2026 年 6 月 19 日，John Jumper 在 X 上宣布，自己將離開工作近九年的 Google DeepMind，在短暫休整后加入 Anthropic。隨后，DeepMind CEO Demis Hassabis 也公開回復，感謝 Jumper 對 AlphaFold 和 AI for Science 的貢獻。

Jumper 的大名無需太多介紹。他是 AlphaFold 的共同創(chuàng)造者，2024 年諾貝爾化學獎得主。AlphaFold 預測超過 2 億個蛋白質結構，被 190 個國家的 200 多萬研究者使用，這大概是 AI 在自然科學領域迄今最具辨識度的成果之一。也是 AlphaFold 讓 DeepMind 從“會下圍棋、會玩游戲的 AI 實驗室”，變成了一家真正有資格談論科學發(fā)現的公司。

就在前一天，另一位重量級人物 Noam Shazeer 也宣布離開 Google，加入 OpenAI。Shazeer 是 Transformer 架構奠基論文《Attention Is All You Need》的共同作者之一。Google 在 2024 年通過一筆約 27 億美元的 Character.AI 授權和人才回流交易，把他重新請回 Google；不到兩年，他又離開了。

一周之內，Google DeepMind 連續(xù)失去兩位極具象征意義的人物，放在任何公司，這都不可謂不是件大事。但人事變動本身不是這篇文章要寫的事，如果我們順著他們的去向往前看，從 Jumper 加入的 Anthropic，到他離開的 DeepMind，再到挖走 Shazeer 的 OpenAI，會發(fā)現三家前沿 AI 實驗室正在同時把籌碼壓向同一個方向：生命科學。

今天的 AI for Science，會像去年的 AI for Software Engineering 嗎？

首先是動作最為密集的 Anthropic。2025 年 10 月，Anthropic 推出 Claude for Life Sciences，把 Claude 嵌入生命科學工作流，覆蓋文獻綜述、實驗設計、數據分析、臨床與監(jiān)管文檔等任務。2026 年 1 月的 JPMorgan 醫(yī)療健康大會前后，Anthropic 又推出 Claude for Healthcare，把重點從藥企和研究機構擴展到醫(yī)療服務、支付方和臨床場景。

隨后，Anthropic 開始把這件事從“行業(yè)版本 Claude”推進到更深層的能力建設。

2026 年 4 月，Anthropic 以約 4 億美元股票收購 Coefficient Bio。這是一家成立僅數月、團隊不到 10 人的 AI 生物技術公司，核心成員來自 Genentech 的計算生物學團隊 Prescient Design。4 億美元買不到 10 個人，可以說是貴得離譜，但 Anthropic 缺的正是這批人手里的藥物研發(fā)經驗。

相關報道還提到，Anthropic 正在招聘生物學家、建設濕實驗能力，并試圖把 AI 與實驗驗證閉環(huán)連接起來。

收購之后，Anthropic 開始建自己的濕實驗室，目標是把整個生命科學研發(fā)周期壓縮十倍。差不多同一時期，有人在 Claude 的界面里發(fā)現了一個叫 Operon 的未公開模式，是專門的計算生物學工作區(qū)。諾華 CEO Vas Narasimhan 加入了 Anthropic 的董事會，據報道是第一個進入前沿 AI 實驗室管理層的制藥公司高管。

6 月 9 日，Claude Fable 5 發(fā)布。Anthropic 用生命科學能力當核心賣點：底層的 Mythos 5 模型在藥物設計任務中速度提升約 10 倍，獨立完成了基因治療研究任務，還在基因組學領域提出了新假說并得到實驗驗證。十天之后，Jumper 來了。

OpenAI 的路線不太一樣。它不是先自建濕實驗室，而是鋪設合作網絡和垂直模型。

2026 年 4 月 16 日，OpenAI 發(fā)布 GPT-Rosalind。這是一個面向生命科學研究的推理模型，目標是支持生物學、藥物發(fā)現和轉化醫(yī)學研究。它可以幫助研究者做證據綜合、假設生成、實驗設計，也可以通過 Codex 接入生命科學工具和數據庫。

6 月，OpenAI 又更新了 GPT-Rosalind，把 GPT-5.5 的 agentic coding 和工具調用能力加入其中，并發(fā)布 Life Sciences Research 和 Life Sciences NGS Analysis 兩個 Codex 插件，讓模型不只是回答問題，而是能在同一個工作區(qū)里檢索證據、分析組學數據、執(zhí)行生物信息學流程，并保留過程和產物。

同時，OpenAI Foundation 也把生命科學列為未來一年至少 10 億美元投入計劃中的主要方向之一，重點包括阿爾茨海默癥、公共健康數據集和高死亡率、低投入疾病。

OpenAI 曾負責 OpenAI for Science 的 Kevin Weil 在 2026 年初說過一句被廣泛引用的話：“2026 年的 AI for Science，會像 2025 年的 AI for Software Engineering。”這句話后來變得越來越像行業(yè)共識：編程助手已經成為前沿模型商業(yè)化最擁擠的戰(zhàn)場，而下一個要被 AI 重寫的高價值工作流，正在轉向科學研究，生命科學排在最前面。

