
10月26日,Anthropic向美国证券交易委员会递交S-1,拟以“ANT”为代码在纳斯达克全球精选市场上市。发行价与发行股数尚未确定。
招股书里有两方面的信息对应生物医药产业有直接映射。
首先是AI模型公司的盈利模式。截至2026年9月30日的十二个月内,财富500强中前十大药企有9家、前十大医疗公司有8家,各自在Anthropic的年度付费超过10万美元。上半年收入163亿美元,上年同期是12亿美元。
第二项更直接,AI模型公司首次明确了AI制药将成为它的商业模式之一:这家公司招募了行业专家,建起了自己的分子生物学实验室,并由内部研究人员用Claude做药物发现。今年4月,它以1540万股A类股收购了计算生物学公司Coefficient Bio,当时对价约4亿美元。
一家卖模型的公司,在自己的招股书里写下了实验室,其间的信息量巨大。
01
招股书里写了什么
产品层。Claude for Life Sciences覆盖早期发现、临床前研究、临床试验运营到注册申报,可与电子实验记录本、科学数据库等工具对接,在有机化学、结构生物学、实验方案、生物信息学上有专门能力。6月发布的Claude Science是科研工作台,招股书把它与Claude Code并列为核心产品之一。
资产层。4月的Coefficient Bio,团队不到10人,2025年夏末成立于纽约,核心成员来自基因泰克的计算生物学部门Prescient Design。对价是1540万股A类股,其中一部分与员工继续任职绑定。同一时期,诺华首席执行官万思瀚(Vas Narasimhan)进入Anthropic董事会。
研发层。6月,公司启动了一个针对被忽视疾病的内部临床前药物发现项目。合作面上,2月与霍华德·休斯医学研究所、艾伦研究所启动研究合作,5月与盖茨基金会签了四年协议,9月诺华同意把Claude用于药物发现。
物理层。Model Hardware Standard(MHS)让AI智能体操作显微镜、移液工作站与商用机械臂。8月27日开放研究预览,与霍华德·休斯医学研究所的Janelia研究校区共同开发,设计为模型无关,通过模型上下文协议、命令行或代码文件三种路径接入设备,计划在完成安全评估后开源。
这里有一个容易被忽略的细节:招股书没有按行业拆分收入。生命科学在收入里占多少,这份文件没有回答。它只列了客户数量与付费门槛,而门槛是10万美元。
02
三份生物医药相关自研数据
Anthropic自己公布过三项研究结果。这三项常被并列引用,但证据等级差得很远。
最硬核的是蝎毒素结合剂。10月20日公布,Claude设计了针对蝎神经毒素的结合蛋白,211个设计里有17个在实验室达到结合标准。分母、分子、验证方式都清楚,命中率8.1%。这是三个读数里唯一有实验验证、有明确分母的一个。
但这个数字的边界比它看起来窄。17个是结合实验的结果。公开材料里没有功能实验的数据。“达到结合标准”只说明分子能结合上去,不说明它能中和毒素,也不说明它有选择性、有稳定性、能生产、能进入体内。从结合到成药,中间还隔着一整条链条,每一环都可能把8.1%再削掉一大截。此外这项实验没有对照组,招股书与公司披露都没有给出人类专家或传统方法的命中率,所以它只能证明“这条路能走通”,不能证明“这条路比原来更快”。
被忽视疾病那个项目更难评估。6月启动,至今没有披露靶点、分子或任何体内数据。它目前只是一个存在着的项目。
9月那个新酶系统问题则最明显。Anthropic称Claude主导发现了一个含CRISPR样重复序列的新酶系统。但据媒体报道,哥本哈根大学博士Mario Rodríguez Mestre表示,他的团队在此前未发表的工作中已经鉴定出同一个酶。Anthropic的回应是:Claude未在用户记录上训练,该系统是在此前已公开的数据中发现的。
