使用 Claude 加速药物开发的早期进展

AI 在药物发现中的作用与真正的瓶颈

• 许多评论者指出，生成候选分子本来就是整个流程中最容易、最便宜的部分。
• 主要成本和延迟集中在第二/三期人体试验：招募、漫长的时间线、安全性/有效性失败、监管负担。
• 一些人认为，如果 AI 只改进“分子设计”，优化的是一个非瓶颈环节，除非它能显著提高试验成功率，否则影响有限。
• 也有人反驳说，即使在早期阶段提高 10–20%，如果能减少进入试验后注定失败的候选药物数量，也并非无关紧要。

生物学 vs 数学 / 软件：当前 AI 的局限

• 人们普遍将数学/软件（形式化、反馈快、易验证）与生物学（混乱、经验性强、反馈慢）形成鲜明对比。
• 以有用精度模拟完整的人体生理，被广泛认为远超当前能力；部分模拟（分子、蛋白质）已经存在，但无法解决毒性、脱靶效应或人群差异。
• 有些人预见最终会出现“生物学作为一个已解决的问题”；另一些人则称这很天真或是“邓宁-克鲁格效应”，强调人类对生物学理解和数据仍存在巨大缺口。

并行化、自动化与机器人

• 期望：自动化实验室、类器官、高通量系统以及与 AI 结合的实验室机器人，可加速体外工作并减少人工劳作。
• 反对意见：湿实验步骤和生物体生长仍然施加硬性的时间限制；人类监督和实验设计仍然至关重要。

监管、官僚主义与文书工作

• Claude 当下的价值通常被认为体现在起草监管申报材料、文档和流程分析上。
• 一些人认为这很有影响力，因为文档本身就很复杂；另一些人则认为这只是“AI 填表”，而不是修复过度官僚化的系统。

护栏、访问权限与守门

• 许多人抱怨 Claude 在生物学方面的安全护栏越来越严格，除非属于某个特殊的“已验证”项目，否则无法用于合法工作。
• 学生、独立研究者以及主要机构之外的科学家所面临的障碍受到猛烈批评，被视为精英主义式的守门行为。
• Anthropic 被指一边宣传其在生命科学上的影响，一边又阻止良性用例（例如，基金申请写作、被忽视疾病研究）。

炒作、营销与 IPO 背景

• 有人强烈怀疑，当前这些说法的时机是为了支撑 Anthropic 的财务叙事，而几乎没有拿出具体的大规模成功案例。
• 也有人仍谨慎乐观地认为，从更长远看，AI 会实质性帮助罕见病和资金不足的领域，但认为眼下证据薄弱，且带有强烈的宣传性质。