DeepMind 和它孵化出的 Isomorphic Labs 走的是第三條路，也走得最早：拆出一家獨立的 AI 藥物發(fā)現公司，直接做臨床管線。

圖丨Isomorphic Labs 團隊（來源：Isomorphic Labs）

2026 年 2 月，Isomorphic Labs 展示了自己的 Drug Design Engine，也就是 IsoDDE。Nature 報道稱，外部科學家把它稱為接近“AlphaFold 4”級別的進展。它不再只是預測蛋白質結構，而是面向藥物發(fā)現中的蛋白-配體相互作用、抗體結構、結合位點等更貼近產業(yè)應用的問題。不同于 AlphaFold 的開放路線，IsoDDE 是閉源系統(tǒng)，能力留在 Isomorphic Labs 的商業(yè)體系內部。

Isomorphic Labs 已累計融資約 27 億美元：2025 年完成 6 億美元融資，2026 年 5 月又完成 21 億美元 Series B。它還與禮來、諾華等大型藥企達成合作，潛在交易總額接近 30 億美元。Hassabis 今年表示，公司預計在 2026 年底前啟動第一批臨床試驗，這一時間表已經較此前“2025 年底前進入臨床”的目標有所延后。

三家的路徑并不相同。Anthropic 做的是把生物能力深度嵌入通用基礎模型，并通過收購和實驗能力建設補足閉環(huán)；OpenAI 做的是垂直模型、工具插件和藥企合作網絡；DeepMind/Isomorphic 做的是獨立公司、閉源引擎和自有/合作管線。

但方向完全一致：前沿 AI 實驗室正在把生命科學視為軟件工程之后的下一個核心戰(zhàn)場。

為什么是現在？

最直接的推動力是：AI 設計的藥物開始在人體試驗中拿出結果了。

2025 年 6 月，英矽智能的 rentosertib 在特發(fā)性肺纖維化的 IIa 期臨床試驗中獲得積極結果，論文發(fā)表在《Nature Medicine》上。Rentosertib 是一個 TNIK 抑制劑，其靶點發(fā)現和分子設計都使用了生成式 AI。無論最終它能否走到上市，這至少把“AI 能否真正發(fā)現藥物”從一個理論問題推進到了臨床證據層面。

圖丨相關論文（來源：NatureMedicine）

AlphaFold 獲得 2024 年諾貝爾化學獎，也起到了類似的信號作用。它讓投資人、藥企和前沿 AI 實驗室看到，AI for Science 不只是 demo，也可以產生被科學共同體承認的基礎性成果。而 FDA 在 2025 年 4 月宣布逐步取消單克隆抗體動物實驗要求、鼓勵 AI 計算模型替代，則從監(jiān)管層面打開了兩年前不存在的通道。

數據側的變化同樣重要。單細胞圖譜、擾動數據集、空間轉錄組學、多組學數據在過去幾年快速積累，為模型提供了蛋白質結構之外的訓練材料。Bessemer 引用 Epoch AI 數據稱，2015 年全年新發(fā)布的生物學 AI 模型還不到 10 個，到 2025 年已經超過 380 個。生物學正在從“數據稀缺的濕實驗學科”，變成更適合模型訓練和自動化閉環(huán)的領域。

還有一個容易被低估的變量：Agentic AI 讓生物學模型從“會回答問題”變成了“能干活”。一個會解釋蛋白質折疊的模型很有價值，但它仍然只是個助手。一個能選擇工具、設計實驗、讀取數據、修正失敗、給出候選方案并把結果送去實驗室驗證的模型，才更接近產品。Claude Mythos 5 的藥物設計流程、GPT-Rosalind 的 Codex 插件、Isomorphic 的 IsoDDE，本質上都在朝這個方向走：不是只做科學問答，而是把模型嵌入科學工作的執(zhí)行鏈條。

最后是商業(yè)邏輯。編程助手已經是最擁擠的前沿模型商業(yè)化賽道，相比之下，制藥和醫(yī)療健康是更大、更慢、更貴，也更難被重寫的產業(yè)。麥肯錫估算，生成式 AI 每年可能為制藥和醫(yī)療產品行業(yè)釋放 600 億到 1,100 億美元價值；BCG 的模型也認為，AI 有機會把臨床前發(fā)現時間縮短 30% 到 50%，成本降低 25% 到 50%。

與此同時，大藥企正面臨新一輪專利懸崖。2026 到 2030 年間，多款重磅藥物將失去專利保護，行業(yè)有數千億美元收入暴露在風險中。藥企需要更快補充管線，AI 生物技術公司和前沿模型公司正好站在這個缺口上。

泡沫還是革命？

不過，如果只看多頭邏輯，這個故事推進得似乎有點太順了。

換個角度看，AI 藥物發(fā)現的臨床記錄其實仍然很少。Recursion 仍沒有獲批藥物，2025 年還收縮了部分管線。BenevolentAI 的候選藥物在特應性皮炎臨床試驗中失敗后，公司從阿姆斯特丹退市并被收購。Exscientia 早期的 AI 藥物項目也曾在臨床后終止。Insilico 的 rentosertib 結果是真實的，但目前它更像一個重要樣本，而不是已經被反復驗證的產業(yè)規(guī)律。

