Claude 杀入 Office,AI 制药叫板 AlphaFold:这一天,Agent 开始“上班、做药、买服务”

信息来源：平台近 45 天可检索内容，重点参考 2026 年 11 月 10—11 日公开发布与讨论。本文仅作信息梳理，不构成投资建议。

这两天，AI 圈像同时按下了三个快进键：

·　办公软件：Anthropic 推出 Claude Whiteboards、Claude Sheets、Claude Data，直接切入计划、表格、数据汇报这些 Office 核心场景；

·　科学发现：Geodesic Intelligence 发布 NovaAtom-Lite，称其在关键药物发现基准上超过 AlphaFold 3 与 Isomorphic Labs 的 IsoDDE；

·　智能体经济：TermiX 围绕 AACP 推进 Agent 之间的服务发现、下单、交付与结算，并提出 C724 安全智能体倡议。

它们看似分散，其实指向同一个变化：AI 不再只是聊天窗口，而是在进入真实工作流——接管流程、承担任务，甚至参与交易。

一、Claude 新工具包：从“回答问题”到“进入办公室”

这次 Claude 新工具最值得关注的，不是又多了几个功能，而是它开始对应办公室里最常见的三类工作：

1.　Whiteboards：做计划

2.　Sheets：做追踪与预算

3.　Data：连接数据源、生成仪表盘和汇报

根据公开帖文整理，Claude Whiteboards 目前处于测试阶段，团队可以把想法讲给 Claude，由它生成带时间线、负责人和日期的共享白板；用户还可以框选白板局部继续提问。Claude Sheets 则能生成标签页、公式、下拉菜单，并保留每次编辑痕迹。现阶段功能仍偏基础，可导出为 .xlsx 或 CSV，也可配合 Claude for Excel 使用。[#4]

Claude Data 已退出测试，前身为 Claude Dashboards，可对接 BigQuery、Snowflake、Salesforce 等数据源，生成实时仪表盘、数据故事和带旁白短视频；经批准的数据还会带有“certified”标识。三款工具覆盖网页端、桌面端和移动端，企业版的启用策略也有所区分。[#4]

平台上，一张“微软股东看到 Claude 推出自己的 Excel”的梗图获得了很高互动。它虽然是玩笑，却准确击中了市场情绪：电子表格不是一个小工具，而是企业软件里最顽固、最高频的入口之一。[#6]

另有多条帖子称，Anthropic 发布 Claude Sheets、Whiteboards 和 Data 后，微软股价在短时间内下跌约 3%，市场讨论中出现“市值蒸发超千亿美元”等说法。需要注意的是，短期股价波动未必由单一事件造成，但这足以说明投资者如何理解此次发布：Claude 正在从模型供应商，变成办公软件入口的直接竞争者。[#7][#8][#9]

路透相关消息还提到，Anthropic 同时在推进 Claude Meetings，首批接入 Google Meet，可加入视频会议，在对话进行中起草计划、时间线和答案。该消息发布时间点又恰逢 Anthropic IPO 路演首日，因此资本市场反应更加强烈。[#30]

这不是“做一个 Excel 替代品”那么简单

过去的 AI 助手主要停留在对话框里：你问，它答；你复制，再粘贴到文档或表格里。

Claude 这次的路径是反过来的：

·　从会议里捕捉计划；

·　在白板上形成任务结构；

·　在表格里追踪执行；

·　再从数据库中生成汇报。

也就是说，它试图占据一条完整工作链路：

会议 → 规划 → 分工 → 追踪 → 数据 → 汇报

这也是为什么市场会把它与 Microsoft Office、Google Workspace 放在一起比较。真正的竞争焦点不是“Claude 会不会做公式”，而是：AI 能不能成为工作流本身的操作层。

二、NovaAtom-Lite：小团队、数百张 GPU，冲刺 AI 制药

如果说 Claude 进入的是白领的办公室，那么 Geodesic Intelligence 的 NovaAtom-Lite 进入的就是生命科学的实验室。

官方介绍称，NovaAtom-Lite 是一款面向药物发现的全原子结构预测模型，可预测蛋白质、核酸以及它们结合分子的结构和相互作用方式。[#1]

