Anthropic 證實正在運作一個用於生物實驗的濕實驗室

Anthropic 已證實其在灣區營運一座生物學濕實驗室，讓其 AI 模型能從電腦運算假設一路走向實體實驗。這項揭露使該公司成為正在打造超越模型訓練與軟體能力的 AI 開發者之一，但其管理層同時仍警告，先進 AI 可能帶來嚴重的生物與存在性風險。

該公司生命科學負責人 Eric Kauderer-Abrams 告訴 Reuters，Anthropic 已經在進行實驗室工作，因為真實世界的實驗仍是檢驗生物理論的 निर्ण定性測試。TechCrunch 報導了這座實驗室的存在，並表示 Anthropic 將其主要重點描述為基礎生物學，而非藥物發現。

Anthropic 的實驗室將研究帶入物理世界

Anthropic 並未透露這座實驗室在灣區的具體位置、員工配置、設備、預算、研究計畫或正在進行的具體實驗。公司表示，該設施的運作方式與其他生技實驗室類似，有些工作在內部進行，另一些專案則與外部合作夥伴共同推進。

這樣有限的揭露雖然把核心事實說清楚了，但也讓營運規模變得不明確。Anthropic 並不只是拿模型來摘要科學論文或提出實驗流程。該公司擁有一個可進行生物構想測試的實體研究環境，而由此產生的資料反過來也可能影響未來模型的使用。

這一步緊接著 Anthropic 在 4 月收購了處於隱密狀態的 AI 生技公司 Coefficient Bio。這筆收購為其擴展到以實驗室為基礎的研究提供了明顯基礎，但現有證據並不足以確認 Coefficient Bio 的技術、團隊或研究計畫中哪些部分如今已在 Anthropic 內部使用。

該公司也曾發表與蛋白質設計及生物分子建模相關的研究。這些發表顯示出其對計算生物學的興趣，但單憑這些內容，並不能證明 Anthropic 的模型已產生成功的生物介入，或具商業可行性的發現。

基礎生物學，而非藥物開發業務

Anthropic 所強調的基礎生物學，似乎是為了將這座實驗室與傳統製藥研究組織區隔開來。公司拒絕透露具體專案，並告訴 TechCrunch，藥物發現並非該設施的主要重點。

這項區分很重要，因為 Anthropic 已與生命科學領域的大型公司合作。公司最近宣布與 Novo Nordisk 展開合作，聚焦於共同藥物發現，此外還有其他大型企業客戶與合作夥伴。如果 Anthropic 看起來正在開發競爭產品，或對使用客戶資料產生的發現主張權利，這些組織可能會感到擔憂。

當 Anthropic 推出被視為與客戶競爭的產品時，過去在其他市場也曾出現類似緊張。在生物領域，這種潛在衝突更為敏感：製藥公司或許願意購買 AI 工具，但不太願意與一家正在建立自身競爭性科學能力的供應商分享寶貴的研究工作流程。

Life Sciences Verification Program 的推出，為這項策略再加上一層。根據報導中的公告，該計畫讓通過審核的生物學研究人員可使用 Anthropic 最強大的模型。Anthropic 似乎是在結合內部研究、外部合作與受控模型存取，而不是只依賴單一路徑進入生命科學。

證據、主張與尚未解決的安全問題

報導中最強而有力且已被證實的說法，是這座濕實驗室確實存在，而且 Anthropic 正在那裡進行生物學實驗。至於更廣泛的科學影響，目前可得證據仍不足以證明。並未揭露與該設施直接相關的具體實驗、結果、論文、治療候選物或基準測試。

關於 AI 在醫學上的潛力，相關說法也屬於前瞻性預測。CEO Dario Amodei 最近表示，他相信 AI 可在五到十年內治癒大多數重大疾病。這是高層的預測，而非經獨立驗證的結果，且取決於模型能力、實驗生物學、臨床驗證、製造、監管與病患照護等多方面的進展。