也就是說，AI 藥物發(fā)現已經越過了“完全沒有臨床證據”的階段，但還遠沒有到“確定能系統(tǒng)性提高成功率”的階段。

再看估值。Isomorphic Labs 已經累計融資約 27 億美元，但尚未披露具體臨床資產；Coefficient Bio 團隊不到 10 人，卻以約 4 億美元被 Anthropic 收購。這里面買的當然有技術和人才，但更重要的是稀缺性。

Isomorphic Labs 的稀缺性在于，它可能是目前最接近“AI 原生、垂直整合藥企”的實體。投資人為“找不到第二家”付了溢價。Jumper 去 Anthropic，某種程度上正是在制造這個可信的第二家。

三家都沖進來之后，一個更現實的問題也出現了：前沿 AI 實驗室在生命科學里的長期角色到底是什么？是賣 API 給藥企，賺工具錢？是自己做管線，和藥企競爭？還是成為底層基礎設施，向整個藥物研發(fā)產業(yè)收平臺稅？

目前三家給出了不同答案。Isomorphic Labs 選擇自己做藥物發(fā)現公司，直接對接臨床和管線；OpenAI 選擇垂直模型和合作網絡，把能力放進 Codex 和企業(yè)工作流；Anthropic 則更像一條混合路線：在通用模型里內建生物能力，同時通過收購、董事會配置和實驗能力建設積累藥物發(fā)現經驗。

Dario Amodei 在 2024 年 10 月那篇長文《Machines of Loving Grace》里，把生物學放在第一章（值得一提的是，Dario Amodei 本身也是學生物出身的）。他提出一個說法，叫“壓縮的 21 世紀”：當 AI 達到足夠水平，人類在生物學和醫(yī)學上原本需要一百年才能取得的進展，可能被壓縮到 5 到 10 年。

一年半后，他的公司收購了 AI 生物技術團隊，建設濕實驗能力，發(fā)布具備藥物設計能力的 Mythos 級模型，把諾華 CEO 拉進董事會，然后招來了 AlphaFold 的共同創(chuàng)造者。現在回頭看，那篇文章幾乎就是 Anthropic 給自己畫下的一張路線圖。

Jumper 的選擇也因此有了更多層面的含義。他在 DeepMind 做 AlphaFold 做到了最高點，諾貝爾獎也拿了，商業(yè)化工作交給 Isomorphic Labs，由 Hassabis 親自帶隊。留在原地繼續(xù)做什么，確實是一個真實問題。

他選擇了 Anthropic，而不是回到 Isomorphic Labs 做藥物管線，也不是去 OpenAI 做 GPT-Rosalind。這說明 Anthropic 的路線對他有吸引力：不是單獨做一家 AI 藥企，而是試圖讓通用基礎模型本身具備做生物學研究的能力。

這條路線也注定會更難。生命科學不是代碼，錯了不能簡單回滾。越強的模型，越可能同時帶來藥物發(fā)現和生物安全風險。Fable 5 發(fā)布時最具爭議的地方之一，就是它會在部分生物、化學和網絡安全場景下觸發(fā)保守降級；這種“越強，管得越嚴”的思路惹惱了一些研究者，但它也正是 Anthropic 一直以來的核心敘事。

對一個深知蛋白質折疊預測兩面性的科學家來說，這種在能力和安全之間走鋼絲的路線，也許比單純追求技術前沿更有吸引力。

三家實驗室當初都是沖著“解決智能”起步的。現在，它們用資金、產品和人才在回答一個更具體的問題：如果智能真的變得足夠強，第一批被它重寫的領域會是什么？如今，這個答案似乎在收斂到生命科學這一領域。

而生命科學對模型的要求，和寫代碼、做客服完全不在一個量級上。模型要處理真實世界的物理約束，要在數據不完整的情況下做因果推理，要把計算結果送進實驗室接受濕實驗驗證，錯了就是錯了，沒有含糊余地。編程助手可以靠補全代碼和跑 benchmark 拿高分，但藥物要么在臨床上起效，要么不起效。從這個角度看，生命科學不只是 AI 的下一個大市場。它正在變成前沿 AI 的硬核考場，誰能在這里跑通閉環(huán)，誰就證明了自己的模型不只是在屏幕上有用，而是能在真實世界里產生可驗證的結果。

參考資料：

https://www.cnbc.com/2025/10/23/anthropic-bets-on-health-care-with-claude-for-life-sciences.html

https://www.latent.space/p/science

https://www.bvp.com/atlas/building-biology-native-data-infrastructure-for-the-ai-era

https://fourweekmba.com/nobel-laureate-john-jumper-leaves-deepmind-for-anthropic/

https://darioamodei.com/machines-of-loving-grace

注：封面/首圖由 AI 輔助生成