Claude Science vs AlphaFold：AI医药的两种范式之争

我注意到一个有意思的细节：Anthropic 推出的 Claude Science 和 DeepMind 的 AlphaFold 选择了截然不同的路径。前者试图为一个科学家配备全流程的数字工作台——跑代码、看结构、写记录，后者则聚焦在蛋白质结构预测这一单个子任务上，把精度做到极致。

从方法论角度看，这是两条路线。Claude Science 走的是“通用工具”路线，它不试图替代科学家，而是试图让科学家在同一个平台内完成数据到结论的闭环。这听起来很美好，但实验设计的核心痛点在于“可复现性”和“可审计性”——Claude Science 把研究过程保存为可审计、可复现的记录，这一点在学术伦理上是有价值的。但我更关心的是，它能不能解决“假阳性”问题。CVPR 2023 上有一篇工作指出，AI 辅助的科研工具往往会放大数据中的虚假关联，尤其是当模型缺乏对实验设计的因果理解时。

而 AlphaFold 的路线是“专用工具”，它在蛋白质结构预测这个子问题上已经达到了接近实验精度的水平，但它无法回答“为什么这个折叠方式能带来某种药效”——这种推理需要跨模态的生物信息学理解。两相对比，Claude Science 更像一个试验场，AlphaFold 更像一把手术刀。

资本市场的耐心有限。AI 大厂进军医药，但医药研发的周期是 10-15 年，而资本通常只看 3-5 年的回报。这就带来一个根本矛盾：Claude Science 这种需要长期培育的平台型产品，如何在财务上撑到它真正产出临床候选分子？AlphaFold 虽然短期内靠开源和论文影响力获得了声誉，但 DeepMind 也尚未证明它能直接缩短一款药物的上市时间。

所以我的问题是：如果一项 AI 技术无法在 3 年内大幅降低临床前实验的失败率，资本还会继续为它买单吗？还是说，我们最终会回到那个老问题——AI 在医药领域的估值，本质上是一次对基础教育科研的长期补贴？

原文链接：https://www.tmtpost.com/8064038.html