第一梯队的AI到底有多恐怖——5个搞金融的外行,周末用Claude搓出蝎毒解药雏形,生物博士看傻了

10月20号，做AI大模型的Anthropic公司，联合了一家叫Citrini Research的机构，发了一份生物医学研究报告。

报告的第一作者，既不是什么常春藤名校的教授，也不是医药巨头的首席科学家，而是——Claude Science。就是那个平时被我们拿来写代码的Claude。

而更离谱的是排在Claude后面的“人类合作团队”。Citrini Research是干嘛的？一家搞金融和投资研究的机构。参与这个项目的5个分析师里，有3个人甚至压根没有理工科背景。

换句话说，这帮人平时看的是K线图、财报和宏观经济。就是这么一个“1个AI + 5个搞金融的门外汉”组成的草台班子，花了64个小时，烧了大约12万美元，从零开始设计出了针对致命蝎毒的全新蛋白质。

最让人掉下巴的是，他们把AI筛选出来的211个设计方案打包发给真实的生物实验室去合成、测试，结果有17个方案成功生效。我有个朋友，看完这篇报告后在微信上给我发了一串省略号，最后憋出一句：“我现在去学金融还来得及吗？”

今天我就用大白话跟大家聊聊：这帮搞金融的到底是怎么带着AI“跨界生物圈”的？这事儿到底牛在哪，又有哪些被自媒体吹过头的牛皮？

要明白Claude干的这事儿有多离谱，咱得先看看人类过去这一百多年是怎么对付蝎子毒、蛇毒的。说出来你可能不信，哪怕到了2026年，全世界制造抗毒血清的主流方法，依然——靠马。

全地球每年有超过120万人被毒蝎子蛰伤，几千人因此丧命，其中大部分是农村地区的孩子。如果你不幸在墨西哥或者北非被一只剧毒的木蝎或者肥尾蝎蛰了一口，毒素会顺着血液狂奔，像一把涂了胶水的钥匙，咔嚓一下插进你神经细胞表面的“通道”里。

这通道本来是负责传递神经信号的开关，被毒素这么一卡，开关坏了，你的神经系统就会陷入过载状态——剧痛、抽搐、呼吸衰竭，抢救不及时人就没了。

怎么救？传统的办法是这样的：

先派人去沙漠里抓蝎子，手工给蝎子“挤奶”（提取毒液）。把毒液稀释到弄不死动物的程度，打进一匹健康的马身体里。马的免疫系统一看：嚯，有刺客！于是开始加班加点生产针对这种毒素的抗体。

过段时间，把马的血抽出来，把里面的抗体提纯，做成抗毒血清，再存进医院的冷链冰箱里。听着是不是挺费马的？不仅费马，这套流程对人类也极其不友好。

第一是贵，而且慢。

养马、挤毒、免疫、抽血提纯，一套流程下来动辄几个月甚至大半年，研发和生产成本极高。偏偏经常被蝎子蛰的地方，大多是发展中国家的偏远地区，根本用不起血清。

第二是容易过敏。

那毕竟是马身上的蛋白质，打进人肚子里，很多人的免疫系统会直接拉响防空警报——还没等蝎毒弄死你，你的身体先因为排斥血清引发了严重的“血清病”或过敏性休克。

第三是娇贵。

传统血清必须全程冷链保存，一旦停电或者冰箱坏了，几十万的救命药直接变成废水。所以，生物学家们一直有个梦想：

能不能别折腾马了？我们直接在电脑上画一个全新的、自然界里根本不存在的小型蛋白质。这个人工设计的蛋白质就像一块严丝合缝的“定制橡皮泥”。

你被蝎子蛰了，一针打进去，这块橡皮泥在血液里精准找到蝎毒那把“毒钥匙”，把它的齿槽给糊死。钥匙插不进锁眼，毒素自然就废了。而且因为这种小蛋白结构极其稳定，甚至可能不需要冰箱冷藏，造价还能打到地板上。

想法非常丰满，现实非常骨感。蛋白质是由一长串氨基酸折叠成的三维立体结构。哪怕是一个只有几十个氨基酸的小蛋白，它可能的组合方式也是个天文数字。以前想要设计这么一个“定制橡皮泥”，需要顶尖的结构生物学博士，对着电脑屏幕上的三维模型一点点调参数，在超算上跑几个月，再去实验室里成百上千次地试错。没有几年的苦功和几百万美金的经费，连门都摸不到。

