如果你身边有做科研的朋友，问问他的一天是怎么过的，大概率会听到这样的答案：

早上到实验室，先打开 PubMed 搜文献，搜到了再导入 Zotero 管理；然后切到 Jupyter 写分析代码，跑完了等集群排队；结果出来了换 R 语言画图，最后又跑到 Word 里写论文。

一天下来，真正用来思考科学问题的时间，可能连三分之一都不到。 剩下的时间，全耗在各种工具之间来回切换、各种格式互相转换上了。

这不是某个人的问题，而是整个科研圈默认接受的"行业成本"——工具碎、数据散、流程长，每个人都在重复造轮子。

但最近，一件大事发生了：Anthropic 推出了 Claude Science，一个专门给科研人员做的 AI 工作台，直接向这套碎片化的工具链宣战。

先搞清楚：它到底是什么？

先说最重要的一点：Claude Science 不是一个新的 AI 模型。

Anthropic 自己明确说了，它跑的就是大家都在用的同款 Claude 模型，没有什么"科研专属加强版"。

它的厉害之处，在于模型外面那一圈东西——工具、数据库、执行环境、智能体框架。打个比方：

• Claude 本身就像一个特别聪明的人，但赤手空拳；
• Claude Code 给了这个聪明人一整套程序员的工具箱；
• Claude Science 则给了他一整套实验室的装备
  ——文献库、数据库、计算集群、绘图工具，全都配齐了。

你可以把它理解成一个"科研版的 AI 助手"：你用大白话告诉它你想做什么，它自己去查数据库、跑代码、画图表、整理结果，最后把完整的分析交到你手上。

它到底厉害在哪？四个核心能力说清楚

1. 不是一个AI在干活，是一组AI团队协作

这是 Claude Science 最核心的设计：它不是一个对话框跟你有问必答，而是三层智能体搭成的小团队。

最外面的是**"总指挥"智能体**——它负责听懂你说的话，制定计划，分配任务。比如你说"帮我分析一下这个基因和某类癌症的关系"，它会把任务拆成好几步，然后分给下面的专业智能体去做。

中间的是**"专家"智能体**——有搞基因组学的、有搞蛋白质的、有搞化学信息学的，各管一摊。总指挥遇到什么问题，就叫对应的专家上。你也可以自己训练专属智能体，让总指挥调用。

最里面还有一个**"审核员"智能体**——专门负责检查：引用的文献对不对？数字和原始数据对得上吗？图表和生成它的代码一致吗？相当于给整个分析上了一道保险。

2. 60多个科学数据库，一句话就能查

做生命科学研究的人都懂一个痛：数据太散了。

想查蛋白质序列？去 UniProt。想查三维结构？去 PDB。想查基因组注释？去 Ensembl。想查小分子活性？去 ChEMBL。每个数据库有自己的网址、自己的查询方式、自己的数据格式。把这些数据凑到一起做个分析，光数据整理就能花掉一周。

Claude Science 把这 60 多个数据库全接进来了。 你不用记每个库怎么用，也不用写数据转换脚本，直接用自然语言提问，它会自己去跨库查询、整合、分析。

更厉害的是，它还接入了 NVIDIA 的三个重量级生命科学模型：Evo 2（预测基因突变的影响）、Boltz-2（预测蛋白质三维结构）、OpenFold3（蛋白质结构预测）。这些模型以前需要专门的团队部署才能用，现在一句话就能启动。

举个数字：130 万个细胞的单细胞数据预处理和聚类，以前要 52 分钟，现在用加速后只需要 25 秒。

3. 每一步都有记录，结果能复现

科研圈有个老大难问题：很多实验结果复现不出来。过了几个月回头看，连自己都记不清当时这张图是怎么画出来的了。

Claude Science 把"可复现"直接嵌到了骨子里。它生成的每一张图表，都会同时保存：生成这张图的代码、运行环境、完整的对话历史，还有一段大白话解释"这张图是怎么做出来的"。

几个月后你想复现？上下文全在那儿。

而且改图也特别方便——你不用重新写代码，直接说"把网格线去掉""把Y轴改成对数刻度"，它会自动修改背后的代码，而不是重新生成一张看起来差不多的图。每一步修改都有记录。

还有一个很实用的设计：会话分叉。你想试试两种不同的分析方案？直接克隆当前会话，两条路各跑各的，最后对比结果就行，互不干扰。

4. 从笔记本到超算，计算资源统一管

做计算生物学的，笔记本电脑肯定不够用，动不动就要跑集群。以前的流程是：分析做到一半，停下来写任务脚本，提交到集群排队，等半天结果出来了，再拉回来继续分析。

Claude Science 把这个流程也打通了。你的 HPC 集群通过 SSH 就能接进去，也可以用 Modal 按需申请 GPU 资源，从一张卡到几百张卡都能扩。

它会先给你一个执行计划，你审核通过了它才提交任务。最重要的是：所有数据处理都在你自己的基础设施上完成，只有上下文会发给 Claude 模型，敏感数据不会离开你的系统。

真的有人在用，而且效果惊人

说这么多，不如看几个真实案例。这些都是 Anthropic 发布时公开的 beta 测试用户的实际使用情况。

但它不是万能的，这些坑要知道

吹了这么多，得客观说一句：Claude Science 目前还是公测版，有不少明显的短板。如果你打算认真用，这些坑得提前知道：

还有几个真实用户的反馈值得参考：

• 找文献的能力很强，基本和人自己找的差不多，但从论文里提取数据整理成图表的效果还比较差；
• 有研究者测试后说，它设计的实验方案大概是"一年级博士生的水平"，在专业领域的深度还不够；
• 自定义技能的功能很强大，但目前文档和示例都比较少，需要一定的技术基础才能玩得转。

说白了，这是一个早期版本的产品——有令人眼前一亮的亮点，也有很明显的硬伤，离"每天离不开的工具"还有几个版本的距离。

最后说几句

Claude Science 最让人兴奋的地方，不是它有多强，而是它指明了一个方向：

AI 不应该只是一个聊天框，而应该是一个真正能干活的工作台。

对生命科学领域的研究者来说，现在就可以去试试——哪怕只是用来查文献、整理数据、画个初稿图，也能省下不少时间。其他领域的研究者，或者对数据合规要求很高的团队，可以再等等，等它更成熟一些。

科研这件事，最宝贵的从来不是工具，而是人的好奇心和判断力。AI 能做的，是把那些琐碎的、重复的、耗时间的活接过去，让人把精力留给真正需要思考的问题。

这一天，可能比我们想象的来得更快。