美国3家最强AI公司，怎么都去搞生命科学了？

2026 年 6 月 19 日，John Jumper 在 X 上宣布，自己将离开工作近九年的 Google DeepMind，在短暂休整后加入 Anthropic。随后，DeepMind CEO Demis Hassabis 也公开回复，感谢 Jumper 对 AlphaFold 和 AI for Science 的贡献。

Jumper 的大名无需太多介绍。他是 AlphaFold 的共同创造者，2024 年诺贝尔化学奖得主。AlphaFold 预测超过 2 亿个蛋白质结构，被 190 个国家的 200 多万研究者使用，这大概是 AI 在自然科学领域迄今最具辨识度的成果之一。也是 AlphaFold 让 DeepMind 从“会下围棋、会玩游戏的 AI 实验室”，变成了一家真正有资格谈论科学发现的公司。

就在前一天，另一位重量级人物 Noam Shazeer 也宣布离开 Google，加入 OpenAI。Shazeer 是 Transformer 架构奠基论文《Attention Is All You Need》的共同作者之一。Google 在 2024 年通过一笔约 27 亿美元的 Character.AI 授权和人才回流交易，把他重新请回 Google；不到两年，他又离开了。

一周之内，Google DeepMind 连续失去两位极具象征意义的人物，放在任何公司，这都不可谓不是件大事。但人事变动本身不是这篇文章要写的事，如果我们顺着他们的去向往前看，从 Jumper 加入的 Anthropic，到他离开的 DeepMind，再到挖走 Shazeer 的 OpenAI，会发现三家前沿 AI 实验室正在同时把筹码压向同一个方向：生命科学。

今天的 AI for Science，会像去年的 AI for Software Engineering 吗？

首先是动作最为密集的 Anthropic。2025 年 10 月，Anthropic 推出 Claude for Life Sciences，把 Claude 嵌入生命科学工作流，覆盖文献综述、实验设计、数据分析、临床与监管文档等任务。2026 年 1 月的 JPMorgan 医疗健康大会前后，Anthropic 又推出 Claude for Healthcare，把重点从药企和研究机构扩展到医疗服务、支付方和临床场景。

随后，Anthropic 开始把这件事从“行业版本 Claude”推进到更深层的能力建设。

2026 年 4 月，Anthropic 以约 4 亿美元股票收购 Coefficient Bio。这是一家成立仅数月、团队不到 10 人的 AI 生物技术公司，核心成员来自 Genentech 的计算生物学团队 Prescient Design。4 亿美元买不到 10 个人，可以说是贵得离谱，但 Anthropic 缺的正是这批人手里的药物研发经验。

相关报道还提到，Anthropic 正在招聘生物学家、建设湿实验能力，并试图把 AI 与实验验证闭环连接起来。

收购之后，Anthropic 开始建自己的湿实验室，目标是把整个生命科学研发周期压缩十倍。差不多同一时期，有人在 Claude 的界面里发现了一个叫 Operon 的未公开模式，是专门的计算生物学工作区。诺华 CEO Vas Narasimhan 加入了 Anthropic 的董事会，据报道是第一个进入前沿 AI 实验室管理层的制药公司高管。

6 月 9 日，Claude Fable 5 发布。Anthropic 用生命科学能力当核心卖点：底层的 Mythos 5 模型在药物设计任务中速度提升约 10 倍，独立完成了基因治疗研究任务，还在基因组学领域提出了新假说并得到实验验证。十天之后，Jumper 来了。

OpenAI 的路线不太一样。它不是先自建湿实验室，而是铺设合作网络和垂直模型。

2026 年 4 月 16 日，OpenAI 发布 GPT-Rosalind。这是一个面向生命科学研究的推理模型，目标是支持生物学、药物发现和转化医学研究。它可以帮助研究者做证据综合、假设生成、实验设计，也可以通过 Codex 接入生命科学工具和数据库。

6 月，OpenAI 又更新了 GPT-Rosalind，把 GPT-5.5 的 agentic coding 和工具调用能力加入其中，并发布 Life Sciences Research 和 Life Sciences NGS Analysis 两个 Codex 插件，让模型不只是回答问题，而是能在同一个工作区里检索证据、分析组学数据、执行生物信息学流程，并保留过程和产物。

同时，OpenAI Foundation 也把生命科学列为未来一年至少 10 亿美元投入计划中的主要方向之一，重点包括阿尔茨海默症、公共健康数据集和高死亡率、低投入疾病。