这一争议的焦点是方法学上的:当AI从已发表的公共数据里检索、拼接、排序,最后给出一个结论,这个结论的“发现”归属无法用现有的学术规范单独确证。人类研究者至少有实验记录本、有时间戳、有未发表的原始数据可以作为优先权证据。模型没有这些。它有的是一个可复现的推理轨迹,而这条轨迹本身,不足以证明它不是从别人的工作里读出来的。
03
一份关于湿实验室的协议
如果只把MHS理解成“让Claude会开移液枪”,就低估了这件事。它做的事情,是把实验室设备接进AI的方式标准化。
过去每台仪器都有自己的编程接口,要把显微镜、机械臂、酶标仪连成一条实验线,得由专人写定制集成代码,周期以周计,甚至以月计。MHS引入一套统一的驱动规范,用“读”和“写”两个原语描述设备能做什么,把设备的机械参数与安全限值写成自然语言标签,自动生成一份智能体可读的参考文件。任何设备只要能编程,就能被接入;任何智能体只要能走标准协议,就能操作它。
这是模型上下文协议在物理世界的镜像。前者统一了模型与软件的接口,后者统一了模型与硬件的接口。而MHS被明确设计为模型无关,也就是说,OpenAI的模型、开源模型、甚至任何一个模型都可以用。
实测数据分散在几个合作方。卡内基梅隆大学把三台互不兼容的电脑串起来,做梯度稀释的剂量反应实验,快了约三倍;华盛顿大学部署qPCR远程监控与机械臂交接,用时不到一周,同类集成项目过去要几个月;Janelia把两台光子显微镜的七套厂商程序统一成一个接口,新设备接入从数天缩短到几分钟。Genentech那次的BCA蛋白测定,Claude自己试出了水相140微升每秒、高黏度样本10微升每秒的流速参数,没有实验室自动化专家参与。
但这些案例里有一条信息尤其重要。还是在Genentech,Claude把气泡导致的失败误判成了软件故障,越调参数泡沫越多,最后由人介入才纠正。Anthropic自己承认,模型在物理、化学、生物的直觉上仍然不足,尤其是需要真实实验室经验才能排查的异常故障。
理论上,谁定义了湿实验室的操作协议,谁就拿走这一层的基础设施租金。这个位置的价值,跟它自己做不做得出候选药物关系不大。关键在设备厂商愿不愿意按它的规范写驱动,其他模型厂商愿不愿意接。目前MHS还只是研究预览,尚未开源,开源的时点取决于安全评估的结果。
04
对CXO和AI制药估值锚的影响
如果“干湿闭环”成为分水岭,最直接的变化是估值锚的位置。
过去几年,AI制药公司的稀缺性建立在算法上:有独特的模型、有自建的管线、有一批干实验验证过的分子。当大模型公司亲自把实验室建起来,这种稀缺性就被稀释了。算法不再是壁垒,因为最好 的算法在少数几家前沿实验室手里,而且它们在往湿实验走。Recursion、Exscientia这一类公司的相对稀缺性,因此下降。
涨价的一侧是有高通量湿实验能力的CRDMO。药明康德2026年三季报已把AIDD、AI4S相关客户列为增长引擎之一。这是公司口径,逻辑不难理解:AI公司可以自己设计分子,但真要跑通量,得有能接住高频、小批量、多批次实验的产能,而这种产能的调度经验不在模型公司手里。
但这一层估计要打个折。AI公司自建实验室,对CXO是双向的。它一边证明湿实验的价值在上升,一边把最优质的那部分需求留在了自己体内。
Anthropic建的实验室,本来就是它原本可能外包出去的量。谁被重估,取决于它接的是“没有实验室的AI公司”,还是“有实验室的AI公司”。前者是增量,后者则意味竞争加剧。
05
结语
这份招股书能写的东西很多:九家药企的付费记录、163亿美元的上半年收入、一间正在建的实验室、一套准备开源的设备协议。
但它目前还做不到的东西只有一个,且最重要:一个分子在人体里的表现。
从211个设计里筛出17个能结合的蛋白,到进入一期临床,中间还有毒理、药代、工艺、放大、批放行。这一段路,没有任何一家AI公司能靠模型绕过去。
Anthropic把实验室写进了招股书,等于把这段路也写进了资产负债表。至于走不走得完,招股书里没有答案,最终还是要看三期临床和审批文件何时照进现实。
×