KeyFrame內部研究專用

Anthropic 突發核彈級更新:Claude Science 正式封神!😱 科學界要變天了!

商業本質22 min中文
觀看原始影片

三句話摘要

Anthropic 發佈 Claude Science,通過整合科研工作流而非推出新模型,正式切入生命科學賽道,與 OpenAI 和 Google 展開三方競爭。 Claude Science 本質上是 Anthropic 上市前夕的商業敘事背書,核心論點是通過工作流整合而非模型創新切入垂直行業,能否像 Claude Code 之於軟體開發一樣重塑生命科學工作模式,取決於 50 個扶持項目和核心企業客戶的落地成果。 工作流而非模型升級:Claude Science 的創新在於整合工作流而非 AI 能力本身。科研人員原本需在 PubMed、Jupyter、HPC 集群、R/Python 等十餘個工具間頻繁切換,搭配編寫膠水代碼,占據工作時間一半以上。Claude Science 將這些散亂工具統一到一個介面,研究員用自然語言描述需求,系統自動調度。

重點整理

  1. 工作流而非模型升級:Claude Science 的創新在於整合工作流而非 AI 能力本身。科研人員原本需在 PubMed、Jupyter、HPC 集群、R/Python 等十餘個工具間頻繁切換,搭配編寫膠水代碼,占據工作時間一半以上。Claude Science 將這些散亂工具統一到一個介面,研究員用自然語言描述需求,系統自動調度。

  2. 多層智能體與審查機制:包含通用協調智能體、可衍生的子智能體,以及特別的審查智能體專門檢驗文獻引用與計算結果。這個設計直接回應學術界對 AI 編造數據的核心顧慮,透過流程設計而非模型信任來規避風險。

  3. 完整可追溯性設計:每個輸出圖表(蛋白質結構、基因組軌跡、化學分子結構)都自動記錄運行代碼、環境參數、生成過程。這解決了論文可重複性問題,更重要的是滿足制藥企業監管審查需求——新藥申報必須所有數據分析可溯源。

  4. 差異化商業路線的長期競爭:Anthropic 採低門檻訂閱制,OpenAI 採企業定向垂直微調(更專業但准入嚴),Google 依靠自有 AlphaFold/AlphaGenome 無法複製的技術壁壘。未來競爭重心將從底層模型轉向用戶工作流粘性。

實用技巧與重點

  • 產品規格
  • 部署方式:本地 macOS/Linux 或 SSH 遠端連接 HPC 節點
  • 整合工具數:60+ 預配置技能連接器
  • 覆蓋領域:基因組學、單細胞分析、蛋白質組學、結構生物學、化學信息學
  • 智能體類型:通用協調智能體、子智能體、專家智能體、審查智能體
  • 可視化支持:3D 蛋白質結構、基因組瀏覽器軌跡、化學結構式
  • 算力支持:單 GPU 至上百 GPU 彈性擴展,數據本地存儲
  • 發佈節點
  • Beta 開放對象:Claude Pro、Max、Team、Enterprise 訂閱用戶
  • Team 與 Enterprise 需管理員手動開啟
  • AI for Science 扶持計劃:50 個項目,單個最高 3 萬美元
  • 申請截止:2026 年 7 月 15 日
  • 入選名單公佈:2026 年 7 月 31 日
  • 執行週期:2026 年 9 月 1 日至 12 月 1 日
  • 早期客戶案例
  • 艾倫研究所(Jerome Leacoke):實現文獻驗證全自動化
  • 加州大學舊金山分校腦腫瘤中心(Steven Francis):壓縮耗時科研工作周期
  • 格拉德斯通研究所(C.N. Weiland):數日內建成基因組瀏覽器(傳統需數週)
  • 諾和諾德(制藥企業):商業客戶入局
  • 競品對標
  • OpenAI GPT Rosalind(4 月發佈):垂直微調生物推理模型,企業定向內測
  • Google Gemini for Science(5 月發佈):整合 30+ 生命科學數據庫,依靠 AlphaFold/AlphaGenome 底層技術
  • 融資背景
  • Anthropic 估值:965 億美元,IPO 招股文件提交 6 月 1 日
  • OpenAI 估值:852 億美元(3 月數據),IPO 申請 6 月 8 日,傳聞上市或延至 2027 年
  • 監管壓力:美國商務部 6 月 12 日禁止境外使用 Opus 5、Fable 5 等旗艦模型

結論

Claude Science 本質上是 Anthropic 上市前夕的商業敘事背書,核心論點是通過工作流整合而非模型創新切入垂直行業,能否像 Claude Code 之於軟體開發一樣重塑生命科學工作模式,取決於 50 個扶持項目和核心企業客戶的落地成果。

