Anthropic收购一人药企:2028年才进人体试验?
10 月下旬,Anthropic 披露了一笔不寻常的收购:Mithril Medicine,一家只有一名全职员工的药企。创始人用 Claude 处理合同、物流和 11 家外部实验室的实验协调,不到 18 个月,就把一种罕见肌营养不良的候选疗法从想法推进到小鼠身上的积极结果,他将这种模式称为 “Pipeline-in-a
10 月下旬,
Anthropic 公开了一桩颇为特别的收购,标的叫 Pipeline-in-a-Person。
不过,这个项目目前只走到小鼠阶段。Anthropic 方面表示,就算数据一直站得住,最早也得等到 2028 年底才有可能推进到人体试验。这样的例子并不少见:这几年 AI 把靶点发现和分子生成越推越快,大批候选药物被送到临床试验的门槛前,然后卡在同一道关口排队。从“小鼠身上有效”走到“人体给出答案”,恰恰是新药研发里花钱最多、耗时最长、也最难靠某个更聪明的模型单独提速的一环。
此前一直没露面的
王子龙。图片来源:
这家公司由创始团队和启明创投联合孵化,提出的组织形态叫 Clinical-of-One:让一名全栈临床负责人带着专业 Agent 牵头人体临床项目,再借递归组织改进,把每个项目攒下的经验变成下一个项目的能力,最终走向由 Agent 主导临床开发的 Virtual Pharma。
一、分子在排队,闸门没有变宽
这几年 AI 制药讲的故事,大多围绕分子生成的速度,成果也确实拿得出手:生成式 AI 发现的
可下游的闸门并没有跟着变宽。Citeline 的统计显示,2025 年 1 月全球处于临床前阶段的在研药物存量达到 12,704 个;丁香园与 BCG 的分析则显示,2025 全年全球新进入临床开发的新分子实体只有 1,868 个。启明创投合伙人陈侃博士表示,过去几年中国临床前新药分子(
AI 分子进入人体之后的表现,更能说明问题。BCG 研究者发表在 Drug Discovery Today 的分析显示,AI 分子在早期安全性试验中的成功率达到 80%–90%,可一旦进入
二、临床慢,不少是慢在组织
“医学决定我们为什么出发,而 AI 决定应该怎样去做。”对临床研发门道很熟的王子龙清楚,临床开发里除了观察期这类客观约束,还有一笔延迟是组织自己造出来的——“。
医学、注册、生物统计、临床运营、数据管理,每个环节手里都攥着项目事实的一部分。一项变更每跨过一道职能边界,就得重新解释一遍、重新排一次队。最要命的损耗出在“理由”的传递上:下游拿到了结论,却不清楚它建立在哪些假设之上。例如设计一款炎症药物的
执行阶段的决策延迟同样要命。CataX 联合创始人兼首席开发官蒋哲敏有 15 年以上临床开发与运营管理经验,参与并支持过 50 余项临床研究。他拿肿瘤 Ⅰ 期试验的剂量递增决策举例:一个剂量组完成方案规定的观察后,研究团队要依照方案和相应审查机制,结合安全性、药代动力学及其他已有证据,判断是否进入下一剂量水平。“真正影响效率的,有时不是数据还没出来,而是不同职能无法及时基于同一份信息完成判断。等到决策形成、传递到研究中心,可能已经产生了不必要的等待。”
经济史学家 Paul David 研究过工厂电气化:电动机刚替代蒸汽机那阵,车间还是围着中央传动轴布置,生产率没什么起色;直到传动轴被拆掉、产线重新排过,新动力才真正释放出来。陈侃也持类似看法,在传统药企里指望 AI 穿透层层部门壁垒,跟推翻旧体系没什么两样,不如从零建一家原生公司。“如果从第一天起,就让智能体深度在场,一家生物医药公司应该什么样?”带着这个问题,王子龙离开微软亚研,开始创业。
三、Clinical-of-One:一人挂帅,不是一人包办
CataX 给出的解法叫 Clinical-of-One。“One”强调的是统一的研发领导权:一名临床功底扎实、能跨职能判断的全栈临床负责人,像乐团指挥那样,从机制到证据始终掌握项目全貌。
按 CataX 的设计,医学、注册、临床运营、统计等专业 Agent 负责起草文件、整合意见和做一致性校验,所有工作共享同一份上下文,包括证据来源、版本历史与审计轨迹。平台还会通过 API 和 MCP 逐步打通试验主档案(
Clinical-of-One:一名全栈临床负责人带领专业 Agent,连接外部专家。
“一个人”说的是谁来负总责,活儿还是专业人士干:统计审核、医学监查、盲态管理、伦理审查与质量保证必须保持独立,这也符合
Mithril 的经历正好说明独立复核不能省——其技术报告披露,
