智东西

作者 | 陈骏达

编辑 | 云鹏

根据智东西于10月21日的报道，Anthropic公司今天宣布了一系列调整，旨在增强其AI模型Claude在生命科学领域的应用能力，以加速科学发展的步伐。该公司的最终愿景是实现“在10年内完成100年的科学进展”的宏伟目标。

同时，Anthropic生命科学部门的高层管理人员Jonah Cool和Eric Kauderer-Abrams在今天发布的播客中，详细阐述了该公司对人工智能在生命科学研究中应用的前景。展望未来，Anthropic希望将Claude打造成一个“超人研究助手”，以协助科研人员顺利完成各个研究阶段的任务。

此外，Anthropic也推出了Claude Code的网页版AI编程工具，用户可以直接通过浏览器进行编程任务的委托，而无需依赖本地终端环境。这项工具支持云端协作开发、实时进度监控和安全的沙盒运行，旨在降低使用门槛，让更多非编程用户受益。

值得注意的是，备受关注的Claude Code已经超越了传统编程的应用，作为一种“通用智能体”在生命科学领域得到了广泛应用。

根据Anthropic的介绍，Claude Code能够直接用于撰写学术论文、快速完成文献综述以及智能化管理研究项目，将原本复杂耗时的流程大大简化。

之前，科研人员和制药公司多是将Claude用于特定任务，如代码编写、论文摘要或销售支持等。Anthropic希望Claude能在生命科学的各个阶段中，从早期研究到最终商业化过程，成为研究人员、临床协调员和法规事务经理等专业人士的得力助手。

为实现这一目标，Anthropic首先增强了核心模型的基础能力。根据公司公布的数据，最新的Claude Sonnet 4.5模型在多项生命科学的基准测试中表现优异，它是首个经过系统科学训练的模型。

在评估实验室方案理解与应用能力的Protocol QA测试中，Claude Sonnet 4.5获得了0.83的分数，超越了人类基线分数0.79，并且也高于前代Claude Sonnet 4的0.74。在生物信息学任务评估BixBench中，新模型相比以前的版本也有显著的提升。

功能方面，Anthropic正在通过三个主要方向来提升Claude的科学实用性：增加科学平台连接器、引入“智能体技能”，以及提供针对生命科学的专用提示词库和专业支持。

集成科学工具生态

新推出的连接器旨在让Claude能够直接访问和操作专业科学工具与数据库，从而更好地融入科研工作流程。这些连接器种类繁多，几乎覆盖了当前主流的科学工具和数据库（详见下表）。

通过这些连接器，Claude能够提供有据可查的科学问答，绘制合规的科研图表，并执行数据分析等任务。

Claude引领生命科学新时代：专业技能与工具的完美结合

这些专为科学设计的连接器将与现有的通用工具（例如Google Workspace和Microsoft Office系列）以及数据分析平台（如Databricks和Snowflake）形成有效的互补关系。

引入“技能”以实现操作标准化

Anthropic最新推出的“智能体技能”功能被视为科学应用的核心组成部分。这些技能是由指令、脚本和资源组成的预设包，确保Claude在执行特定任务时能按照既定流程操作，从而保证一致性和可预测性。

该公司正在研发第一批科学技能，比如基于scverse最佳实践的“single-cell-rna-qc”技能，旨在对单细胞RNA测序数据进行自动化的质量控制和筛选。同时，Anthropic也鼓励科学家们根据自身的需求来开发定制化技能。

Claude执行单细胞RNA序列数据的质量控制

提供专属的提示词库

根据Anthropic的说法，增强版的Claude现已能够支持多种生命科学相关的任务。这些任务包括文献综述、假设的提出等基础研究工作，同时还可通过Benchling连接器来起草研究计划和标准操作程序等文件，生成详细的研究方案。

Claude甚至能够完成更复杂的工作，例如在Claude Code中处理基因组数据分析，并以多种格式展示结果，或协助撰写、审阅监管提交文件，并整合合规数据。

为了帮助用户迅速掌握使用方法，Anthropic正在创建针对这些任务的专用提示词库。

此外，Anthropic透露，许多现有客户和合作伙伴已将Claude应用于实际的科学任务中。通过“AI for Science”计划，该公司还为参与高影响力科研项目的顶尖实验室提供免费的API积分支持，旨在促进前沿探索并发现Claude的新应用场景。

结语：Claude在生命科学领域的崭露头角

在编程之后，Anthropic再次涉足生命科学这一专业领域。Claude通过专业化和工具化的升级，展现了人工智能在该领域深度融合的巨大潜力。

生命科学早已成为科学智能（AI for Science）的重要研究方向，但以往的AI工具大多集中于某个特定环节。当大型模型能够理解实验协议、操作专业平台并遵循科研标准时，它们将超越仅仅是辅助工具的角色，真正成为科研过程中的“同事”。