夜雨聆风2026 年 5 月 19 日， OpenAI 联合创始人之一、 ChatGPT 故事最重要的早期推动者之一 Andrej Karpathy ，宣布加入 Anthropic 的预训练团队。 Axios 把这件事称作"talent war 中决定性的一击"。
Karpathy 自己只在 X 上留了一句解释：未来几年的 frontier LLM 工作"会特别 formative"。
翻译一下， formative 是"塑造性的"——是一个人能亲手塑造，而不是被塑造。一个曾经塑造过 OpenAI 的男人，跳到了竞争对手那里，理由是去那边能继续塑造一些什么。这件事如果发生在三年前，没人能相信。
但 2026 年的硅谷，这只是一场更大迁徙的最新一帧。
人才在流动，赌注在加码——这其实是同一件事。
那次没人愿意复述的分裂
故事的起点是 2020 年底那个尴尬的冬天。
OpenAI 的安全研究负责人 Dario Amodei 和他的妹妹 Daniela ，带着大约七位核心研究员从 OpenAI 出走。官方说法是"研究方向分歧"，圈内流传的版本则更具体——这群人觉得 OpenAI 在和微软深度绑定之后，已经不可能再把"安全"放在比"产品"更优先的位置。
一年后，Anthropic 拿到 1.24 亿美元的 A 轮，开始组队。当时硅谷大多数人对它的判断是：又一个理想主义者的小作坊，做不大。
谁也没想到，这个"小作坊"在五年之后，会变成那个让整个行业的顶尖工程师集体投奔的地方。
DeepMind 的故事则要更早。 2010 年， Demis Hassabis 在伦敦创立了 DeepMind ， 2014 年被谷歌以 5 亿美元收购。 Hassabis 是个传奇人物： 13 岁拿到国际象棋大师头衔， 16 岁进入剑桥读计算机科学，后来又跑去伦敦大学学院读了神经科学博士。他从一开始就有一个执念——用 AI 解决生物学问题。
2016 年 AlphaGo 击败李世石，让 DeepMind 一夜成名。但 Hassabis 真正在意的从来不是下棋。 2018 年的 AlphaFold 1 ， 2020 年的 AlphaFold 2 ， 2024 年的 AlphaFold 3——这一连串模型把"蛋白质结构预测"这个困扰生物学界半个世纪的难题，硬生生从"几十年解一个"压到"几分钟解一个"。 2024 年， Hassabis 和同事 John Jumper 因此与 David Baker 共同获得诺贝尔化学奖。
这是一个值得在脑子里多停一秒的事实：在 OpenAI 还在卖 ChatGPT 订阅、 Anthropic 还在打磨 Claude 的时候， DeepMind 已经拿到了诺贝尔奖。
一条单行道
2022 年 11 月 30 日， ChatGPT 发布。五天破百万用户，两个月破亿。这是互联网史上从来没有过的曲线。
但就在所有人为之疯狂的时候， OpenAI 内部的张力开始撕裂。 2023 年 11 月，董事会突然解雇 Sam Altman ，又在五天后请他回来。这场"宫斗"留下的伤口比公开报道的要深得多——首席科学家 Ilya Sutskever 退场，超级对齐团队的负责人 Jan Leike 在 2024 年 5 月公开辞职，留下一句广为流传的话：
"在过去几年里，安全文化和流程已经让位给了闪亮的产品。"
Jan Leike 第二天就加入了 Anthropic 。
从那一天开始， OpenAI 到 Anthropic 的人才流向变成了一条单行道。 Business Insider 在 2025 年 6 月引用 SignalFire 的数据：从 OpenAI 跳到 Anthropic 的工程师，比反向流动多 8 倍；从 DeepMind 跳到 Anthropic 的，多 11 倍。这不是噪声，这是一场系统性的迁徙。
