Anthropic周二发布了Claude Science,这是一个全新的AI科研工作台(workbench)。它为科学家提供了一个统一的计算研究环境,免去了在数据库、数据管道和各种工具之间频繁切换的麻烦。
值得注意的是,#Anthropic明确表示,#Claude Science“并非全新的AI模型,也非专门针对生物学定制的高能力模型”。它运行的是目前已向公众开放的相同Claude模型(包括Claude Opus 4.8),无需特殊访问权限,也不设门槛。
该工作台建立在Anthropic于2025年10月推出的Claude for Life Sciences基础之上。当时该产品主要通过增强Claude聊天机器人来提升其在生命科学任务中的表现,而如今的Claude Science则是一个专门用于开展此类工作的独立空间。
这一在“AI for Science”发布会上公布的举措,契合了Anthropic更广泛的战略目标:不甘只做模型提供商,而是要进一步掌控特定行业的“操作层”(operating layer)——正如Claude Code已成为软件开发的操作层一样。Anthropic正日益将增长赌注押在垂直、工作流级别的产品上,而非仅仅是底座模型的原始能力,这可能会重塑其与竞争对手的竞争和定价方式。
在具体工作原理上,一个主AI助手扮演科学家的“项目经理”角色。它连接了超过60个科学数据库,并内置了针对基因组学、蛋白质结构和化学等特定领域的预构建工具包。主助手还可以创建“子助手”来分担工作,类似于项目负责人将任务委派给专家,或者将工作移交给用户为自己研究定制的“专家”助手。最后,一个独立的事实核查AI(fact-checker AI)会在任何内容发表前,对引用文献和计算结果进行双重检查。
这一事实核查步骤至关重要,因为越来越多的AI辅助写作导致虚假引用和无法验证的数据混入学术论文。不过,这仍然是底层模型在“自我检查”,而非引入了独立的第三方信任源。
Anthropic表示,Claude Science还通过其他方式确保研究的可重复性(reproducibility)。例如,该工作台可以生成3D蛋白质结构和化学结构式等图表,并附带生成这些图表的代码。据官方介绍,每张图表都包含“生成它的精确代码和环境、对创建过程的通俗语言描述以及完整的消息历史记录”。科学家还可以通过自然语言直接编辑图表,触发智能体修改底层的代码,从而节省大量时间。
另一个能为实验室节省时间的设计是,Claude Science可以运行在实验室自己的基础设施上,而无需将敏感数据发送到Anthropic的云端服务器。
早期用户表示他们已经将其投入实用。例如,艾伦研究所(Allen Institute)的神经科学家Jérôme Lecoq利用该工具构建了多智能体计算评估管道;加州大学旧金山分校(UCSF)脑肿瘤中心的Stephen Francis团队则依靠Claude Science,将胶质瘤的全面胚系分析速度提升了数倍,耗时缩短至极短的时间。
Anthropic推出Claude Science,标志着大模型竞争进入了从“拼参数”到“拼工作流”(Workflow-centric)的深水区。在学术界和生命科学领域,AI的瓶颈往往不在于底座模型的智商,而在于繁杂的数据清洗、工具链整合以及结果的可信度。通过引入类似“主-子智能体”(Parent-Child Agents)的多智能体架构,并融入事实核查和本地部署能力,Claude Science构建了一个高壁垒的科学操作系统。横向对比OpenAI以GPTS为主的通用生态,Anthropic选择的“垂直深耕、工作流嵌入”策略,不仅增强了B端客户(尤其是对数据隐私极度敏感的医药与科研机构)的粘性,更展示了AI Agent从简单的聊天助手演进为复杂、严谨的科研协同网络的必然趋势。这种场景定义能力,才是未来Agent生态最核心的护城河。