更引发关注的是其性能说法：一个小型精英团队仅用几个月、数百块 GPU，就使模型在关键药物发现基准上超过 Google DeepMind 的 AlphaFold 3 和 Isomorphic Labs 的 IsoDDE。[#1]

公开讨论中列出的基准数据包括：

·　抗体—抗原预测成功率：79.1%，AlphaFold 3 为 47.9%；

·　蛋白质—药物分子相互作用预测成功率：77.1%，AlphaFold 3 为 64.9%；

·　相关帖文还提到 IsoDDE 此前纪录为 75.58%。[#31]

这些数字来自平台上的公开讨论，具体仍应以论文、技术报告和基准复现为准。但如果结果成立，其意义不只在于“榜单更高”，而在于抗体—抗原、蛋白质—药物分子相互作用正是药物设计中非常关键的环节。

技术解读称，NovaAtom 大致属于 GraphFormer 家族，更具体地说采用带迭代循环和原子扩散的 Pairformer 架构。NovaAtom 本身不是 Agent，但 Geodesic 将其整合进 NovaDDE——一个用于推理、分子预测、设计、模拟和实验验证的科学发现平台。[#26]

这句话很关键：模型负责预测，Agent 平台负责组织科学工作流。

AI 制药的核心，不只是“预测结构”

NovaAtom-Lite 创始人顾全全在长文中表达了更大的目标：找到从生物学到药物的最短路径，把数月的科学探索压缩到数周，最终把数年发现压缩到数月。[#1]

传统药物研发的痛点非常明显：

·　周期长；

·　成本高；

·　大量依赖试错；

·　从假设、预测到实验验证之间存在巨大断层。

结构预测只是第一步。要真正改变药物研发，还需要把候选分子生成、性质预测、模拟筛选、湿实验验证等环节串起来。

因此，NovaAtom-Lite 的象征意义在于：AI for Science 正从“单点模型能力”走向“端到端科学工程”。

官方还透露，NovaAtom-Pro 将在未来几个月推出，早期湿实验结果看起来也较有前景。[#1] 这意味着下一步外界关注的重点，将不只是基准分数，而是它能否在真实实验和药物管线中被验证。

三、TermiX：让 Agent 不只会干活，还能“买服务、做结算”

第三条线索，来自智能体之间的商业协作。

一个很现实的问题是：AI Agent 能不能直接购买另一个 Agent 的服务？

这和在市场里搜索一个机器人完全不同。真正的交易至少包括四个环节：

1.　Discover：发现服务

2.　Order：下单并关联支付

3.　Deliver：服务方交付结果

4.　Settle：完成结算

平台上关于 TermiX 的技术帖称，其基于 AACP 构建 Agent family marketplace。以 Python SDK 为例，需要安全审计的 Agent 可以根据功能和声誉寻找服务方，通过 buy_listing() 下单，并连接托管支付与链上确认；服务方完成任务后通过 deliver() 提交结果，最后通过 settle() 完成结算。[#2]

这背后的变化是：Agent 不再只是调用工具，而是可能成为：

·　服务采购者；

·　服务提供者；

·　任务验收者；

·　支付与结算参与者。

换句话说，未来一个 Agent 的能力，不只取决于它自身模型多强，还取决于它能否安全地发现、购买并组合其他 Agent 的能力。

C724：当 Agent 成为 7×24 小时安全守卫

TermiX 同时提出 C724 Security Agents 倡议。这里的 C 指 Crypto，724 指每周 7 天、每天 24 小时。需要强调的是，官方表述中这不是一个已经完成的产品，也不是绝对安全认证，而是一项从 BNB Chain 开始的行业倡议。[#3]

