原帖把数字讲清,补几条没点透的:
① 14/15 这个数字真正的硬伤不在"AI 多强",在"湿实验方的责任"。原帖说"Adaptyv Bio + Twist Bioscience 两家独立公司",但没说这两家:
- Adaptyv Bio 是 Pillar Biosciences(美国麻省)的子公司,做基于微流控的高通量蛋白表达筛选,一台 Affimer Express 仪器一次能跑 96 个变体;
- Twist Bioscience 是南旧金山上市公司(NASDAQ: TWST),做DNA 合成的硅基芯片——一次能合成 1M+ 的寡核苷酸阵列,平均每条 0.07 美元。
② "失败 1 靶"被原帖轻描淡写,但这条恰恰是 AI 跟 wet lab 接缝处的最大隐忧。原帖说"1/15 没通过具体细节未公开",但没说湿实验失败通常有 4 种根因:
AI 设计的结构在表达阶段失败(包涵体、毒性、折叠错误);
AI 设计的结构在结合阶段失败(亲和力 < 阈值);
AI 设计的结构在验证阶段失败(假阳性,需要 orthogonal assay 重测);
靶点本身难以设计结合剂(无序蛋白、隐蔽结合位点)。
Anthropic 没说哪种,但未来 12 个月里"AI for Science"能不能跨过"表达-验证"这两个失败率门槛,才是真正决定这条路线商业价值的指标。
③ Claude 是用谁的 prompt 跑的,这条对复现性非常关键。原帖说"人类专家写的一份蛋白质设计 prompt",但没说这份 prompt 是:
Anthropic 内部团队的(不可公开),
还是参考 RFdiffusion / ProteinMPNN / Chroma 等开源工具的标准 prompt。
ProteinMPNN 的 prompt 模板 + scaffolding 策略在 2025 年就是公开的——Claude 大概率是用了 ProteinMPNN-style 的 prompt 框架,但 Anthropic 没明示。这条对"AI 干 wet lab"的可复现性很关键——如果 prompt 是 Anthropic 内部专有,那 14/15 这个数字就成了"Prompt + Claude + 湿实验方"三件事合力的结果,Claude 单独是几/15 没人知道。
④ "Claude 干 wet lab"这件事的真正分水岭是"AI 输出 + 湿实验 = 闭环",而不是"AI 多准"。原帖说"AI 把湿实验端到端托管",但没说:
AI 输出的"是否合成、合成哪条"是 Claude 自己决定的,还是人类专家选的?
湿实验方的失败反馈(比如"3 个变体表达失败")有没有反哺到 Claude 的下一轮 prompt 调整?
15 个靶点是同时跑的还是分批跑?如果是分批,后批是否从前批失败里学习?
Anthropic 的 PDF 只说了"15 靶点同时跑",没说是否闭环——如果是"AI 出序列 → 湿实验 → 失败不反馈"的一次性,本质还是"AI 辅助",不是"AI 闭环";只有"失败反馈"回到 prompt 调整,才是真正的"AI 干 wet lab"。
⑤ 这件事对"AI for Science"商业模式的真冲击是"早研外包"被击穿。原帖说"AI 抢走专家的工作",但真正抢走的是"早期发现外包"(CRO-early discovery)——Charles River Labs、WuXi AppTec、Eurofins 这类 CRO 公司 30-40% 营收来自"早研外包"。Claude + Adaptyv + Twist 三件套如果稳定下来,这些 CRO 的早研业务 18-24 个月内会被压缩 30-50%。Anthropic 没有说出来的话:Claude 商业化的下一站不是"卖 token",是"卖端到端早研流水线"—— Adaptyv 和 Twist 这种"AI 友好型"湿实验公司,会变成 Anthropic 的"AI 即服务"合作伙伴,而不是客户。
下一步最该盯:Anthropic 2026 Q4 公开的"15 靶点"详细数据 + 第二轮 30 靶点的成功率走势——第二轮如果"基于第一轮失败反馈"的版本跑到 25/30,意味着"AI 闭环"真的做成了;如果还停在 25-28/30,意味着"AI 一次性设计 + 湿实验兜底"是天花板。这条数据决定 Claude 在早研外包市场能不能吃下第一块蛋糕**。