Anthropic连收两家AI制药公司：大模型巨头抢滩生物医药

出品方信息已按转载规范处理，不再保留。

一位创始人、一款大模型、两项药物研究、11 家外部实验室，这家叫 Mithril Medicine 的一人生物科技公司，近日被 Anthropic 收入旗下。

Anthropic 成立五年间几乎没有对外并购，但最近半年里，它已经在同一赛道两次出手。更早一次，它花 4亿美元买下 Coefficient Bio。

两家被买下的公司干的是同一件事：用 AI 大模型给生物医药研发提速。接连两笔收购，把这家有望成为史上最大 IPO 的大模型公司在 AI 制药上的企图心摆到了台面上。

眼下，AI 制药已是国内外 AI 大厂重点押注的方向之一。OpenAI、谷歌、英伟达，加上国内的百度、腾讯、字节，都在用投资、自研等办法加快新一轮布局。

可概念再热，要走到价值兑现这一步，AI 制药的门槛仍不少。硅谷放话 AI 十年内治愈癌症等多数疾病，这话想落地恐怕没那么容易。

收购、分拆、投资，新老玩家都在加速

人类的历史，某种程度上就是一部与疾病较劲的历史。这场漫长的战役里，药物研发一路充满冒险和挑战，技术则是其中关键的变量。

AI 登场，尤其是这波大模型快速演进，正在搅动生命科学和药物研发的范式变革。国内外不少大厂因此加快入场，掀起新一轮 AI 制药热。

Anthropic 最近的两笔收购，正是它加速 AI 制药布局的写照。其实早在去年 10 月，它就设立了医疗健康与生命科学部门，推动 Claude 模型落到药物研发、临床研究等场景。

今年9月，Anthropic 又在旧金山湾区建起实体湿实验室，并与百时美施贵宝等多家机构展开深度科研合作。这回买下的两家企业也会并入该部门，用来补强自研能力。

OpenAI 也没闲着。今年4月，它推出一款专为生物学、药物发现和转化医学研究打造的前沿推理模型 GPT-Rosalind，近期又收购药物研发企业 Orchestra Bio，并将其并入刚上线的生命科学产品平台 Rosalind。

除了自建团队，这两家大模型企业也在推进与药企的合作，只是目前更多停留在模型应用层面。Anthropic 招股书提到，全球前十大制药企业里已有九家是它的模型客户。OpenAI 的 Rosalind 平台也打算向诺和诺德、莫德纳、安进、赛默飞等药企开放。

若论硅谷最早押注 AI 生命科学或药物研发的大厂，谷歌绕不过去。

谷歌 DeepMind 在2020年推出的 AlphaFold 2 模型，破解了困扰近50年的蛋白质折叠难题。此后围绕 AlphaFold 的底层能力，谷歌逐步搭起覆盖药物研发、基因预测等方向的科研平台体系。

谷歌还分拆出 AI 药物研发公司 Isomorphic Labs。该公司在已完成27亿美元的基础上，最新又传出计划再募资约50亿美元，估值或达500亿美元。

Isomorphic Labs 一边自研肿瘤、免疫等领域药物，一边与礼来、诺华、强生等达成研发合作。其中与礼来、诺华早期合作的潜在里程碑金额分别达 17亿美元和12亿美元。

手握算力基础设施的英伟达，同样在 AI 制药上大举下注。但它和前头三家不一样，自身不做自研，更偏向基础设施与生态绑定，靠搭建生物计算平台、与药企共建、产业投资等方式布局，最终目的还是让更多机构基于英伟达硬件做科研探索。

今年6月，英伟达在原有平台 BioNeMo 之上又发布 BioNeMo Agent Toolkit，把蛋白质折叠设计、分子生成、基因组分析等能力打包成标准化技能，给行业提供更多科研工具。

英伟达还和礼来计划五年内投入10亿美元，共建联合研究实验室，加快 AI 在药物研发领域的应用。这意味着英伟达从单纯卖算力、卖工具，走向与药企深度绑定。

此外，家底厚实的英伟达对外投资也很密集。不完全统计，自这波 AI 大模型浪潮以来，它至少投了14家 AI 制药产业链公司，覆盖肿瘤、蛋白质、小分子、生物数据等领域。

国内也有越来越多大厂开始加码 AI 药物自研。

最近受关注的是字节。它把内部摸索了五年的 AI 制药业务分拆为独立公司 Anew Labs，并迅速完成2.9亿美元首轮融资，投后估值约15亿美元，想借外部资金推进研发进程。

百度走的是另一条路，主要以模云一体对外提供基础设施能力，自身不碰自研药物。但百度投资、李彦宏牵头创立的百图生科，推出了生命科学大模型和行业解决方案，并与赛诺菲达成10亿美元合作。今年3月，该公司已秘密向港交所申请上市。

腾讯的路数与英伟达相仿，算力、模型等支持之外，投资是它最主要的落子方式，近两年出手尤其密集。已经上市的晶泰科技，以及英矽智能、礼邦医药、信诺维、英派药业等多家AI制药和生物科技公司，背后都有腾讯的资金。