這座實驗室也讓 Anthropic 的公開立場出現一項表面上的矛盾。公司一再強調生物濫用是 AI 的重大風險。Anthropic 的對齊負責人曾將 AI 在未來十年內滅絕人類的機率評估為超過 10%，而研究員 Jacob Coxon 則在警告 AI 開發者相信災難性後果可能在十年結束前到來之後辭職。Amodei 也曾呼籲產業放慢腳步並採取自律。

包括投資人暨 AI 新創創辦人 Chamath Palihapitiya 在內的批評者，已指出這些警告與 Anthropic 實際進行物理生物工作之間的張力。這些批評並不能證明 Anthropic 的實驗室不安全，但它凸顯了公司必須面對的治理問題：同一個組織可以把生物學視為高風險能力，卻仍認為直接實驗對有用的科學進展是必要的。

這座實驗室對建構者與企業買家的意義

對 AI 建構者而言，這項發展意味著模型從協助研究者，轉向嵌入實驗迴圈的系統。模型可以幫助產生假設、挑選候選蛋白、解讀分析結果，或優先排序下一個實驗。這種工作流程的價值，與其說取決於單次令人驚豔的回答，不如說更依賴資料品質、實驗室自動化、可重現性，以及在模型錯誤變得昂貴或危險之前就能偵測出來的能力。

對企業買家而言，Anthropic 的內部實驗室可能讓該公司的生命科學產品更具可信度，但也可能讓採購與合作決策變得更複雜。買家會想知道，客戶資料是否會影響 Anthropic 的內部研究、智慧財產權如何分配、外部合作夥伴是否享有優先存取，以及生物學建議由哪些控制機制管理。

模型與實驗室的連結，也帶來一般軟體部署中不會出現的成本與營運風險。實驗會消耗試劑、設備時間與專業人力。生物結果可能雜訊很大，或難以重現。即使某系統在計算基準測試中表現出色，當其建議面對生物變異時仍可能失敗。

Anthropic 的驗證計畫顯示，存取控制將是其方法的一部分。對研究人員與創業者來說，實際問題在於，這些控制能否支援正當研究而不讓工具過度受限，同時又能防止降低從事有害生物工作門檻的存取。

接下來值得觀察的重點

下一批重要訊號將是關於該實驗室研究議程、員工配置、安全程序與外部合作夥伴關係的具體揭露。若有與 Anthropic 內部實驗相關、經同儕審查的成果，將比泛泛而談的 AI 生物學主張更具說服力。

研究人員與企業客戶也應關注 Life Sciences Verification Program 的細節，包括資格條件、可用模型、使用限制、稽核程序，以及參與者是否能透過 Anthropic 進行濕實驗室工作，或僅能取得運算存取。

其他指標還包括新的合作案，特別是與製藥公司的合作，以及 Anthropic 如何區分基礎生物學研究與商業藥物發現。公司對資料權利、模型訓練、實驗紀錄與生物安全審查的處理方式，將有助於判斷這座實驗室最終會成為研究資產，還是夥伴不信任的來源。

Creati.ai 觀點

Anthropic 的濕生物實驗室之所以重要，是因為它把模型開發與真實科學中更慢、更混亂的驗證週期連結起來。但這項宣布目前還不能證明 Anthropic 已經解決醫療問題，或打造出自主的科學引擎。真正重要的改變在於組織層面：公司現在擁有一套機制，可以測試其模型是否能在螢幕之外對生物學做出貢獻。

這項能力讓 Anthropic 的安全論述變得更重要，而不是更不重要。如果公司認為要提供有用的 AI 就必須進行生物實驗，那麼它就需要說明如何限制濫用、保護合作夥伴，以及如何評估模型驅動的研究。對整個產業而言，真正的考驗將是：AI 實驗室能否在追求高價值科學工作的同時，讓其證據與防護措施強大到足以承受獨立審視。