OpenAI 曾负责 OpenAI for Science 的 Kevin Weil 在 2026 年初说过一句被广泛引用的话：“2026 年的 AI for Science，会像 2025 年的 AI for Software Engineering。”这句话后来变得越来越像行业共识：编程助手已经成为前沿模型商业化最拥挤的战场，而下一个要被 AI 重写的高价值工作流，正在转向科学研究，生命科学排在最前面。

DeepMind 和它孵化出的 Isomorphic Labs 走的是第三条路，也走得最早：拆出一家独立的 AI 药物发现公司，直接做临床管线。

图丨Isomorphic Labs 团队（来源：Isomorphic Labs）

2026 年 2 月，Isomorphic Labs 展示了自己的 Drug Design Engine，也就是 IsoDDE。Nature 报道称，外部科学家把它称为接近“AlphaFold 4”级别的进展。它不再只是预测蛋白质结构，而是面向药物发现中的蛋白-配体相互作用、抗体结构、结合位点等更贴近产业应用的问题。不同于 AlphaFold 的开放路线，IsoDDE 是闭源系统，能力留在 Isomorphic Labs 的商业体系内部。

Isomorphic Labs 已累计融资约 27 亿美元：2025 年完成 6 亿美元融资，2026 年 5 月又完成 21 亿美元 Series B。它还与礼来、诺华等大型药企达成合作，潜在交易总额接近 30 亿美元。Hassabis 今年表示，公司预计在 2026 年底前启动第一批临床试验，这一时间表已经较此前“2025 年底前进入临床”的目标有所延后。

三家的路径并不相同。Anthropic 做的是把生物能力深度嵌入通用基础模型，并通过收购和实验能力建设补足闭环；OpenAI 做的是垂直模型、工具插件和药企合作网络；DeepMind/Isomorphic 做的是独立公司、闭源引擎和自有/合作管线。

但方向完全一致：前沿 AI 实验室正在把生命科学视为软件工程之后的下一个核心战场。

为什么是现在？

最直接的推动力是：AI 设计的药物开始在人体试验中拿出结果了。

2025 年 6 月，英矽智能的 rentosertib 在特发性肺纤维化的 IIa 期临床试验中获得积极结果，论文发表在《Nature Medicine》上。Rentosertib 是一个 TNIK 抑制剂，其靶点发现和分子设计都使用了生成式 AI。无论最终它能否走到上市，这至少把“AI 能否真正发现药物”从一个理论问题推进到了临床证据层面。

图丨相关论文（来源：NatureMedicine）

AlphaFold 获得 2024 年诺贝尔化学奖，也起到了类似的信号作用。它让投资人、药企和前沿 AI 实验室看到，AI for Science 不只是 demo，也可以产生被科学共同体承认的基础性成果。而 FDA 在 2025 年 4 月宣布逐步取消单克隆抗体动物实验要求、鼓励 AI 计算模型替代，则从监管层面打开了两年前不存在的通道。

数据侧的变化同样重要。单细胞图谱、扰动数据集、空间转录组学、多组学数据在过去几年快速积累，为模型提供了蛋白质结构之外的训练材料。Bessemer 引用 Epoch AI 数据称，2015 年全年新发布的生物学 AI 模型还不到 10 个，到 2025 年已经超过 380 个。生物学正在从“数据稀缺的湿实验学科”，变成更适合模型训练和自动化闭环的领域。

还有一个容易被低估的变量：Agentic AI 让生物学模型从“会回答问题”变成了“能干活”。一个会解释蛋白质折叠的模型很有价值，但它仍然只是个助手。一个能选择工具、设计实验、读取数据、修正失败、给出候选方案并把结果送去实验室验证的模型，才更接近产品。Claude Mythos 5 的药物设计流程、GPT-Rosalind 的 Codex 插件、Isomorphic 的 IsoDDE，本质上都在朝这个方向走：不是只做科学问答，而是把模型嵌入科学工作的执行链条。

最后是商业逻辑。编程助手已经是最拥挤的前沿模型商业化赛道，相比之下，制药和医疗健康是更大、更慢、更贵，也更难被重写的产业。麦肯锡估算，生成式 AI 每年可能为制药和医疗产品行业释放 600 亿到 1,100 亿美元价值；BCG 的模型也认为，AI 有机会把临床前发现时间缩短 30% 到 50%，成本降低 25% 到 50%。

与此同时，大药企正面临新一轮专利悬崖。2026 到 2030 年间，多款重磅药物将失去专利保护，行业有数千亿美元收入暴露在风险中。药企需要更快补充管线，AI 生物技术公司和前沿模型公司正好站在这个缺口上。

