过去数月，三家AI巨头纷纷将战略重心转向生命科学。当地时间6月30日，Anthropic推出Claude Science，定位为面向科学家的AI工作台，集成了科研数据库接入、代码运行、数据分析、图表生成及3D蛋白结构查看等功能，并能生成可审计、可复现的研究记录。几乎同一时间，OpenAI发布了GeneBench-Pro，旨在评估AI Agent在基因组学等任务中处理模糊数据和多阶段判断的能力。而谷歌则早已从AlphaFold的结构预测延伸至药物设计，其旗下的Isomorphic Labs正构建AI药物设计引擎，并计划推进首批候选药物进入临床试验。
AI的竞技场正从代码和数学证明的“办公室”，转向周期漫长的药物研发“实验室”。代码能否运行、证明是否成立，反馈迅速；而药物研发需经历靶点发现、分子筛选、实验验证、临床试验和审批，周期漫长。模型迭代只需数月，药物验证却需数年。《华尔街日报》指出，若AI真能颠覆药物研发，最大赢家未必是AI公司，而是掌握专有数据、实验能力和临床体系的大型制药企业。
三家公司的切入点各异：谷歌从结构预测切入，OpenAI押注通用推理模型，Anthropic则将Claude Code式的“工作台”逻辑移植到科研流程。Anthropic并非新兵，其已沿着生命科学方向布局多年：2025年5月推出AI for Science Program，10月推出Claude for Life Sciences，连接Benchling、BioRender、PubMed等工具；2026年1月进一步扩展至临床试验数据库。目前，诺和诺德、Genmab、BMS等药企已部署Claude，用于临床报告生成、数据处理及文档自动化。Claude Science则是Anthropic将这些能力收束为统一产品的里程碑，它不仅能读取、运行并改写Python/R代码，支持持久化内核和HPC连接，还内置科学渲染器可直接查看蛋白结构、基因组轨道和化学分子。更重要的是，它将代码、环境、对话历史等一并保存，形成可追溯的研究产物。Anthropic甚至计划开发针对“被忽视疾病”的药物，这表明其意图不仅限于提供工具，而是亲自验证药物发现的早期流程。
谷歌拥有深厚的AI for Science积累。从AlphaFold 2到3，再到预测蛋白质与其他分子的相互作用，其Isomorphic Labs致力于构建AI药物设计引擎，并计划在2026年底前启动临床试验。
OpenAI走的是“推理中枢”路线。它推出GPT-Rosalind，针对生命科学优化推理能力，并接入了GPT-5.5的Agent能力。同时，通过LifeSciBench和GeneBench-Pro建立专业评估体系，测试模型在证据处理、科学推理及多阶段任务中的表现。
此外，亚马逊等“卖水人”也在提供基础设施支持，如Amazon Bio Discovery。
医药研发受制于“Eroom定律”（反摩尔定律），周期长、成本高。AI虽能加速筛选和数据处理，但无法替代实验验证和人体测试。模型能力只是工具，稀缺资产是数据、实验和临床能力。药企拥有这些。AI公司提供模型。赢家将是整合这些能力的药企。