而 Anthropic 自己的留人能力呢？ Anthropic 全球招聘负责人 Nick Lewis 后来给出过具体数字：技术岗位 offer 接受率 88%，员工留存率 80%。这两个数字在硅谷顶级公司里都是极度异常的存在——同期 Meta 的工程师留存率大约 64%， Google 只有 56%。
一个被低估的理由
主流的解释通常有两个：第一，安全焦虑——研究员认为 Anthropic 的安全文化更让人安心；第二，钱——Anthropic 给的股权预期回报高。
这两个理由都成立，但都没说到根上。
真正的核心是另一个东西：个人对公司轨迹的影响力。
这一点，研究员 Nicholas Carlini 在 2025 年 3 月那篇宣布从 DeepMind 离开的文章里写得很坦率。他在 DeepMind 待了七年。要去 Anthropic 时他大致这么说：在大公司，你做的事情会被组织流程稀释、会被产品规划改写、会被汇报链条拉长；但在 Anthropic ，一个研究员的判断可以直接决定一条产品线的走向。
Anthropic 的组织设计配得上这个描述。根据多个内部访谈披露的信息， Anthropic 的工程文化建立在"小而自治的团队，端到端拥有项目"上。一个团队几个人，决策链短，从研究到部署整个垂直打通。同样的研究员在 Google 可能是某个 100 人项目里的螺丝钉，在 Anthropic 可能就是一个产品方向的实质 owner。
这件事最极端的体现是：在过去 14 个月里，有 6 位行业知名公司的 CTO 接受了 Anthropic 的 IC （ Individual Contributor ，独立贡献者）岗位——也就是说，他们放弃了 CTO 这种管理位，去做一线工程师。
如果不是亲眼看到，几乎不可能相信。一个人为什么愿意从 CTO 降到 IC ？只有一个解释：他相信在这里写的代码，比在别处当 CTO 更能改变世界。
把这条故事线拉开看，从 2020 年底 Amodei 兄妹出走到 2026 年中 Karpathy 加入， AI 顶级人才的流向有三股力量在共同作用：安全焦虑的反向选择、个人主导权的拉力、使命叙事的清晰度。这三股力量加起来，把人才的流向拧成了今天这个样子——从大平台流向小实验室，从产品公司流向研究公司，从管理岗流向贡献者岗。
但故事到这里只讲了一半。
这些被吸引来的顶级人才，一旦聚集到一定密度，他们会决定下一个赌局押在哪里。而 2025-2026 年的现实是——他们一致地把赌注押到了生命科学。
压缩的 21 世纪
2024 年 10 月， Anthropic 的 CEO Dario Amodei 发表了一篇长达 14000 字的雄文《 Machines of Loving Grace 》。
这篇文章在 AI 圈被反复引用，因为它第一次系统地回答了一个问题——如果强 AI 真的实现了，世界会变成什么样？ Amodei 给出了一个具体概念："compressed 21st century"（压缩的 21 世纪）。
"在强 AI 出现之后的几年内，我们将完成生物学和医学领域整个 21 世纪本应取得的进展。"
50 到 100 年的医学进展，压到 5 到 10 年里发生。这不是煽情口号，是一个判断。
更关键的是， Amodei 给出了路径： AI 不是去做生物实验，而是去做"百万个虚拟的诺奖级科学家"——读论文、设计实验、解释数据、提出假设。生物学的瓶颈从来不是手不够多，而是顶级头脑不够多。 AI 的价值在于把"顶级科学家级别的认知能力"变成可大规模复制的资源。
这篇文章发表的时间点很微妙——2024 年 10 月，正好在 Hassabis 和 Jumper 拿诺奖前后。整个 AI 圈在那个秋天突然形成了一个隐性共识：生命科学不是 AI 的应用领域，是 AI 的下一个主战场。
为什么是生命科学，不是金融、不是法律、不是教育？三个理由叠加：
