ARTICLE · 1023928
患者文档从数月缩到数分钟,诺和诺德把AI用进了研发流水线
患者文档从数月缩到数分钟,诺和诺德把AI用进了研发流水线
诺和诺德宣布和 Anthropic 达成合作，用 Claude 大模型加快新药的发现与研发。这家丹麦制药企业，就是司美格鲁肽减重药 Wegovy 的生产商。
消息在周三由两家公司共同发布。Anthropic 正在深化与诺和诺德的合作关系，这被视为它在生命科学业务上的一次重要推进。
合作初期，诺和诺德会在自身研发流程里测试 Anthropic 的各类模型以及 Claude Science，重点放在双方技术结合后最有希望突破的科学难题上。除了研发，诺和诺德还会用 Claude 强化企业内部的软件开发工作。
最有说服力的，是那个已经跑起来的场景
这条新闻里最实在的一句话，藏在最后。诺和诺德现阶段已经在用 Claude 实现临床试验报告的自动化撰写，患者相关文档的制作周期，已经从原先的数月缩短到数分钟。
这个对比看着夸张，实际是一条已经跑通的流程。临床研究里，患者文档、试验报告这类文书工作量极大，格式要求严格，还要反复核对。过去靠人力堆，几个月是常态。现在压到几分钟，省下的是时间、人力成本和出错概率。
新药研发被形容为反摩尔定律的行业。过去几十年，算力成本降了无数倍，但研发一款新药的平均成本却在持续上升。原因不难理解，容易成药的目标早就被做完了，剩下的靶点更难、更复杂，临床试验的规模和要求也越来越高。时间就是最大的成本。
在这种行业结构下，能压缩周期的工具，价值非常直接。
Claude Science 是要切科研场景
这次合作里有个名字值得注意，Claude Science。这是 Anthropic 面向科研场景的产品线。
诺和诺德的说法是，先聚焦双方技术结合后最有希望突破的难题。诺和诺德 CEO 迈克·杜斯达尔提到，AI 工具能带来全新的科研机遇，辅助科研人员开展推理，加深对人体生物学以及药物作用机理的认知。
这句话的分量在于，它真正指向的是科研推理本身。从写报告，到帮着理解药物机理，这是两个层级的事。前者是效率工具，后者才涉及研发的核心。
能不能做到是另一回事。但药企愿意在这个方向上投入，说明它们判断 AI 的能力边界已经推到了科研环节。
Anthropic 的企业生意
从 Anthropic 的角度看，这笔合作是它企业战略的延续。生命科学是它重点布局的行业方向之一，拿下诺和诺德这样的头部药企，对后续拓展同类客户有示范意义。
Anthropic CEO 达里奥·阿莫代在表态里说，让顶尖科研人员使用安全、能力强大且值得信赖的前沿大模型，有助于缩短研发周期、改善研究成果。这段话的关键词是安全、可信、前沿，正好对应药企最在意的三件事。
制药是高价值行业，也是强监管行业。药企对 AI 的要求和普通用户完全不同，它们需要的是可追溯、可审计、输出稳定的模型。这恰好是 Anthropic 一直在强调的定位。与其在消费市场烧钱换流量，不如切入愿意为可靠性和安全性付高价的企业客户。
这里有个细节值得注意。阿莫代前段时间刚发长文，呼吁 AI 企业降低模型能力的迭代速度，理由是安全风险。同一时间，Anthropic
在积极推进药企合作，把模型部署到关键行业。这两件事放在一起并不矛盾，能力继续用，节奏放慢点，生意照做。减速的呼吁针对的是前沿研发竞赛，商业落地从不受影响。
AI 制药走到哪一步了
制药企业用 AI 不是新鲜事，但过去几年大多停留在筛选化合物、预测分子性质这些环节。现在变化的信号在于，大模型开始进入研发流程的信息处理层，写报告、理文档、辅助推理。
这一步的价值被低估了。新药研发的瓶颈，很多时候不在科学构想，而在把构想转化成可提交、可审查的材料的巨大工作量。AI 把这块压缩，等于给整个管线提速。
当然，真正的难题还在后面。药物能不能成，最终取决于生物学。模型能辅助推理，但验证还得靠湿实验和临床试验。指望 AI 直接产出新药，现在还不现实。 但趋势清楚。高价值、强监管、重文档的行业，正在成为大模型落地的主战场。制药是这样，医疗、法律、金融也是这样。诺和诺德这次合作，是这条路径上又一个标志性的动作。