完整解析

科學研究看似高大上,但實際操作充滿琐碎低效。一個基因組學研究員日常需在十幾個系統間頻繁切換——PubMed 查文獻、Jupyter 跑分析、HPC 集群提交作業、R/Python 做統計,每個平台數據格式不同,參數更新需手動改代碼,實驗結果無法方便追溯。這些行政負擔占據研究員近一半時間,與科學發現本身毫無關係。製藥企業面臨更嚴格的監管約束,所有數據分析都必須可溯源,當前工作模式難以滿足合規要求。

Claude Science 的創新點在於工作流整合而非模型升級。它不是訓練專用生物模型,而是將現有通用 Claude 模型與 60 多個預配置的科研工具連接器打包到一個統一界面。研究員用自然語言描述需求,多智能體系統自動調度工作流。架構包含通用協調智能體、可衍生的子智能體以及用戶自訓練的專家智能體,核心創新是專門的「審查智能體」檢驗文獻引用與計算結果,直接回應學術界對 AI 編造數據的核心顧慮。

產品在四層運作。首先,入口層無需改變工作環境,研究員可在本地或通過 SSH 連接遠端 HPC 繼續操作。其次,智能體層自動協調數十個連接器完成任務分解與執行。第三,輸出層生成的每個圖表(蛋白質結構、基因組軌跡)都自帶完整可追溯記錄——運行代碼、參數、環境、完整對話。這不僅解決論文可重複性,更重要的是滿足制藥企業監管審查需求。第四,算力層將任務智能提交至實驗室既有 HPC 集群,敏感數據無需上傳雲端,同時支持從單 GPU 至上百 GPU 的彈性擴展。

商業生態方面,Anthropic 推出 50 個項目扶持計劃,單個最高 3 萬美元。這對經費緊張的高校基礎科研團隊吸引力巨大,而大型製藥企業如諾和諾德的加入則表明商業閉環已成形。三方競爭的核心在於差異化路線。OpenAI 在 4 月發佈 GPT Rosalind,採「窄而深」的垂直微調策略專注生物推理,但準入嚴格;Google 在 5 月發佈 Gemini for Science,依靠自有 AlphaFold、AlphaGenome 等底層科學模型形成無法複製的技術壁壘。相比之下,Anthropic 選擇「廣而淺」的通用模型加工作流整合,訂閱模式對所有 Pro+ 用戶開放,賭的是工作流粘性而非模型專業性。

11 min
AI 安全中文11月21日

防蒸餾的三道防線:OpenAI 怎麼保護 AI 的思考過程

一隻羊聊AI看原片 ↗
  • 思考過程是最值得保護的資產:完整的思維鏈(Chain-of-Thought)包含最終答案中沒有的中間步驟,蒸餾來的模型若學到完整思考過程,會多掌握超出預期的能力,包括原本應被防護的攻擊技巧。實驗顯示,學完整思考的學生在資安測驗中表現顯著優於
  • 三層防護結構應對單次請求與持續威脅:模型透過對抗訓練自我拒絕套話,分類器檢查請求意圖與回應內容(包括工具參數),API 層將思考過程與對話綁定,防止跨對話搬運。九月報告曾揭示的加密思考搬運攻擊已被修補。
10 min
AI 安全中文11月13日

The New AI Security Nightmare: Undetectable LLM Backdoors

Internet of Bugs看原片 ↗
  • LLM 可被訓練成在表面上表現正常,卻在特定條件(如在程式碼註釋中看到某個特定字串)觸發時執行訓練者指定的惡意行為,例如上傳環境變數檔案到遠端伺服器。這種後門是不可偵測的,研究者找不到檢測方法,且即使進行後續重新訓練也無法消除。
  • 任何參與模型創建或分發的人員都可能植入這類後門,不論模型是由知名 AI 廠商託管在雲端、還是自行部署。只要組織內有不可信任的人員,就無法完全排除這個風險。
22 min
AI 技術中文10月27日

Switch 2 宣告失守! AI 黑客 14 日暴力破解,唔使拆機、唔使焊晶片!任天堂今次真係驚咗?

大世界看原片 ↗
  • 漏洞來源出人意料:攻擊源於 iTunes 上售價約 25 美元的編程教學軟體 Small Basic。黑客利用其解釋器中的 32 位整數溢位漏洞穿過沙盒限制,再透過 ROP 鏈和緩衝區溢位層層深入,最終取得檔案系統完整權限。這套設計精妙的攻
  • AI 徹底改變破解生態:研究員 Pepsi Poo 坦承,破解工作大部分由 OpenAI 的 Codex AI 編碼代理執行。他搭建自動化測試裝置讓 AI 24 小時不間斷地觸發漏洞並自動重啟,兩週內完成原本需耗時數年的工程。這不是 AI