候選答案，而在於這些答案能否經得起生物學驗證，並在漫長、昂貴且高度受監管的藥物開發流程中留下清楚責任。