跳到正文
IFAI

AI科研

Anthropic 推出科研工作台 Claude Science:打通 60 多项工具并内置审查智能体

首次发布 传播指数 64

Anthropic 推出科研工作台应用 Claude Science 测试版,支持 macOS 与 Linux。它整合了生命科学与化学等 60 多项工具与连接器,并内置审查智能体核验引用与计算,结果全程可审计复现。目前面向付费订阅用户开放。

Anthropic 推出科研工作台 Claude Science:打通 60 多项工具并内置审查智能体
图:statnews.com

做生物和医药研究的人,日常大多时间其实不是在搞科研,而是在当数据搬运工:在 UniProt、PDB 之间来回跳,写脚本把格式转来转去,在终端里盯着 HPC 算力排队,最后还要手动做图、核对参考文献。

Anthropic 刚刚发布了一个名为 Claude Science 的专用工作台应用,目前在 macOS 和 Linux 上向 Pro、Max、Team 以及 Enterprise 订阅用户开启公测。它不是一个全新的生物大模型,底层还是通用的 Claude(包括 Claude Opus 4.8),但 Anthropic 把几十个工具链打包成了一个可以直接干活的科研环境。

与此同时,据 STAT 报道,Anthropic 生命科学负责人 Eric Kauderer-Abrams 在发布会上透露,公司甚至打算尝试自己做药,亲身验证这些工具解决实际科学问题的能力。

让一个总管带着一堆专家干活

Claude Science 的核心体验很像给实验室配了一个懂技术的项目经理。用户只要用自然语言下指令,主协调智能体就会调动 60 多个预置技能和连接器,覆盖基因组学、蛋白质组学、单细胞分析、结构生物学和化学信息学等领域。

它接入了英伟达的 BioNeMo Agent Toolkit。这意味着研究人员在对话框里一句话,就能直接调度 Evo 2、Boltz-2、OpenFold3 这些生命科学模型,以及 Parabricks 等加速库。根据英伟达的数据,RAPIDS-singlecell 能把 130 万个细胞的预处理聚类从 52 分钟压缩到 25 秒,nvMolKit 在分子构型生成等操作上提速最高可达 3000 倍。

更重要的是算力管理。Claude Science 能接管本地环境、通过 SSH 连接你实验室自建的 HPC 集群,或者直接调用 Modal 云算力,把单卡任务自动扩容到上百张 GPU。它先出方案、要权限,得到确认后再提交任务。因为大型敏感数据只留在实验室内部基础设施里,发送给 Claude 的只有各步骤所需的上下文。

审查员 Agent 盯着查重和算错

AI 写论文最让人头疼的是胡编文献和数字。Anthropic 在工作流里塞进了一个「审查员智能体」(reviewer agent),专门挑引文错误、不可追溯的数据以及图表与代码对不上的问题,边跑边纠错。

科研产出物也有完整的可追溯链条。工作台原生支持渲染 3D 蛋白质结构、化学结构和基因组浏览器轨道。每张图生成时都会附带完整的环境、代码、操作记录和自然语言说明。想改图也不用重写代码,直接对它说「把坐标轴改成对数刻度」或「去掉网格线」,它自己去改底层代码。

艾伦研究所(Allen Institute)的神经科学家 Jérôme Lecoq 用它搭建了一套包含约 20 个技能的长篇综述写作流程,子智能体阅读数千篇论文并构建证据数据库,之前团队写一篇要花两年,现在已经写出约 10 篇百页以上的综述。加州大学旧金山分校(UCSF)脑肿瘤中心的 Stephen Francis 团队在胶质瘤分子流行病学分析中,把全基因组分析时间缩短到了原来的十分之一,且结果经过了独立验证。靶向药物研发公司 Manifold Bio 则用它来筛选组织靶向药物的靶点。

针对学术机构,Anthropic 为实验室提供了折扣 Team 席位,并出资支持最多 50 个科研项目,每个项目提供最高 3 万美元的额度,Modal 也会为入选项目提供最高 2000 美元的算力。申请截至 2026 年 7 月 15 日。

为什么重要

我们认为,Anthropic 这次拿出的策略非常聪明:它不跟对手死磕昂贵且专用的垂直模型,而是复用了 Claude Code 证明过的套路——把工作流变成垂直操作系统。

目前生命科学 AI 领域呈现出三种完全不同的路线:OpenAI 在 4 月推出了闭门审核、仅对少数大客户开放的专属微调模型 GPT-Rosalind;Google DeepMind 守着 AlphaFold 和 AlphaGenome 等独家底层模型壁垒;而 Anthropic 则是把通用模型套上工程外壳,直接向普通 Pro 和 Max 用户开放。对绝大多数日常被数据清洗和管线配置折磨的研究员来说,一个现在就能上手、能在本地跑、能管 HPC 的全套环境,吸引力远高于排队等候企业级测试资格。

但这套做法也有隐患。审查员智能体虽然能拦截粗心错误,但它本质上还是同一个大模型在自己审自己,缺乏独立的第三方物理世界验证;另外,像诺和诺德(Novo Nordisk)和艾伦研究所这样的机构往往会同时采购多家工具,Anthropic 想靠工作流壁垒长期绑定实验室,就必须保证它在接入各类开源或第三方模型时的开放度不打折扣。

来源 (4)

  1. [1]
    anthropic.com(在新标签页打开)原文anthropic.com
  2. [2]
    statnews.com(在新标签页打开)报道statnews.com
  3. [3]
    blogs.nvidia.com(在新标签页打开)报道blogs.nvidia.com
  4. [4]
    techcrunch.com(在新标签页打开)报道techcrunch.com

每日 AI 内容精选