直到那5个搞金融的分析师，打开了Claude的对话框。

这5个金融老哥之所以盯上蝎毒，逻辑其实特别“金融”——他们想测试一下，现在的AI智能体（Agent）到底能不能独立干完一件高门槛的硬核科研活儿，以及干这件事的投入产出比（ROI）到底有多高。

他们的全部预算上限是20万美元，团队里没人会做生物实验，没人懂怎么调试蛋白质折叠软件的参数。那他们干了啥呢？他们发挥了分析师最擅长的技能：

写PPT和需求文档。他们给Claude Science喂了一份长达35页的初始提示词（Prompt）。这份提示词大概的意思就是：

在这64个小时里，人类团队一共只追加了4次简短的跟进指令。其余时间，这5个人基本处于“端着咖啡看屏幕滚动”的围观状态。而Claude在后台干了什么呢？它直接化身成了一个脾气极好、不用睡觉、还能同时分身300多个人的“赛博实验室包工头”。

第一步：自己查资料、找弱点（第1～5小时）

Claude没有等人喂数据，它自己跑去全球公开的蛋白质数据库（PDB和AlphaFold数据库）里，把那5种蝎毒的三维结构图给扒了下来。

扒下来还不算，它像个老练的刑警一样，对着毒素的表面一寸寸扫描，自动圈出了每个毒素上最核心的5个氨基酸热点位置（Hotspots）——也就是毒素用来撬开人类神经通道的“钥匙齿”。

Claude的逻辑很清晰：只要找块橡皮泥把这5个点糊住，毒素就废了。

第二步：摇人！300个分身同时开干（第6～48小时）

锁定目标后，Claude开始调用人类给它配置好的工具箱。这里面有12种目前生物界最顶尖的开源蛋白质设计和评估软件（比如拿过诺贝尔奖团队开发的RFdiffusion、ProteinMPNN，还有ESMFold2、Protenix v2等等）。

如果是人类博士生，得把A软件跑完的数据导出来，改改格式，再塞进B软件里，中间报错了还得查半天代码。Claude不这么干。它瞬间分裂出了300多个子智能体，同时调动了云端300多块英伟达H100显卡。

这画面你脑补一下：300多个AI实习生，每人抱一块几十万的顶级显卡，不吃不喝，在64个小时里疯狂画图、折叠、打分、推倒重来。它们一共设计出了多少个方案？

第三步：自己给自己当评委，优中选优（第49～64小时）

三十多万个方案，全拿去实验室做出来得倾家荡产。Claude必须自己挑出最靠谱的“尖子生”。它自己编写了一套极其严苛的评分流水线，把这31万个方案塞进不同的结构预测模型里进行“交叉审讯”——看哪个蛋白质折叠得最稳、看哪个跟蝎毒贴合得最紧、看哪个放进水里不会自己结成疙瘩（溶解度好）。

更绝的是，首轮筛选出180个方案后，人类团队问了一句：“还能再榨出点潜力股吗？”Claude回头检查了一遍数据，调整了筛选策略，又精准捞出了31个漏网之鱼，凑够了211个最终候选名单。

甚至连最后把基因序列发给生物外包公司（Twist Bioscience）去合成的时候，工厂那边对DNA序列有特殊的制造格式要求（比如某些序列太重复了机器造不出来），也是Claude自己看懂了工厂的报错规则，顺手把代码改好、重新提交的。

电脑上算得再天花乱坠，在生物界里都只算“画大饼”。很多在计算机里看着完美无瑕的蛋白质，真正造出来放进试管里，要么根本不成型，要么对毒素理都不理。

那5个老哥依然没有自己动手。他们花了7.1万多美元，把Claude选出来的211串代码发给了两家专业的生物实验外包机构（Twist Bioscience负责把代码变成真正的蛋白质，Adaptyv Bio负责在机器上测试它们能不能抓住蝎毒）。

其中最耀眼的两个“学霸”，编号叫Cn2-B1和Cn2-B2（专门对付墨西哥雕像木蝎的剧毒Cn2）。在两家独立实验室的交叉测试中，这两个AI搓出来的小蛋白，展现出了超高亲和力。

为了验证它到底是“乱吸一气”还是“精准封喉”，实验室还做了一个竞争实验：他们拿来了一种已知能在老鼠体内中和这种蝎毒的王牌抗体片段（叫LR），结果发现，Claude设计的Cn2-B1跟这个王牌抗体抢的是同一个位置！