回到那个数据。患者文档从数月变数分钟，听起来不如「AI 发现新药」那么轰动，但它是真实发生的事。技术改变行业，往往就是从这些不起眼的流程开始。
消息在周三由两家公司共同发布。Anthropic 正在深化与诺和诺德的合作关系，这被视为它在生命科学业务上的一次重要推进。
合作初期，诺和诺德会在自身研发流程里测试 Anthropic 的各类模型以及 Claude Science，重点放在双方技术结合后最有希望突破的科学难题上。除了研发，诺和诺德还会用 Claude 强化企业内部的软件开发工作。
最有说服力的，是那个已经跑起来的场景
这条新闻里最实在的一句话，藏在最后。诺和诺德现阶段已经在用 Claude 实现临床试验报告的自动化撰写，患者相关文档的制作周期，已经从原先的数月缩短到数分钟。
这个对比看着夸张，实际是一条已经跑通的流程。临床研究里，患者文档、试验报告这类文书工作量极大，格式要求严格，还要反复核对。过去靠人力堆，几个月是常态。现在压到几分钟，省下的是时间、人力成本和出错概率。
新药研发被形容为反摩尔定律的行业。过去几十年，算力成本降了无数倍，但研发一款新药的平均成本却在持续上升。原因不难理解，容易成药的目标早就被做完了，剩下的靶点更难、更复杂，临床试验的规模和要求也越来越高。时间就是最大的成本。
在这种行业结构下，能压缩周期的工具，价值非常直接。
Claude Science 是要切科研场景
这次合作里有个名字值得注意，Claude Science。这是 Anthropic 面向科研场景的产品线。
诺和诺德的说法是，先聚焦双方技术结合后最有希望突破的难题。诺和诺德 CEO 迈克·杜斯达尔提到，AI 工具能带来全新的科研机遇，辅助科研人员开展推理，加深对人体生物学以及药物作用机理的认知。
这句话的分量在于，它真正指向的是科研推理本身。从写报告，到帮着理解药物机理，这是两个层级的事。前者是效率工具，后者才涉及研发的核心。
能不能做到是另一回事。但药企愿意在这个方向上投入，说明它们判断 AI 的能力边界已经推到了科研环节。
Anthropic 的企业生意
从 Anthropic 的角度看，这笔合作是它企业战略的延续。生命科学是它重点布局的行业方向之一，拿下诺和诺德这样的头部药企，对后续拓展同类客户有示范意义。
Anthropic CEO 达里奥·阿莫代在表态里说，让顶尖科研人员使用安全、能力强大且值得信赖的前沿大模型，有助于缩短研发周期、改善研究成果。这段话的关键词是安全、可信、前沿，正好对应药企最在意的三件事。
制药是高价值行业，也是强监管行业。药企对 AI 的要求和普通用户完全不同，它们需要的是可追溯、可审计、输出稳定的模型。这恰好是 Anthropic 一直在强调的定位。与其在消费市场烧钱换流量，不如切入愿意为可靠性和安全性付高价的企业客户。
这里有个细节值得注意。阿莫代前段时间刚发长文，呼吁 AI 企业降低模型能力的迭代速度，理由是安全风险。同一时间，Anthropic
在积极推进药企合作，把模型部署到关键行业。这两件事放在一起并不矛盾，能力继续用，节奏放慢点，生意照做。减速的呼吁针对的是前沿研发竞赛，商业落地从不受影响。
AI 制药走到哪一步了
制药企业用 AI 不是新鲜事，但过去几年大多停留在筛选化合物、预测分子性质这些环节。现在变化的信号在于，大模型开始进入研发流程的信息处理层，写报告、理文档、辅助推理。
这一步的价值被低估了。新药研发的瓶颈，很多时候不在科学构想，而在把构想转化成可提交、可审查的材料的巨大工作量。AI 把这块压缩，等于给整个管线提速。
当然，真正的难题还在后面。药物能不能成，最终取决于生物学。模型能辅助推理，但验证还得靠湿实验和临床试验。指望 AI 直接产出新药，现在还不现实。
回到那个数据。患者文档从数月变数分钟，听起来不如「AI 发现新药」那么轰动，但它是真实发生的事。技术改变行业，往往就是从这些不起眼的流程开始。