第一，市场规模够大。全球医药行业一年 4 万亿美元的盘子，研发管线长期低效——一个新药平均花 26 亿美元、 12 年时间，临床通过率只有 10%。任何能把这个数字哪怕降一半的技术，都是万亿美元级别的颠覆。
第二，问题结构匹配 AI 的能力。蛋白质结构预测、分子设计、临床数据分析、文献综合——这些都是"高维信息处理"问题，正好是大模型最擅长的。 AlphaFold 已经证明了这条路走得通。
第三，社会叙事正向。把 AI 用在金融或者广告上，公众会怀疑你在剥削；把 AI 用在治病救人上，公众的接受度高一个数量级。在 AI 监管压力日益增大的 2025-2026 年，"治病救人"几乎是唯一不会被攻击的故事线。
三个理由凑在一起，三家巨头不约而同地下注了。但每一家的下注方式，差别巨大。
三种打法
Isomorphic Labs （ DeepMind ）走的是垂直整合的最早一条路。
2021 年 11 月， Hassabis 把 Isomorphic 从 DeepMind 内部分拆出来，自己同时担任两家 CEO 。这种双肩挑的安排本身就说明了 Hassabis 对生命科学的执念有多深。
之后的演进路径是教科书级别的"技术优势变现"： 2024 年 1 月，和 Eli Lilly 签下高达 17 亿美元的合作协议，和 Novartis 签下 12 亿美元——一周之内拿下三十亿美元的合作总价。 2024 年 5 月发布 AlphaFold 3 ，从"看懂结构"走到"设计药物"。 2025 年 3 月完成 6 亿美元 Series A 。 2026 年 5 月再融 21 亿美元。 2026 年 4 月，Isomorphic 的第一款 AI 设计的肿瘤药进入人类临床试验——原计划 2025 年开始，被推迟了一年。
Isomorphic 不卖工具、不卖 SaaS ，它自己做药。它不是 SaaS ，它是一家用 AI 工具武装到牙齿的新型药厂。
OpenAI 走的是"实验性押注"的轻资产路线。
OpenAI 没有自己设立子公司，而是通过 Sam Altman 个人投资的 Retro Biosciences 来切入。 Retro 创立于 2021 年，目标是给人类多增加 10 年健康寿命。 Altman 个人投了 1.8 亿美元，是这家公司最大的金主。
2025 年 8 月 22 日， OpenAI 在官网公布了一项合作成果：他们用一个为生物学优化的 GPT-4 变体（被内部称为 GPT-4b micro ），重新设计了 Yamanaka 因子——也就是把成体细胞重编程为干细胞所需要的几个关键蛋白。结果是新版 Yamanaka 因子比原始版本的细胞重编程效率高了 50 倍。
这个成果有多硬核？ Yamanaka 因子是 2006 年山中伸弥发现的，后来获得诺贝尔奖。 20 年来无数实验室都在试图改进，最好的人类设计也只能提升几倍。AI 一上来就提升 50 倍——这是肉眼可见的代差。
但 OpenAI 在生命科学领域明显有一个战略困境——它的注意力太分散了。 2025-2026 年这一年里， OpenAI 同时在做： Sora 视频模型、 ChatGPT 社交化、自研芯片、企业级 Agent 、教育产品。 Mark Cuban 在 2026 年 5 月公开批评 Altman ："all over the map"——撒得太广，迟早会出问题。
说白了就是， Anthropic 把生命科学当成了"代码之后的第二大押注"， DeepMind 通过 Isomorphic 早就梭哈了，OpenAI 在这条赛道上是三家里最不专注的那一个。
Anthropic 是后发的那一个，但来得猛。
转折点是 2025 年 8 月。 Anthropic 从一家诊断创业公司挖来了 Eric Kauderer-Abrams ，让他从零搭建生命科学团队。 Kauderer-Abrams 的背景很有意思——斯坦福电子工程出身，做过创业 CEO ，但不是传统意义上的生物学家。这个选人逻辑本身就很 Anthropic ：他们要的不是一个领域专家，而是一个能把工程化思维带入生物学的人。