Claude 起草邮件时出现过事实错误。小鼠实验里一封错邮件还能补救,人体试验里一处偏差却关系到受试者安全。王子龙认为,“一人挂帅”反倒要求更硬的基础设施:证据可溯源,权限与盲态边界清晰,异议能被听见,错误能被发现,另一个合格的人随时能接手。蒋哲敏则在意项目交接中的经验传递:“一项肿瘤临床试验可能持续数年,期间团队成员也会发生变化。即便关键决策都有记录,背后的判断依据和讨论过程也未必能够完整传递。我们希望不仅留下做了什么,还留下为什么这样做,让后来接手的人和 Agent 能够理解并复用这些经验。”
四、不卖工具,押资产
组织形态决定了商业模式。CataX 不向药企卖软件,而是自己下场做资产开发:通过引进或联合开发持有资产权益,借助中国丰富的患者资源和高效的临床入组,再加上 Clinical-of-One 的协同速度,高效推到早期临床 PoC,再靠全球授权或合作实现价值跃升——自己做出的临床证据,就是最值钱的产品。
自持资产,核心在于开发自主权和实战磨炼。蒋哲敏在 CRO 和创新药企业都工作过,对此深有体会:“临床开发不是把一份方案按时执行完就够了,更重要的是始终知道为什么开展这项研究,希望获得什么证据,以及这些证据能否支持下一步开发决策。”在他看来,持有资产既意味着扛下研发风险,也意味着拿到重新设计开发流程的主动权。CataX 想从真实的药物资产出发,围绕资产价值和关键临床证据持续做跨职能判断,让人和 Agent 一起完成工作,并在项目里检验和改进整套工作体系。
拿到资产之后,头一道坎就是挑对标的。对上游不断冒出来的 AI 分子设计公司和转化项目来说,CataX 干的是接棒的活,不是来抢饭碗的。它盯的是那些基本备齐、只差人体证据的临床前及早期管线——分子本身、现有数据、推进条件大致到位,可最要命的那一问只能在人身上找答案。这类资产恰好是 Clinical-of-One 的用武之地,一项设计得当的早期研究,价值就可能往上跳一大截。筛选照样是人和 Agent 分着干:研究 Agent 不停扫整个领域,给每个候选资产建一份来源可查的档案;Agent 集群拿同一份档案,从科学、临床、专利、商业几个角度互相挑刺;中立审阅者核对来源、把分歧留着,最后拍板和谈判的还是人。眼下 CataX 已搭起覆盖核心职能的 Agent 协同工作台,系统性扫完数十个早期管线,首个临床资产的引进也进入实质推进阶段。
五、
要是 Clinical-of-One 只能靠少数全栈天才撑着,那它就没法规模化。CataX 押的第二个核心机制是 “
临床研发天生有个“奖励极度稀疏”的毛病:疗效终点常常得等好几年,组织不可能等到揭盲读出才动手学习。所以 CataX 一开始就围着“高频过程反馈”搭 Agent 原生基础设施和协同工作台:把日常核查、返工、执行偏差变成密集的演进信号,由临床负责人牵头“逻辑提炼”(Skill 和工具),同时把决策依据、失败归因、版本演进沉淀成结构化的组织记忆,并在实战任务里持续跑评测闭环。
可从复杂系统演化的角度看,经验堆得多并不自动等于组织在进化。CataX 团队在做针对人机协作组织的建模研究时发现两件事:一是非稳态环境下的“组织记忆”有很强的时效边界,外部临床标准或竞争格局一旦迁移,缺少前提约束的历史经验反倒会变成路径依赖,产生“负迁移”效应;二是串联审阅里的“迎合”——多节点决策链路上,下游审核智能体要是倾向于顺着上游结论走,系统表面上的“一致通过率”会明显往上蹿,代价却是集体纠错机制失灵、真实决策错误率飙升。这说明,一个能持续自我改进的组织,不光要攒经验,还得建立“经验何时失效”的元认知,并在验证环节保住认知的独立性和必要的分歧张力。
人和 Agent 一起改进方法,把项目经验沉淀成可复用的组织能力。
王子龙常拿刘慈欣《乡村教师》里的设定来想这场变革最终意味着什么。把生命与文明的演进拉长了看,第一条增长曲线是生物进化,靠基因筛选适应环境,尺度以万年计;第二条曲线是人类的知识传承,可正如《乡村教师》所叹,人类的记忆没法直接遗传,每个新手都得熬过十余年的漫长学习,才能重新够到前人的认知高度;而以 Agent 为载体的“,正在开启第三条文明增长曲线——个体的实战教训与专业直觉,头一回能被直接编译进组织的系统架构与工具链里,跨项目“遗传”,并随着底层基座模型每一次升级,指数级放大下一个项目的战斗力。
六、北极星:通向 Agent 化的
顺着这个飞轮,CataX 为通向 Agent 化的
这条路要走通,得 AI 和临床两种深度同时在场,CataX 的创始团队正是这么个组合。王子龙是复旦大学医学博士、前微软亚洲研究院资深研究员,当过医疗 AI 公司 CTO,带着两款 AI 软件医疗器械产品从算法设计、研发一路走到注册落地取得
公司名 CataX 本身就有讲究——“Cata”取自催化剂(Catalyst),“X”代表探索未知疾病与十倍(10x)效能。一个人带着 AI 把药做到小鼠,说明 Agent 能大幅压缩临床前的组织成本;下一步,CataX 要在 AI 渗透尚浅、价值量最大的临床开发环节接过关键一棒,让有效的药物更快抵达患者——More Hope. Sooner.