Claude Science把AI帶進實驗室工作流，生命科學迎來「可追溯」競賽

生命科學研究最耗時的部分，往往不是靈感，而是把分散的文獻、資料庫、序列、結構與實驗紀錄串成可檢查的推論。Anthropic推出Claude Science，正是瞄準這個縫隙：讓大型語言模型從一般問答工具，走向更接近研究工作台的角色。

根據《印度時報》報導，Claude Science面向科學家與製藥研究人員，整合科學資料庫、3D蛋白質與化學結構呈現，以及基因體瀏覽器支援。這意味著使用者不只是要求AI摘要論文，而可能在同一環境中檢視分子、比對基因區域，並整理研究假設。

在生物醫學場景裡，這類工具最直接的用途可能出現在早期藥物探索：研究人員需要從疾病機制、靶點證據、候選分子與安全性線索之間反覆往返。若工作台能把每一步資料來源、模型推論與視覺化結果保留下來，它可能降低跨資料型態工作的摩擦，尤其對資源較少、文獻與資料分散的疾病領域更有吸引力。

Anthropic也表示，Claude Science將用於內部臨床前藥物發現計畫，方向包括被忽視疾病。不過，目前公開資訊仍偏向產品功能與研發意圖，尚未提供候選藥物、實驗驗證結果、疾病模型表現，或與既有藥物發現流程相比的量化成效。因此，這項發布應被視為研究基礎設施的擴張，而不是藥物研發成功的證據。

限制也同樣清楚。生物醫學AI若要進入可採信的研發流程，不能只產生看似合理的假說；它必須能處理資料偏差、引用錯置、結構預測不確定性，以及跨物種模型轉譯到人體時常見的落差。對製藥公司而言，真正有價值的不是更流暢的回答，而是能否讓科學家知道模型依據了什麼、忽略了什麼，以及哪些推論需要實驗排除。

背景脈絡

AI藥物發現近年從概念展示走向流程嵌入，從分子生成、蛋白質結構分析到臨床前篩選，都已有企業嘗試導入。但這一波工具化的重點正在改變：市場不只看模型是否「會想」，更看它能否被嚴格記錄、重複檢查，並在監管與內部決策中承受質疑。

Claude Science的意義因此不在於宣告AI即將取代實驗室，而在於把語言模型推向更靠近科學工作現場的位置。若它能讓複雜資料的查核與協作更順手，可能成為研究團隊的輔助平台；若缺乏透明驗證與實驗閉環，它也可能只是另一個包裝精緻、但離藥物仍很遠的AI入口。