Anthropic收购1人公司Mithril:AI制药新路径?
(本文作者为 医线Insight,钛媒体经授权发布)文 | 医线Insight,作者丨张小漫一家只有一名全职员工的生物技术公司,近期被AI巨头Anthropic宣布收购。这家公司名叫Mithril Medicine,专注于两种罕见肌营养不良症的治疗研究。创始人Cody Tranbarger借助Claude,在不到18个
(本文作者为 医线Insight,钛媒体经授权发布)
Anthropic近期宣布买下一家生物技术公司,这家公司只有一名全职员工。
被收购方是Mithril Medicine,主攻两种罕见肌营养不良症的治疗研究。创始人Cody Tranbarger用
Claude做协调,不到18个月拉起11家外部实验室一起干活,把一项潜在疗法从想法推到实验环节,小鼠实验还拿到了积极结果。
后续研究如果顺利,这款候选药物最快2028年底能进入人体临床试验。
差不多同一时间,OpenAI也宣布收购Orchestra Bio,打算把它那套药物研发流程协调技术装进自家生命科学产品Rosalind里。
一周之内,Anthropic和OpenAI接连出手,业务触角伸到了药物研发。
两家公司并不孤单。2026年,谷歌母公司Alphabet撑腰的Isomorphic Labs拿下21亿美元融资,给自有药物研发管线加码;英伟达和礼来则打算五年内共同投入最多10亿美元,建一个AI药物研发联合创新实验室。
亚马逊与诺和诺德签了战略合作;微软拿Microsoft Discovery平台切入科研流程。
硅谷科技巨头集体闯进制药业,到底想从这里拿到什么?
亲自造药:谷歌与Anthropic盯上药物资产
这波布局里,Alphabet旗下的Isomorphic Labs走得比别人远。
它一边用自研的AI药物设计引擎跟大型药企联合研发,一边推进自己持有权益的内部药物项目,药企合作与自主开发两条路同时走。
这家公司2021年成立,从Google DeepMind剥离出来,想做的事是把蛋白质结构预测等方向的技术积累用到药物设计上。
起步阶段,Isomorphic Labs挑的是与大型药企合作,既分摊研发风险,也给技术找一条商业化出路。
2024年初,Isomorphic Labs先后与礼来、
但如今,只当药企的技术合作伙伴已经满足不了Isomorphic Labs。
2026年5月12日,公司宣布完成21亿美元B轮融资,Thrive Capital领投,Alphabet、GV、淡马锡等跟投。这笔新钱将用于扩大AI药物设计引擎IsoDDE的应用,并推动自有药物研发项目往临床阶段走。
到这时,Isomorphic Labs已经和诺华、礼来、强生建立合作,同时也在开发自己持有知识产权的候选药物。
跟药企合作研发,和自己持有药物资产,两种模式在商业上差别明显。
前者的收入来自首付款、研发里程碑付款和潜在的销售版税;后者能握住药物知识产权,一旦成功上市收益可能更大,但研发失败的风险也得自己扛。
问题是,Isomorphic Labs的研发进度没跟上融资的脚步。
2026年1月,公司首席执行官Demis Hassabis曾预计首批人体临床试验年底前启动,这已经比此前提出的2025年底目标晚了一些。
到了11月2日,公司总裁Max Jaderberg仍表示,相关药物研发还停在临床前阶段。
也就是说,顶尖AI模型、巨额资金、大型药企的支持都到位了,Isomorphic Labs还是没迈过从候选药物设计到人体临床试验这道关键门槛。
Anthropic走的是另一条路。它先让Claude扎进真实的药物研究,再靠收购去试一种新的研发组织方式。
2026年10月,Anthropic公开了与六家机构的深度合作,名单包括BigHat Biosciences、百时美施贵宝、Divergence Labs、Enveda、Generate Biomedicines和The Column Group。
到这一步,Claude干的已经不只是回答科研提问,它开始直接插手药物设计。
比如Generate Biomedicines的研究人员用Claude Code改写了CAR-T细胞疗法里的部分遗传指令。有一项设计把相关片段压短了约70%,实验室测试显示,免疫细胞造出的受体数量涨到原来的约10倍。
Divergence Labs同样用上Claude,大约一个月里产出了3.5万个抗体设计方案,再靠早期测试挑出看起来有戏的结构。
从这些案例看,大模型已经能参与候选药物的设计和初步筛选,把部分研发环节的时间压下来。
问题是,这些成果大多还停在临床前研究。设计得快,不等于最后做出来的药一定安全、一定有效。
收购Mithril Medicine,让Anthropic在AI制药这条路上又往前挪了一步。
“一人药企”这个说法,并不是说一个人加一个AI模型就能独立把新药做出来。