这意味着，Claude在没有任何人类生物学家指导的情况下，纯靠自己看图、算数据，精准无比地预判了蝎毒最致命的攻击部位，并造出了。

看到这儿，是不是觉得传统医药公司明天就要倒闭了？先别急着开香槟。咱们得实事求是地看看，这次实验里Claude搞砸了什么，以及它离真正的“救命药”还有多远。

这也是我觉得Anthropic这份报告特别坦诚、特别有意思的地方。

第一，Claude挑战“一药通吃”彻底翻车了。

在世界各地被蝎子蛰，老百姓往往分不清蛰自己的是哪国蝎子。所以最理想的抗毒药是“广谱解毒剂”——一针下去，不管你是墨西哥木蝎还是北非肥尾蝎，统统搞定。

人类团队当时也给Claude下了这个指标：“你能不能设计一个能同时抓住好几种蝎毒的万能蛋白？” Claude很听话，在提交的211个方案里，足足有151个方案是奔着“一箭双雕”甚至“一箭多雕”去的（比如把两个不同的结合模块像糖葫芦一样串在一起）。

结果实验室测出来一看：

这说明啥？说明面对结构差异巨大的不同毒素，想靠现在的AI算力直接硬搓出一个“万能钥匙”，依然超出了当前模型和工具的能力边界。

第二，“能抱住毒素”不等于“能救命”。

你想啊，一个蛋白质在纯净的试管水里能抓住毒素，那放到充满各种杂蛋白、免疫细胞、消化酶的血液里呢？它会不会刚打进去5分钟，就被肝脏或者肾脏当成垃圾给代谢排出了？

它的个头是不是刚好卡在某个尴尬的尺寸，还没等遇到蝎毒，就被人体的免疫系统当成外星入侵者给围剿了？最关键的是，它虽然抱住了毒素，但万一没遮住毒素最核心的那个尖儿，毒素带着它依然能插进神经通道里呢？

从“试管里能结合”到“拿到药监局批文上市救人”，中间还隔着动物实验、毒理测试、一二三期临床试验的万丈深渊。那才是真正烧掉几亿美金、耗时数年的修罗场。

既然还没变成真正的药，为什么整个科技圈和生物圈还是被震得不轻？因为这件事捅破了一层窗户纸：

科学研究的“入场券”，正在被AI粗暴的打折甩卖。你仔细品品这组数字：

5个外行、35页文档、64个小时、12万美元。在过去，如果你想验证一个关于“新型抗蝎毒蛋白”的科研点子，你需要先考上名校博士，求爷爷告奶奶申请几十万美金的自然科学基金，再组建一个懂结构生物学、懂计算化学、懂基因工程的跨学科团队，折腾大半年，才有可能拿到今天Claude在64个小时里拿到的那17个苗头分子。

而现在，一整套复杂的生物计算软件（RFdiffusion、AlphaFold、ProteinMPNN等）早就开源放在网上了，外包生物实验室（CRO）也早就跟淘宝代工厂一样成熟了——你给钱、发序列，它就给你寄样品。

以前挡在普通人和顶尖科研中间的最后一堵墙，是“怎么把这些极其复杂的工具串起来、怎么看懂天书一样的数据、怎么做出每一步的专业决策”。

现在，Claude把这堵墙给拆了。它证明了，AI已经不再是那个只能帮你查查文献、改改语法的“高级秘书”，它已经进化成了能够自己理解宏大目标、自己拆解任务、自己调用专业软件、自己根据报错修改方案的“全自动科研工具”。

更让人感慨的是，这种“AI包工头 + 云端实验室”的模式，最适合干什么？ 最适合干那些被大药企嫌弃“不赚钱”的活儿。就像开头说的蝎毒。

为什么一百多年了还在用马血清？因为被蝎子蛰的大多是穷人，跨国医药巨头算一笔账：花十亿美金研发一款高科技抗蝎毒药，最后根本收不回成本，不如去研发治疗秃顶、减肥或者富贵病的药。

但如果把前端研发找苗头的成本，从“几百万美金+好几年”直接砍到“十万美金+一个周末”呢？ 这意味着，无数困扰偏远地区、患病人数少、商业价值低的罕见病、热带病、冷门毒素，突然有了被攻克的可能。

一个慈善基金会、一个大学兴趣小组，甚至几个有钱有闲的分析师，凑个几十万人民币，就能让AI在周末跑出一批极具潜力的救命药雏形，然后把全套数据免费开源给全世界接着往下做（顺便提一句，这次他们就把全部211个蛋白质序列和实验数据毫无保留地发在了Hugging Face上，任何人都能免费下载接着研究）。

写到这儿，我又想起了我那个朋友。我安慰他说：“别慌，AI这不是还没做动物实验嘛，抓老鼠、打针的活儿肯定还得你们干。” 他叹了口气，回了我一句特深刻的话：