AI “动手” 了

如果你还觉得AI只会在屏幕里写文章、画图、写代码，这条新闻一定要停下来看看。

昨天，路透社报道：Anthropic，也就是Claude背后的公司，在旧金山湾区建起了自己的生物湿实验室。

试管、细胞、机械臂。

不是模拟，是真做实验。

“AI for Science”通俗的讲就是：以前AI帮人“想”，现在尝试帮人“做”。

前几年大家说AI抢走了程序员的饭碗，现在它又把手伸进了实验室。

当然，离“替代科学家”还远得很。但AI从数字世界走进真实世界，这个方向已经越来越清楚。

这不是突发奇想，Anthropic已经铺了一个月的路

只看昨天这条新闻，你可能会问：Anthropic怎么突然跑去做生物了？

往前翻一个月，会发现它一直在连续出手。

第一步，让Claude设计蛋白质，再拿到真实实验室验证。

据Anthropic公布，Claude针对15个靶点做设计，其中14个找到了能真正结合的蛋白质。在这次实验里，部分设计的命中率大约是22%到35%，而Anthropic引用的典型蛋白质设计项目，通常是10%到15%。

这个数字虽然不能简单理解成“AI全面超过传统方法”。但它至少说明一件事：

AI设计出来的东西，已经有相当一部分能经得住真实实验的检验。

这一点很关键。

Claude写篇稿子，好不好，人一眼能看出来。

但它说“这个分子可能有效”，就不能靠它自己说了。最后得让蛋白质、细胞和实验数据来回答。

第二步，扩大验证规模。

Anthropic和Adaptyv Bio一起办全球蛋白质设计比赛。这次不是坐在电脑前比谁跑分高，而是计划把5000多个蛋白质设计真正合成出来，送进自动化湿实验室验证，成功和失败的数据都会公开。

比的不是谁更聪明，而是一个更实在的问题：

AI在电脑里设计的东西，到了现实世界，到底有多少是真的？

顺带说一个细节。

这场比赛并非所有地区都能参加。按官方规则，法律居住地在中国、俄罗斯、伊朗等地的个人，以及注册在这些地区的实体，不符合参赛资格。官方说明原因涉及美国及其他适用的出口管制和制裁法律。

一边强调开放数据、全球合作，一边到了前沿能力和实验验证这一层，又绕不开出口管制和科技竞争。

今天的AI for Science，并不是一个脱离现实的纯科学故事。

科学在往前跑，地缘政治也一直跟在旁边。

第三步，让设备“听得懂”AI。

Anthropic还发布了MHS，全称Model Hardware Standard。

名字不用记，你可以把它理解成实验室设备的“AI版USB接口”。

以前显微镜、机械臂、液体处理设备各有各的系统，AI想统一调用，需要大量定制对接。

MHS想做的，就是把这件事标准化。

这条路如果跑通，未来的实验可能变成这样：

AI提出方案，机器人去做，仪器拿到结果，结果回到AI，AI再设计下一轮。

再加上昨天曝光的湾区湿实验室，前面这些动作一下就连起来了。

Anthropic不是突然想做实验。

它是在一点点把这条路铺完整。

这不只是AI公司的游戏，它关乎那些“等不起药”的家庭

如果只是几家科技巨头比谁的模型更强，这件事离普通人很远。

但一进入药物研发，就不一样了。

最现实的影响，是罕见病。

很多罕见病最残酷的地方，不是完全没有研究方向，而是患者太少，研发太贵。

药企花很多年、很多钱做一种药，最后可能只有几千个患者。商业上算不过账。

不是没人得病，而是患者少到市场不愿意投入足够多的研发资源。

如果AI能把药物研发前期的试错成本压下来，情况就可能变。

以前要做很多轮实验，才能找到一个有希望的方向。

以后可能先让AI筛掉大量明显不靠谱的方案，再把更有希望的一批送进实验室。

前期如果真的变快、变便宜，一些过去“不值得做”的病，也许就开始值得做了。

对投资者来说，这是产业变化。

对一个正在等药的家庭来说，意义完全不同。

今天没有药，和五年后有药，对看新闻的人只是两个时间点；对患者和家人，可能就是完全不同的人生。

所以AI for Science最让人看到希望的地方，不是“AI会不会发明神药”，而是：

它能不能让一些没人愿意研究、研究不起、也等不起的病，重新回到研究者的视野里。

当然，希望不能说得太满。

AI找到一个有希望的分子，离真正变成药，中间还隔着动物实验、临床试验、安全性、有效性一道道关。一般认为，进入临床试验的药物，最终失败的仍占大多数。

科技不是神迹，AI也不是万能答案。

但如果它能把最前面的研发缩短一点，把无效试错减少一点，对很多人来说就已经很重要了。

投资人先别急着追概念，先看谁真正收到钱

很多人一看到“AI进实验室”，第一反应是：

哪只股票能暴涨？

现在最容易犯的错，就是马上去追“AI制药概念股”。

真正该看的，是谁开始收到钱。

过去买实验室仪器、试剂、自动化设备的，主要是大学、科研机构和药企。

现在可能多出一种新客户：AI公司。

AI公司通常钱多，也愿意为速度付钱。

如果它们真的把大笔资金投进真实实验，实验室自动化、精密仪器、试剂耗材、生物数据平台、合成服务这些上游环节，都可能出现新需求。

Thermo Fisher、Danaher这类生命科学工具公司，可以放进观察名单。

但现在还不能断言它们一定是赢家。因为这里有个反直觉的问题：

AI越精准，单个项目要做的无效实验可能越少。

以前一个项目需要大量试错，现在AI提前排除了很多错误方向，单个项目消耗的试剂和耗材反而可能下降。

可另一边，如果实验成本明显下降，以前只有100家公司敢做的项目，未来可能有1000家公司来做。

这有点像经济学里的“杰文斯悖论”：

效率提高了，总需求不一定减少，反而可能更多。

所以最终是“每个项目做得更少”，还是“整个行业做得更多”，现在没有答案。

也要说句冷静的话：现阶段，AI公司在这些企业收入里占多大比例，大概率还很小。

别被故事带着走。

所以现在最值得盯的，不是概念，而是财报。

未来几个季度，如果实验室自动化、仪器、试剂、生物数据这些公司的电话会上，越来越频繁地出现一个新词：

AI实验室。

那才值得认真看。

因为新闻可以讲故事，订单不会。

（以上仅为个人观察，不构成任何投资建议。）

真正值得看的，是AI终于开始碰现实世界了

回头看Anthropic这一连串动作：

做蛋白质设计。

拿进真实实验室验证。

扩大验证规模。

让AI连接实验设备。

现在，自己的湿实验室也开始跑起来了。

单独看，每一件都只是技术新闻。

连起来，其实是在说一件更大的事：

AI正在从屏幕里走进现实世界。

过去三年，我们一直在看AI会不会写、会不会算、会不会画。

接下来几年，可能要开始看它会不会做实验、做材料、做新药。

AI不只是告诉科学家答案。

它正在准备和科学家一起，把答案做出来。

对投资者，我们当然要看趋势、看订单、看谁真正赚钱。

但把目光放远一点，最值得期待的还是人。

一个新模型值多少钱，会过去。

一家公司股价涨多少，也会过去。

但如果有一天，这些技术真的让某种原本没人愿意做的病有了治疗机会，让一个家庭少等几年，让一个孩子多一个选择——

那才是这轮AI浪潮里，最值得记住的部分。