不过腾讯对亲自做药似乎也有想法。今年2月，它公开了一项专利，涉及完全由AI设计的新型短序列多肽GLP-1减肥药。阿里和京东的重心则更多放在AI医疗上，在AI制药这块目前布局不多。

从概念走向落地，中间还横着好几道坎。

大厂做AI制药，各有各的基因，打法也不一样。说到底，看中的还是这个领域的商业前景。

中信建投证券的研报给出预测：全球AI制药市场规模会从去年的不足25亿美元扩大到460亿美元，年复合增速可能超过33%；中国市场的增长节奏与全球一致，被看作最具确定性的增量市场之一。

传统的新药研发模式背着高投入、长周期、低成功率的“双十”包袱：十年甚至更长的周期，十亿美元量级的投入，成功率却往往只有10%。AI被寄望于改变这一局面。

五年前，AlphaFold 2解决了困扰业内五十年的蛋白质结构预测问题。DeepMind CEO德米斯・哈萨比斯（Demis Hassabis）及其时任首席科学家约翰·江珀（John Jumper）因此获得2024年的诺贝尔化学奖。

从那时起，业内对AI在生命科学和药物研发上的潜力看得更清楚了。

如今大模型的推理规划能力不断演进，AI的触角已从结构预测伸向药物研发的多个环节：靶点发现、虚拟筛选、分子设计优化、自动化合成、临床试验。

哈萨比斯的预期更为乐观，认为AI有望把新药研发周期从数年压缩到数月，甚至断言AI未来将攻克包括癌症在内的各类疾病。

公开数据显示，全球目前有170多个AI参与的原创新药项目进入临床开发阶段。但到现在为止，全球还没有一款完全由AI自主设计的药物获批上市。

大厂的自研进展也算不上突出。谷歌的Isomorphic Labs要到今年底才会启动首批临床试验；Anthropic的自研项目，最早也得等到2028年底才进入临床试验阶段。

字节Anew Labs在研的IL-17小分子免疫疾病药物，仍处在临床前的先导优化阶段，距Ⅰ期临床试验还有一段路。AI制药这条道，跑通并不容易。

百度智能云医疗与教育行业总经理吴超对搜狐科技表示，AI4S领域眼下存在数据孤岛、科研流程割裂和算力碎片化等问题。

全球范围的科研临床数据量很大，但分散、格式不统一，又缺少共享机制，很多高价值数据没法复用。吴超认为，解决办法是开发相关工具，同时建设可共享、符合规则的开放数据集。

研发过程中如何让数据回流形成闭环，也是一道难题。英伟达和礼来的联合实验室，就把大规模生产实验数据列为目标之一。数据驱动的AI范式进入药物研发环节后，谁能掌握并生产高质量的科研数据、临床数据，谁就握有更高的竞争壁垒。

还有一大挑战：药物研发中，AI和真实的研发流程常常是割裂的。谷歌、英伟达等纷纷搭建科研体系、推出相关工具，原因也在这里。随着大模型和智能体推理成本快速下降，它们在药物研发中的应用也更容易算得过账来。

吴超则强调，这还需要研究团队和工程团队做好协同。DeepMind的AlphaFold团队里，两类人员的配比就是1:1，科学家的洞察能力和工程体系能力由此更好地结合。

业内普遍认为AI能提高新药发现的效率和成功率，但眼下AI的介入程度并不均匀。分子设计优化和Ⅰ期临床是相对成熟的环节。

波士顿咨询公司此前统计，AI发现分子在Ⅰ期临床试验的成功率约80%-90%，明显高于传统模式40%到65%的水平。至于早期的靶点发现和临床后期，效果还有待验证。

Anthropic两周前发布的一篇博客称，在和机构合作及自研药物的工作中，对Claude如何助力药物研发有了更多认识。但它也存在局限性，Claude还需进一步优化。

为此，Anthropic宣布推出专门面向科研人员的AI开发平台Claude Science，并推出生命科学验证计划，允许经认证的机构在更为宽松的安全防护机制下使用其最强大的模型。

另外，AI深入制药领域，相关人才的需求也在快速增长。有招聘平台统计，今年上半年AI制药相关职位数同比增长84%。

困境在于，这行懂算法的往往不懂药，懂药的又不熟悉算法，复合型人才格外稀缺。人才匮乏，正在成为行业发展的瓶颈。

大厂一边加快脚步，人才流动也跟着暗流涌动。

约翰·江珀是Anthropic今年6月从谷歌挖来的，这家公司还把诺华CEO万思瀚（Vas Narasimhan）请进了董事会。字节旗下的AI制药公司则找来信达生物前总裁刘勇军、安进前首席科学家马骥等药界高管，请他们出任科学顾问。

不过，从概念验证走到价值落地，AI制药对大厂而言仍是一条要长久跑下去的赛道。