之后的动作非常密集： 2025 年 10 月 20 日， Claude for Life Sciences 正式发布，合作伙伴包括 AbbVie 、 Sanofi 、 Novo Nordisk 、 Genmab 。 2026 年 1 月 11 日 JPM Healthcare 大会上发布 Claude for Healthcare 。 2026 年 4 月，Anthropic 用 4 亿美元股票收购了 Coefficient Bio——一家只有不到 10 人、成立 8 个月的隐秘创业公司。
这次收购让整个生物科技投资圈震动——4 亿美元给一个 10 人不到的 8 个月公司，这种价格只能用一个词解释：抢人。
Kauderer-Abrams 在 2026 年 5 月 SynBioBeta 大会上把 Anthropic 的目标说得非常直白："把生命科学的整个 R&D 时间线压缩 10 倍。"
不是泛泛口号，是 Anthropic 内部已经成文的战略目标。
药厂到底买谁的账
抛开三家自己的官方叙事，真实的药厂买谁的单？
从 Anthropic 公布的合作伙伴看， AbbVie 、 Sanofi 、 Novo Nordisk 、 Genmab 都是 Claude 的客户。从 Isomorphic 的合作看， Lilly 、 Novartis 、 Johnson & Johnson 是它的合作方——但注意，这是"研究合作"，不是 SaaS 采购。 OpenAI 在药厂端公布的大型合作很少。
这里面有个重要的格局判断：药厂正在用两种钱。
一种钱用来"买工具"——这部分主要给 Anthropic 和 OpenAI ，是 LLM API 调用费、企业版订阅。另一种钱用来"做联合研发"——这部分主要给 Isomorphic 和少量 AI biotech 创业公司，是项目里程碑付款 + 上市分成。
这两种钱的逻辑完全不同。买工具是在赌"AI 会让我的研发提效"，做联合研发是在赌"AI 自己能设计出更好的药"。前者的盘子大但单价低，后者的盘子小但单笔金额惊人。
Anthropic 和 OpenAI 在打第一种生意， Isomorphic 在打第二种。两边短期内都有得做。但如果 Isomorphic 三五年后真的有药上市，整个产业的预算会重新分配——大药厂可能会发现，"和 AI 公司联合研发"比"自己用 AI 工具研发"性价比高得多。那时候 Anthropic 和 OpenAI 必须做出选择：要么进军做药，要么甘心当卖铲子的。
鼎的三条腿不在同一个层面上
把镜头拉到 2026 年 6 月，三家的格局是这样的：
Isomorphic 是这场比赛里唯一在做"终局产品"的玩家。它的赌注是"用 AI 重新发明药厂"，这是个 50 年级别的赌注，赢了会改写整个医药行业的成本结构。
Anthropic 在做"基础设施 + 垂直化"。它的赌注是"做 AI 时代的 Bloomberg"——所有需要做药的人都用 Claude ，就像所有金融人都用彭博。这是个 10 年级别的赌注。
OpenAI 在做"实验性押注"。它的赌注是"我的模型能在任何领域产生超人类成果"，生命科学只是诸多证明场之一。这是个机会主义赌注。
三家不是在同一个市场里抢同一块饼，而是在不同的层级上各自押注。这反而是这场竞争最有意思的地方——它不是零和的。理论上三家都可以赢，前提是它们各自的赌注路径都成立。
但更现实的可能是，三家都会在 2027-2028 年之间被迫做一次战略收敛。 Isomorphic 要等临床数据，等到了估值翻几倍，等不到估值崩盘； Anthropic 要决定是不是从卖 token 升级到做药； OpenAI 要决定生命科学到底是 side bet 还是核心战场。
