据报道，Anthropic已在旧金山湾区运营一家物理生物湿实验室（Wet lab），试图用Claude模型直接操控实验仪器验证科学假说，
所谓湿实验，指在实验室里直接操作生物样本、试剂、药品，开展实体实验与功能验证，这也说Anthropic介入真实生物试验。
Anthropic 生命科学负责人 Eric Kauderer-Abrams 证实了这一说法，他表示生物学上的结论最终仍需在真实实验中得到验证。
目前 Anthropic 已自主完成部分实验，同时正在探索让 Claude 直接指挥机器人执行实验流程，并将人工介入控制在最低限度。他还表示，这座实验室的目标，是借助 AI 大模型将生物研发的速度提升一个数量级。
AI 算得快，实验跟不上
把 AI 用于药物研发如今已是常态。大模型确实能快速生成大量候选蛋白或分子，但这些目前只是计算机里的预测，能否成立，仍要靠真实实验来验证。
因此，AI制药的理想模式是一个闭环：由大模型给出设计，实验室负责制造与测试，数据回流给模型后再设计下一批。
过去几年，AI的提速主要体现在设计这一环，实验端仍须按流程一步步完成。
所以模型设计越快，设计端与实验端之间的速度差就越突出，Anthropic 8 月的一轮实验也说明了这一点。
报道称，Claude Opus 4.8与Mythos Preview 针对15个靶点设计蛋白结合剂，由Adaptyv Bio和Twist负责制造并独立验证，最终14个靶点成功获得经确认的结合剂。但在候选分子层面，两个模型的命中率分别为22.6% 和26.7%。
这一水平虽显著高于传统设计的区间（10%—15%），却也意味着每批候选分子中仍有约四分之三会被淘汰——大量实验资源仍在消耗，实验端的工作负担并未因设计提速而明显减轻。
值得注意的是，Twist从Anthropic拿到的相关订单从2025年的约2500万美元，增至2026年约5000万美元，下一年这个数字预计将增长到1 亿美元。对外部验证的依赖越深，成本也就越高、数据的回传周期也越长。
所以Anthropic自建湿实验室，其实等同于把关键的实验能力掌握在自己手中。
Claude走上实验台
当然，有了实验室不等于AI就能直接控制实验。实验设备的软件与通信接口标准不一，工程师往往要花数周乃至数月才能把一台设备接入统一系统。
为此，Anthropic 于今年8月发布了Model Hardware Standard（MHS），试图解决设备连接难题。它是一套让AI智能体控制物理设备的通用标准，设备通过它向模型上报自身状态、可执行操作和安全边界。在MHS的早期测试中，设备集成时间从数周数月压缩到数小时乃至数分钟。
在基因泰克的BCA实验中，Claude可以同时协调液体处理器、机械臂与微孔板读取器，根据结果调整参数并在硬件异常时自行诊断、恢复设备运行；而华盛顿大学的Baker实验室则让Claude Code实时读取 qPCR 曲线、协调机械臂转移样品板。
事实上，Anthropic很早就在布局生物医药。
2025 年，Anthropic推出了Claude for Life Sciences；2026年4月，Anthropic又以约4亿美元收购熟悉药物研发流程的Coefficient Bio，诺 CEO也进入了该公司董事会；6 月，Anthropic发布了Claude Science。
对Anthropic CEO达里奥·阿莫代伊（Dario Amodei）来说，在生物医药方向的努力关乎个人。他最近在一篇文章中说，他的父亲死于一种疾病，而治愈它的疗法晚来了几年。
公司瞄准的正是罕见病和难以成药的靶点，以及双特异性、三特异性抗体这类大药企在财务上兴趣不大的领域。
当然，关于自建实验室的争议也随之而来：有人表示，Anthropic 一边向药企出售工具，一边自建实验室筛选分子，药企难免担心数据被拿去训练模型。
Anthropic 的回应是：不亲自推进人体临床试验，不直接商业化治疗产品，重点放在临床前阶段。
有数据统计，目前全球进入临床阶段、由AI设计或参与发现的药物已超过100个，但截至2025年底，尚无任何一款"全程 AI 发现"的新药获得FDA批准。
换句话说，AI大模型最强的是前期，一旦进入以疗效为主要终点的 II 期、 III 期，就要面临更加复杂的生物学理论，商业模式也随之改变，如何在提升科研效率的同时管控现实风险，将是AI制药下一阶段必须回答的问题。
本文来自微信公众号“镁客网”，作者：镁客网，36氪经授权发布。