大模型竞赛落幕？顶尖 AI 公司纷纷转向生物医药，背后是什么信号

摘要

斯坦福学者提出一个大胆预判：头部 AI 企业，未来都会走向生物技术赛道。OpenAI、Anthropic 已经入局新药研发，这究竟是资本风口，还是 AI 发展的必然方向？

1 一个惊人预判：AI 巨头的终点，会不会是生物医药

斯坦福神经科学教授 Andrew Huberman 在播客里抛出一个极具争议的观点：Meta、OpenAI、Anthropic 这类顶尖 AI 公司，最终都会转型成为生物技术企业。 

很多人第一反应难以理解：这些公司明明靠大语言模型出圈，为什么要跨界去做周期漫长、风险极高的生物医药？ 这不是单纯的猜想。2026 年以来，一批 AI 巨头、AI 科研 Agent 公司已经悄悄布局生命科学赛道，从提供工具，深度参与到新药研发的全流程当中。

很多人混淆两种模式，一类是 AI 公司给药企卖模型、做数据分析服务；另一类是下场自建管线、拥有自有候选药物。后者才是真正意义上向 Biotech 公司靠拢，门槛和风险都会成倍提升。

2 Anthropic 率先下场：不止提供工具，自研新药管线

近期 Anthropic 发布报告，披露 Claude 在药物研发上的阶段性成果，已经和多家生物医药企业开展深度合作。 在合作案例中，Claude Code 参与改造 CAR-T 疗法的基因构件，大幅精简序列、提升受体表达效率；还辅助优化抗体分子，短时间内完成上千种分子变体的设计与测试。 

最受行业关注的，是它收购 Mithril Medicine 的案例。这家初创团队规模极小，依靠 Claude 串联合同、实验、物流和数据，联动 11 家外部实验室，推动罕见病候选方案快速进入小鼠实验阶段。 业内把这种新模式叫做 “Pipeline-in-a-Person”：少数科研人员，依靠 AI 调度外部实验资源，完成过去大型研发团队才能推进的项目。

3 不止 Anthropic，多家头部企业押注生命科学赛道

Anthropic 并不是特例。OpenAI 推出专门面向生命科学的 GPT-Rosalind，配套研发工作台，把基因组学、蛋白质工程、化学分析能力整合在一起，服务科研人员。 Google DeepMind 旗下的 Isomorphic Labs，路线更加激进：自主生成实验数据、训练专用模型、搭建实验基础设施，目标是打通从分子设计到临床开发的完整链条。 

除此之外，原本做 AI 文献检索的创业公司，也在往研发决策环节延伸。Elicit 不再只是帮科学家检索论文，它的智能体开始介入适应症评估、临床试验方案设计；Phylo 和拜耳达成合作，搭建整合文献、组学证据的科研工作环境。 

这些玩家走出三条不同路径：做垂直科研模型、深度参与研发合作、自建完整药物研发体系。

4 为什么生物医药，成为 AI 的新主战场

生物医药之所以吸引 AI 巨头集中涌入，有三层底层逻辑。 第一，生物医药属于典型的高知识密度行业，海量论文、专利、实验数据分散在各处，大量隐藏的关联没有被挖掘，也就是行业所说的 Insight Overhang。AI Agent 最擅长在海量碎片化信息里，找到被人忽略的线索.

Insight Overhang 通俗理解：已经公开的科研数据里，藏着很多尚未被发现的结论和关联，只是人类的阅读、梳理速度跟不上数据增长速度，AI 恰好补上这个短板。

第二，生命科学可以给 AI 一套可验证的反馈闭环。普通文本生成很难判断真假对错，但 AI 设计的分子能不能结合靶点、有没有活性，可以通过生物实验验证，这是检验 AI 科学推理能力最好的场景。 

第三，传统新药研发成本高、失败率高，AI 有机会压缩前期试错成本，重塑整个产业的组织方式。

5 理性看清边界：AI 能设计分子，不等于能造出新药

这里有一个很容易踩的认知误区：AI 在临床前阶段取得进展，不等于能顺利推出上市新药。 一篇行业综述明确提醒：目前仍然缺少足够证据，证明 AI 可以提升新药的临床成功率。

AI 可以快速生成大量候选分子，但动物实验、人体临床试验环节的不确定性，AI 很难预判。 AI 公司入局生物医药，会分化出多种商业模式：出售模型工具、承接研发项目、自建药物管线。

哪一种模式能够跑通，现在还没有定论。模型能力、实验资源、医药监管经验，每一环都缺一不可。

6 趋势背后的思考：AI 的竞争，从文字走向真实世界

回到最初的问题，AI 公司最终都会变成生物医药公司吗？ 如果理解成全部转型为制药企业，这个结论为时过早。但如果把范围扩大到生命科学、神经技术、生物计算，这个趋势已经清晰可见。 

大模型比拼文字能力的红利正在收窄，下一步的竞争，是用 AI 去理解、干预真实的生命系统。未来，模型公司、药企、科研信息服务商之间的边界，会慢慢模糊。 

Huberman 这个预判最大的价值，不在于精准预言企业归宿，而是提醒我们：AI 的主战场，正在从文字对话，转向真实世界的科学探索。

观点

AI 巨头扎堆布局生物医药，标志着 AI 竞争正式进入新阶段：单纯比拼对话、文案生成的时代慢慢过去，AI for Science，尤其是生命科学，成为新的竞争高地。 

我们不必过度炒作 “AI 制药神话”。AI 擅长加速文献梳理、分子筛选、方案设计，但临床试验、安全性验证、医药合规，依旧是人力、实验资源主导的硬核环节，漫长的验证鸿沟无法跳过。 这一轮浪潮带来的变化，不只是新药研发效率提升，更催生了单人科研管线这类全新组织模式。

对科研从业者来说，未来的核心能力，不是和 AI 比拼检索、整理，而是学会驾驭 AI，提出有价值的科学假设，判断实验结果的风险与价值。技术浪潮之下，懂科学、懂 AI 的跨界人才，价值会持续放大。