泡沫还是革命？

不过，如果只看多头逻辑，这个故事推进得似乎有点太顺了。

换个角度看，AI 药物发现的临床记录其实仍然很少。Recursion 仍没有获批药物，2025 年还收缩了部分管线。BenevolentAI 的候选药物在特应性皮炎临床试验中失败后，公司从阿姆斯特丹退市并被收购。Exscientia 早期的 AI 药物项目也曾在临床后终止。Insilico 的 rentosertib 结果是真实的，但目前它更像一个重要样本，而不是已经被反复验证的产业规律。

也就是说，AI 药物发现已经越过了“完全没有临床证据”的阶段，但还远没有到“确定能系统性提高成功率”的阶段。

再看估值。Isomorphic Labs 已经累计融资约 27 亿美元，但尚未披露具体临床资产；Coefficient Bio 团队不到 10 人，却以约 4 亿美元被 Anthropic 收购。这里面买的当然有技术和人才，但更重要的是稀缺性。

Isomorphic Labs 的稀缺性在于，它可能是目前最接近“AI 原生、垂直整合药企”的实体。投资人为“找不到第二家”付了溢价。Jumper 去 Anthropic，某种程度上正是在制造这个可信的第二家。

三家都冲进来之后，一个更现实的问题也出现了：前沿 AI 实验室在生命科学里的长期角色到底是什么？是卖 API 给药企，赚工具钱？是自己做管线，和药企竞争？还是成为底层基础设施，向整个药物研发产业收平台税？

目前三家给出了不同答案。Isomorphic Labs 选择自己做药物发现公司，直接对接临床和管线；OpenAI 选择垂直模型和合作网络，把能力放进 Codex 和企业工作流；Anthropic 则更像一条混合路线：在通用模型里内建生物能力，同时通过收购、董事会配置和实验能力建设积累药物发现经验。

Dario Amodei 在 2024 年 10 月那篇长文《Machines of Loving Grace》里，把生物学放在第一章（值得一提的是，Dario Amodei 本身也是学生物出身的）。他提出一个说法，叫“压缩的 21 世纪”：当 AI 达到足够水平，人类在生物学和医学上原本需要一百年才能取得的进展，可能被压缩到 5 到 10 年。

一年半后，他的公司收购了 AI 生物技术团队，建设湿实验能力，发布具备药物设计能力的 Mythos 级模型，把诺华 CEO 拉进董事会，然后招来了 AlphaFold 的共同创造者。现在回头看，那篇文章几乎就是 Anthropic 给自己画下的一张路线图。

Jumper 的选择也因此有了更多层面的含义。他在 DeepMind 做 AlphaFold 做到了最高点，诺贝尔奖也拿了，商业化工作交给 Isomorphic Labs，由 Hassabis 亲自带队。留在原地继续做什么，确实是一个真实问题。

他选择了 Anthropic，而不是回到 Isomorphic Labs 做药物管线，也不是去 OpenAI 做 GPT-Rosalind。这说明 Anthropic 的路线对他有吸引力：不是单独做一家 AI 药企，而是试图让通用基础模型本身具备做生物学研究的能力。

这条路线也注定会更难。生命科学不是代码，错了不能简单回滚。越强的模型，越可能同时带来药物发现和生物安全风险。Fable 5 发布时最具争议的地方之一，就是它会在部分生物、化学和网络安全场景下触发保守降级；这种“越强，管得越严”的思路惹恼了一些研究者，但它也正是 Anthropic 一直以来的核心叙事。

对一个深知蛋白质折叠预测两面性的科学家来说，这种在能力和安全之间走钢丝的路线，也许比单纯追求技术前沿更有吸引力。

三家实验室当初都是冲着“解决智能”起步的。现在，它们用资金、产品和人才在回答一个更具体的问题：如果智能真的变得足够强，第一批被它重写的领域会是什么？如今，这个答案似乎在收敛到生命科学这一领域。

而生命科学对模型的要求，和写代码、做客服完全不在一个量级上。模型要处理真实世界的物理约束，要在数据不完整的情况下做因果推理，要把计算结果送进实验室接受湿实验验证，错了就是错了，没有含糊余地。编程助手可以靠补全代码和跑 benchmark 拿高分，但药物要么在临床上起效，要么不起效。从这个角度看，生命科学不只是 AI 的下一个大市场。它正在变成前沿 AI 的硬核考场，谁能在这里跑通闭环，谁就证明了自己的模型不只是在屏幕上有用，而是能在真实世界里产生可验证的结果。