《自然》杂志11月11日的报道就指出,Mithril Medicine背后还有大批科学家和合同研究机构在干活,具体实验由他们承担。
真正变的是研发的组织方式:分析、设计和项目协调有一部分交给AI,实验则送到外部实验室去做。
团队再小,也有可能把早期药物研发往前推。
对Anthropic而言,收购Mithril Medicine不只是拿到潜在的药物资产。它还能在真实的科研场景里检验Claude的科学推理、工具调用和处理复杂任务的能力。
AI给出的方案管不管用,实验结果会说话;这些反馈反过来又能用来改进模型和产品。
不过,不管是Isomorphic Labs自己研发的候选药物,还是Anthropic买下的早期项目,离成为真正能用的药都还远。最后成不成,还得看临床试验的结果。
对这些科技公司来说,亲自下场做药,意味着可能拿到更大的商业回报,但研发风险也更高。
先占地基:英伟达、亚马逊和微软争夺技术入口
英伟达、亚马逊和微软选的是风险相对可控的路:药物开发仍由药企主导,自己提供算力、数据基础设施和科研平台。
它们争的不是某一款新药,而是研发活动绕不开的技术入口。
英伟达手里最硬的牌是计算能力。
2026年1月12日,英伟达与礼来宣布,未来五年共同投入最多10亿美元,在旧金山湾区建AI联合创新实验室。投入覆盖人才、计算资源和基础设施;实验室计划用英伟达BioNeMo平台和Vera Rubin计算架构,并探索机器人、物理AI在药物研发与生产中的用法。
这已经不只是买卖硬件的关系。双方打算让研究人员一起做研发,把算力、生物学知识和实际实验需求接起来。
英伟达既能更清楚地摸到药企的需求,也能把GPU、专业模型工具和软件平台推进研发的关键环节。
蛋白质结构分析、分子设计、细胞研究、实验自动化,都可能带来持续增长的计算需求。只要这些需求变大,英伟达就有机会服务多家药企,不必把收益押在某一个候选药物能不能上市上。
药企的数据和云计算底座,是亚马逊要抢的地盘。
时间拨到2026年8月10日,
诺和诺德把亚马逊同时定为优先云服务提供商与战略AI合作伙伴。
研发和企业云服务,被这份合作捆在了一块儿。大型药企做研发,光分析海量数据不够,系统怎么连、权限怎么管、安全合规怎么过、跨团队怎么协作,样样都得管。AI往研发里扎得越深,这套基础设施的分量可能越重。
亚马逊想做的,是从卖单项技术的供应商,变成长期嵌进药企运营体系里的合作方。
微软盯上的则是另一件事:用AI智能体把科研任务串起来。
2026年6月,Microsoft Discovery正式对企业开放。科研人员可以用它调度专业AI智能体,把科学软件、实验数据和各项任务接到一起。
微软还拉上了Ginkgo Bioworks,一起摸索从数据分析、提出实验假设到自动执行实验这条链路怎么打通。葛兰素史克(GSK)等生命科学企业也进了它的合作圈。
微软的算盘是,让AI别只停留在单点答问,而是能卷进连续的科研流程里。
不过Microsoft Discovery的用武之地不止制药,材料科学、能源等领域它同样服务,制药只是其中一个场景。
英伟达押算力,亚马逊押云和数据,微软押科研平台。三家走的路不一样,终点却相同:趁AI药物研发还没铺开,先把底层技术的位置占住,再靠长期服务收钱。
真正的考验在于,这些产品能不能给药企带来值得持续掏钱的效率价值。
抢占流程:OpenAI想做药物研发的“操作系统”
英伟达、亚马逊争的是技术底座,OpenAI的胃口更大——它想钻进药物研发的日常工作流。
找到一个有潜力的分子,不过是新药开发的起跑线。往后的实验安排、数据汇总、供应商协调、项目进度、生产批次、监管文件,哪一样都得靠众多团队长线配合。流程越复杂,协调起来就越费劲。
OpenAI的布局分两步走。
头一步,拿出专业模型。
2026年4月16日,面向生物学、药物发现和转化医学的GPT-Rosalind亮相,化学、蛋白质工程、基因组学以及生命科学工具调用能力是它的发力重点。
6月登场的GPT-Rosalind-5.5把这些表现又往上推了一截;到了9月,Rosalind从研究预览阶段放开,符合条件的全球机构用户都能用上。
第二步,是让AI从给科研打下手,转向真正参与研发项目的执行。
10月20日,OpenAI宣布收购Orchestra Bio。这家公司的本事,是用AI智能体协调药物研发里的复杂任务,把散落在不同系统、实验室和部门之间的活儿接起来。
OpenAI打算把Orchestra Bio的技术并进Rosalind,让AI不光能分析科研数据、给出研究建议,还能再往前一步,参与制定研发计划、安排后续任务。
这么一来,两者的分工也更清楚了。GPT-Rosalind管的是生命科学领域的专业分析和研究能力,Orchestra Bio负责把这些能力落到具体的研发流程里。
一个帮科研人员做研究,一个想让AI参与整个研发过程的组织和推进。
