美国三家最强AI公司,怎么都去搞生命科学了?

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。

全球生命科学人工智能竞争力指数排名: 中国第三

饶毅:中国生命科学水平,相当于日本八十年代

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。