该倡议出现的背景，是近期加密安全事件引发的持续关注。帖文提到，币安 10 月 29 日遭遇严重安全事件，11 月 3 日初步报告称约 63.4 亿美元数字资产受影响，其中约 28.5 亿美元被冻结或拦截。攻击链涉及虚假招聘、恶意下载、设备失陷、内部 AI 工具滥用及交易签名滥用等。TermiX 同时谨慎指出：现有披露并不能证明整个攻击由 AI 自主完成。[#3]

国内讨论者的一个判断很务实：安全预算里最容易算清的是审计报价，最难算清的是上线以后谁一直盯着。合约审计只覆盖某个时间点的某一版代码，但协议上线后会升级、权限会调整、依赖会变化，因此安全必须持续运行。[#28]

按照设想，成熟的 C724 安全 Agent 应承担四类工作：

·　持续监控：钱包权限、合约、管理员权限、预言机、异常资金流动、威胁情报；

·　分析告警：关联信号，解释受影响资产和原因；

·　受控响应：在预先授权前提下暂停操作、撤销权限或通知人类团队；

·　复盘协作：保存记录、共享情报，帮助其他防御系统学习。[#3]

不过，质疑也同样重要。有评论指出，一个“看见一切”的 Agent 仍可能“理解很少”。攻击者可以把行为拆散到多个钱包、多笔交易中，每一步看起来都正常，组合起来才构成攻击。因此，7×24 监控只是可用性承诺，并不等于准确性保证。[#29]

评估这类安全 Agent，至少要看三个指标：

1.　不同攻击模式下的检测准确率；

2.　从异常出现到形成可行动洞察的时间；

3.　对未知攻击的适应能力。[#29]

更重要的是权限边界。如果安全 Agent 自己掌握过大的转移资金或执行权限，它反而会成为新的攻击入口。因此，高风险动作必须有更强确认机制，人类不能从安全闭环中消失。

四、三件事放在一起看：AI 正在从“工具”变成“执行者”

Claude、NovaAtom-Lite 和 TermiX 分别处在不同赛道，但共同呈现出三个趋势。

1. AI 的竞争单位，从模型变成工作流

单点问答正在商品化。真正有粘性的，是嵌入业务流程的能力：

·　Claude 嵌入办公协作；

·　NovaDDE 嵌入科研流程；

·　TermiX 嵌入服务交易和安全响应。

未来用户购买的可能不是“一个模型”，而是一套能完成任务的系统。

2. Agent 的价值，不只是自动化，而是可验证地承担责任

办公场景要看修改记录和认证数据；药物研发要看实验验证；安全 Agent 要看告警依据、响应边界和复盘记录。

这说明 Agent 越深入现实世界，越需要：

·　权限控制；

·　过程留痕；

·　结果验证；

·　人类兜底。

3. 下一轮平台竞争，可能发生在“Agent 之间如何协作”

当一个 Agent 能发现另一个 Agent 的服务、下单、验收、结算，软件的组织方式就会变化。

未来可能出现的不是一个个孤立应用，而是一张动态服务网络：

·　办公 Agent 调用数据分析 Agent；

·　科研 Agent 调用模拟和实验 Agent；

·　安全 Agent 调用审计、监控、响应服务；

·　所有服务通过协议完成发现、评价、交付与支付。

这也是 TermiX、AACP 这类基础设施值得关注的原因。

结语：AI 的“入职仪式”才刚刚开始

Claude 新工具让 AI 走进会议、白板、表格和仪表盘；NovaAtom-Lite 让 AI 参与分子结构与药物发现；TermiX 则尝试让 Agent 之间形成可交易、可结算、可防护的协作网络。

它们共同回答了一个问题：

AI 的下一步，不是更会聊天，而是更会工作。

但越是如此，越不能只看演示和口号。办公软件要经得起真实协作，药物模型要经得起湿实验，安全 Agent 要经得起攻击和误报考验。

从今天开始，我们评估 AI 的标准也该变了：

不看它能说出什么，而看它能交付什么；不看它承诺多少，而看它如何被验证、被约束、被追责。

AI 的“入职仪式”已经开始。至于能不能转正，还要看真实世界里的每一次执行。