OpenAI由此多了一条模型调用收费之外的进账渠道。只做单一科研工具,往往只能解决某一个具体问题;平台一旦扎进药企的数据管理、团队协作和研发决策流程,就有望变成日常运转离不开的一环。客户用得越深,换平台的代价就越高。
照这个思路看,OpenAI要拿的或许不止是AI制药工具供应商的名分,还想挤进药物研发流程的核心平台位置,甚至当整个研发体系的"操作系统"。
当然,这还只是个目标。Rosalind能不能顺利接进药企那套复杂的内部系统,是不是真能提升研发效率,客户又愿不愿意长期掏钱,眼下都得等时间给答案。
同一时间,微软也在推科研智能体。两家都往科研工作流里扎,OpenAI和微软之间的较量恐怕会越来越紧。
面向未来:硅谷科技巨头的战略野心
把这几家的动作摆到一块儿,硅谷巨头的商业算盘就清楚多了。制药业之所以招人,恰恰因为它既复杂又烧钱,周期还长。
按OpenAI在2026年10月收购公告中引用的数据,美国一款新药从靶点发现走到最终获批,平均要花约10至15年。
从搞清疾病机制、筛靶点、设计分子,到临床试验和监管审批,每一步都离不开大量数据、实验与协作,每一步也都可能失败。
AI能插手其中一部分环节,可各家公司选的赚钱路子并不相同。
第一类是卖技术和服务。英伟达卖算力和模型工具,亚马逊提供云及数据基础设施,微软与OpenAI则争科研平台和工作流。这类生意不用等新药获批就能进账,关键看药企会不会持续采购、技术能不能真的降本增效。
第二类是同药企一起研发。Isomorphic Labs早前的合作就属于这种:靠首付款、研发里程碑和潜在版税拿收益。收入跟具体项目进展绑在一起,研发一卡壳,后面的款项也可能落空。
第三类是直接持有药物资产。Isomorphic Labs的自有管线,加上Anthropic收购Mithril Medicine所代表的探索,都有望靠药物知识产权分享未来的收益。可走上这条路,科技公司也得扛住从临床失败到监管审批的更多不确定。三种模式的风险收益结构各不相同:越往药物资产靠,潜在收益空间通常越大,成败也越看具体药物;越往基础设施靠,收入来源相对分散,但得持续证明自己的商业价值。
还有一层特殊价值——药物研发可能成为检验AI能力的真实试验场。跟文本生成不一样,AI提出的分子设计和研究假设能通过实验来验证。对OpenAI、Anthropic这类模型公司来说,实验室回来的反馈不光可能长出新业务,还可能帮着改进模型和科研产品。
所以,科技巨头进制药业,不光是想分一块新市场,更是在抢未来药物研发体系里的位置:有人把着计算入口,有人控制工作流程,有人则想握住最终的药物资产。
话说回来,AI能帮忙设计分子,不等于它已经证明自己能造出更好的药。这场竞争最后值多少钱,还得看实际的研发结果。
《Nature Reviews Drug Discovery》此前载文提到,AI确实让科学家从海量化合物里筛候选结构快了不少,可要预判药物进了人体会怎样、要指导有临床价值的药物优化,它眼下还有明显短板。
就算某些候选药被冠上“AI设计”之名,研发途中照样得靠传统实验和科研人员一遍遍调,成果很难全记在AI头上。
另有2026年发表的一项研究给出数字:截至3月1日,全球69家公司合计129个AI辅助研发的治疗项目,至少闯进过一项人体干预性临床试验。
可见AI已实实在在进入临床研发环节,只是各项目对它的倚重程度差别不小,而且大多还停在早期。
至于AI能不能抬高药物研发后期的成功率、能不能提高最终拿到监管批准的概率,现有证据还不够。
换句话说,不同类型的科技公司,各自得用不同路子来印证AI制药的商业价值。
对Isomorphic Labs和Anthropic而言,融资到位、与药企牵手、临床前实验传出积极结果,这些都只是开头。
Isomorphic Labs得把自研候选药物推入人体试验,并拿出安全性和有效性的证明;Anthropic买下的早期项目,同样有一大堆研究工作等着做。
能不能真正做出商业价值,说到底还是看药物能否顺利推进研发、闯过临床检验。
相形之下,英伟达、亚马逊、微软这类技术供应商,商业回报或许来得更早。
它们卖的主要是算力、云服务和科研软件,收入不必押在某款药能否上市这一注上。一个研发项目黄了,别的项目照样要用这些技术和服务。
不过这门生意也不是稳赚不赔。药企拿到的效率提升够不够抵成本、愿不愿意长期采购,加上供应商之间互相竞争,都会左右最终回报。
况且几条路线并非各走各的。算力平台正往研发环节伸,科研智能体开始协调实验流程,模型公司也试着持有药物资产。
科技巨头之间的业务边界可能越叠越多,它们与传统药企的关系也会变得更绕。
传统药企在疾病研究、临床试验组织、监管审批、药品生产和全球商业化上攒了多年家底,这些本事不会因为AI进步就轻易被换掉。
反过来,研发越来越依赖外部AI平台时,药企也得掂量效率与控制权:核心数据攥在谁手里,研发流程谁说了算,知识产权和商业收益又怎么分?
往后双方既要合作,也可能在这些问题上掰手腕。
由此看来,巨头对巨头、制药业对AI产业,真正的融合与较量才刚拉开序幕。