临床端的硬墙
这场竞争里最关键的一堵硬墙，是 Isomorphic 的临床推迟一年。
原计划 2025 年开始的临床，推到了 2026 年。这件事说明就算是模型最强的那一家，"AI 设计的药能治病"这件事仍然要服从生物学和监管的硬约束。 AI 可以让药物设计变快，但不能让人体试验变快。
注意，我们没有说 AI 制药这条路走不通，只是陈述一个客观事实：临床医学的复杂度远超蛋白质结构预测——人和小鼠不一样，人和人也不一样，这些是 AI 目前并没有真正攻克的问题。
最危险的剧本，是 Isomorphic 的第一个临床试验失败——不是技术失败，是生物学失败。 AI 设计的化合物在动物身上表现完美，到人身上出了无法预测的毒性或者无效。
这件事的概率不小。如果 Isomorphic 的旗舰肿瘤药在 Phase 1 失败，整个"AI 制药"的叙事会被打回原形。投资人会重新审视所有 AI biotech 的估值， Anthropic 和 OpenAI 在生命科学的故事也会被打折。
更危险的版本是，临床失败的原因被外界归结为"AI 模型在生物学上的根本局限"，这会引发对 AGI 路径的质疑，进而冲击三家公司的整体估值。
这就是为什么 2027-2028 年 Isomorphic 的第一个临床读出，会成为整个 AI 制药叙事的"成人礼"。它不是 Isomorphic 一家的事，是整个赛道的事。
同一件事的两个面
文章开头说，顶级 AI 人才正在从谷歌等传统巨头流向 Anthropic ，深层原因是后者能提供"个人主导并改变公司轨迹的成就感"。我把人才迁徙和生命科学押注当成了两件事来讲。
但写到这里发现——它们其实是同一件事的两个面。
人才迁徙是因，生命科学押注是果。一个研究员选择去 Anthropic 而不是 Google ，本质上是因为他相信"在这里我做的事更能改变世界"。当 Anthropic 把这群最相信"改变世界"的人聚集起来之后，他们集体的判断是：下一件最值得做的事，是用 AI 解决疾病。
反过来也成立——生命科学押注又强化了人才迁徙。一个研究员加入 Anthropic 是因为这里有 Karpathy ，这里有 Kauderer-Abrams 在搭生命科学团队，这里在做"用 AI 治病"这种值得讲给孙子听的事。 Google 当然也有 Isomorphic ，但 Isomorphic 在 DeepMind 的报告链里只是"业务部门之一"；在 Anthropic ，生命科学被官方定义为"代码之后的第二大押注"。
这种叙事密度的差别，是组织设计的差别，最终是人才聚集程度的差别。
过去 500 年，人类先工程化了物理世界（机械、电气、计算机），然后是信息世界（互联网、移动计算）。生命科学一直是工程化的最后一个堡垒——因为生物系统的复杂度太高，没有任何一个人脑能完全把它装进去。
AI 的出现，是第一次给"工程化生物"提供了一个可能的钥匙。 AlphaFold 把蛋白质从"研究对象"变成了"设计对象"。 Retro 的 50 倍重编程提升说明 AI 在生物学上不只是"加速器"，而是"超越器"——它能找到人类几十亿年进化都没找到的解。
如果这条路真的走通， 21 世纪后半叶人类对疾病的关系，会和过去 5000 年完全不同。这就是为什么 Hassabis 、 Amodei 、 Altman 都把这件事当成第一优先级——这不是另一个商业机会，这是改变物种命运的机会。
人才之所以涌向能让自己"主导改变公司轨迹"的实验室，是因为这些人知道——这一次，公司轨迹改变的不只是公司，是人类的轨迹。
回到文章开头那句话——"个人主导并改变公司轨迹的成就感"。把它读到最深处，这个成就感的真正来源不是个人英雄主义，而是参与到一件比公司大得多的事情里。生命科学就是那件事。
而 AI 三巨头之所以打得这么凶，因为它们都看到了——这场竞争的奖品不是市值，是历史地位。
