科研人员的工作节奏正在被无数碎片化的工具撕裂——在十几个数据库之间来回切换,每一个都有独特的查询逻辑;处理数据时要在 Jupyter、R、终端之间反复跳转;写论文时引用格式让人头疼,审稿人意见返回后又要逐条核对文献来源。这种碎片化的工作体验,几乎是每一位科研工作者的日常困境。Anthropic 最新推出的 Claude Science,正是为解决这一痛点而来。12
从功能定位上看,Claude Science 并非一款全新的 AI 模型,而是基于现有 Claude 系列构建的科研工作台。它将分散的科学工具整合进统一环境,让科研人员可以在同一个界面中完成文献分析、多步骤研究执行、成果产出等全流程操作。系统内置的协调智能体能够调用超过 60 个预置技能和连接器,覆盖基因组学、蛋白质组学、结构生物学、化学信息学等核心领域。这种“统一入口”的设计,直接省去了在不同平台间反复切换的麻烦。132
可复现性是 Claude Science 主打的核心卖点。传统 AI 工具生成的结果往往只输出最终图表或文字,背后依赖的代码、环境参数、对话历史则无从追溯。Claude Science 的做法是让每一项产出都附带完整的“生成档案”——包括精确代码、运行环境、自然语言说明和完整对话历史。这意味着科研人员在数月后仍可随时回溯任何结果,直接用自然语言修改图表或文稿,系统会自动编辑底层代码来响应修改需求。143
多智能体协作是这款产品的另一大特色。协调智能体相当于项目的“总指挥”,负责调用各类工具和子智能体完成任务;独立的审稿智能体则专门负责在成果发布前检查引用和计算过程的准确性,标记并纠正潜在错误。这一设计直接回应了 AI 模型“捏造引文和数据”的行业顽疾,也为科研成果的学术可信度提供了机制保障。此外,用户还可以根据自身课题需求构建专属的专业代理,让 AI 更贴合实验室的个性化工作流程。132
与英伟达的深度合作使 Claude Science 能够接入 Evo 2、Boltz-2、OpenFold3 等前沿生命科学模型,并连接 UniProt、PDB、ChEMBL 等超过 60 个主流科学数据库。这些资源的整合让科研人员无需逐一学习不同数据库的查询语法,只需用自然语言描述研究需求,系统即可自动完成跨数据源的综合分析。早期测试用户的反馈已经验证了实际效果:Manifold Bio 利用它进行药物靶点筛选,艾伦研究所的神经科学家将文献综述周期从两年压缩至多份并行产出,加州大学旧金山分校的流行病学家在胶质瘤分析中将运行时间缩短至常规方法的十分之一。145
目前 Claude Science 以 beta 测试版形式向 Claude Pro、Max、Team 及 Enterprise 用户开放,macOS 和 Linux 平台均可使用。针对学术和非营利实验室,Anthropic 还提供了专属折扣席位。更值得关注的是,这家公司宣布将资助最多 50 个科研项目,每个项目提供最高 3 万美元的 API 积分支持,为前沿研究提供了真金白银的资源倾斜。675
回顾整个 AI for Science 赛道的发展轨迹,Claude Science 的出现代表了一种思路转变——不再追求用 AI 直接替代科学家的创造性思维,而是先把那些占据大量时间的机械性工作纳入可追踪、可复现的统一工作流。这条路径或许比“AI 替科学家发现新知识”的宏大叙事更务实,也更能在当下为科研人员真正减负。随着更多垂直领域技能的接入和数据隐私保护机制的完善,这类科研工作台的价值空间还有望进一步释放。89
当前文章无评论,是时候发表评论了