编辑说明： 本文写作于2026年9月25日，不同于昨天（2026年9月24日）发布的关于 ART 酶系统科学发现的报道（聚焦实验方法论与科学意义），本文专注于 Anthropic CEO Dario Amodei 的宏观预言本身：他说了什么、他给出的证据链是什么、以及为什么这个预测值得认真对待——也值得审慎质疑。Dario 言论来源为 Fox Business（2026年9月23日）及其在 X 平台的帖文（@DarioAmodei）；酶系统细节（950个智能体、21小时、2.1亿 token）来自 Anthropic 官方博客（anthropic.com/news/claude-discovers-novel-enzyme-system）及 TechCrunch 独立报道（2026年9月23日）；数学进展描述来自 Dario 本人表述；《Machines of Loving Grace》相关内容来自其2023年原文。

2026年9月23日，就在 Anthropic 在官方博客（anthropic.com/news/claude-discovers-novel-enzyme-system）发布了 Claude 帮助发现新型酶系统的公告——Anthropic 生命科学研究组报告 Claude 自主发现了一种在噬菌体 DNA 中隐藏的、此前未知的酶”系统”，具有类似 CRISPR 的特性（能够进行剪切、复制、粘贴 DNA 等操作），由约950个 Claude 智能体消耗约2.1亿 token、仅历时21小时完成（TechCrunch 2026年9月23日独立报道核实了上述关键数字；物理实验仍由人类科学家操作）——的同一天，Dario Amodei 做了一件不那么”谨慎科学家”的事：

他发布了一个预言。

“AI 将在未来5到10年内，帮助攻克大部分主要疾病。”

这句话来自一家当时估值超过4000亿美元的 AI 公司 CEO。Anthropic 在2025年底至2026年初完成了多轮大规模融资，估值突破4000亿美元（《金融时报》、Bloomberg 和 Reuters 均有相关报道，其中包括2025年下半年一轮 $30亿+的融资，该笔融资推动了估值大幅跳升）。Dario 是在 Fox Business 接受采访并在 X 平台上发帖时说的这句话。它被多家主流媒体转载、讨论，在 X 平台引发了大量讨论。一部分人认为这不过是配合酶发现公告的营销话术。另一部分人，则在认真思考这件事是否有可能是真的，以及如果是真的，世界会变成什么样。

我倾向于后者的思考方式。但这需要先把 Dario 的证据拆开来看。

他给出的历史类比

Dario 不是空口预言。他给出了一条他认为有说服力的证据链：AI 在数学领域的指数级进步，以及他对生物学可能遵循相同规律的判断。

他的数学时间线——以下均为 Dario 本人的描述（Fox Business, 2026-09-23），非独立核实数据：

  • 2023年：AI 模型在数学上的表现大约在”普通高中生水平”
  • 2024年：AI 开始在数学竞赛（顶尖高中生水平）中表现良好
  • 2025年：AI 开始解决”小型”数学开放问题
  • 2026年初：AI 解决了”更重要”的数学开放问题
  • 2026年底（当前）：AI 据 Dario 称，正开始解决”数学领域最顶级的”少数开放问题

“我们相信 AI 在生物学上处于类似的指数曲线上。”

这是他的核心论断。

他补充了一个他认为关键的区别：数学可以纯理论推进，生物学需要实验。然后他立刻转向了他认为这个区别”可以被克服”的理由：

“人类可以与 AI 协作，执行实验、在几周内验证关键结果。最终，可能甚至 Claude 本身可以通过自主控制实验室设备来安全地执行实验，在适当的安全保障下——但我们今天还没有做到这一点。”

为什么这个论断值得认真对待

让我们把怀疑暂时搁置，先严肃问一个问题：这个预测的内在逻辑有多强？

支持点1：指数曲线的历史可信度

Dario 的数学指数曲线描述，与许多独立观察者的记录大致吻合。从 GPT-3 在 2020年几乎无法推理，到现在的模型可以尝试攻克 IMO 金牌级别的题目，这个进步在时间跨度上确实是压缩的。

如果类似的指数曲线能在生物学领域复现，那么5-10年的时间框架，在概念上是有可能的——不是必然的，但不是荒谬的。

支持点2：生物学的数据丰富性

大量的基因组数据库、蛋白质结构数据、临床试验数据、文献——这些都是可以被 AI 大规模处理的结构化/半结构化数据。Anthropic 生物实验室使用 950 个 Claude 代理在21小时内筛选了”人类科学家从未仔细审视过的数据库角落”，发现了 ART 酶系统。这个事件本身证明了：AI 在数据密集型发现工作上，效率可以远超人类团队。

支持点3：”新靶点 → 更多候选药物”的加速逻辑

Dario 指出，即使 AI 加速生物学发现，临床试验的时间线不会缩短——监管要求不会因为 AI 变快。但他指出的价值在于：通过 AI 加速基础生物学发现，可以产生更多更有价值的候选药物进入临床试验管道。

这个逻辑是合理的。历史上，制约新药开发的一个关键瓶颈是”靶点发现”——找到什么蛋白质、什么基因路径是值得攻击的目标。AI 加速靶点发现，不改变临床试验规则，但可以让管道里涌入更多高质量候选物。

为什么这个预测也值得审慎质疑

然而，任何严肃的分析都不能止步于”支持点”。

质疑点1：生物学不是数学

Dario 承认了这个问题，然后试图绕过它。但我认为他绕得不够彻底。

数学的进步发生在纯符号推理空间里——没有物理约束，没有测量误差，没有意外的生物体反应。你可以对一个数学定理进行纯数字验证，而且验证结果是确定性的。

生物学不是。蛋白质在溶液里的行为，细胞在特定微环境下的反应，药物在不同个体基因背景下的效果——这些都不能在计算模拟里完全准确复现（至少在目前的水平上不能）。AlphaFold 能预测蛋白质结构，但蛋白质在细胞内的功能——与其他蛋白质的相互作用，在不同细胞状态下的构象变化——仍然远远超出当前计算模型的准确预测能力。

AI 加速发现，不等于 AI 消除生物学的内在复杂性。

质疑点2：”大部分主要疾病”的定义弹性

“攻克大部分主要疾病”是一个非常宽泛的表述。

阿尔茨海默病？人类研究了几十年，至今没有一款能真正逆转疾病进程的药物。癌症？”癌症”不是一种疾病，而是数百种不同病理机制的疾病集合。心血管疾病？我们已经有了很好的治疗手段，但风险因素的根源（代谢综合征、生活方式、遗传倾向）涉及极其复杂的系统。

5-10年内”攻克”，可以理解为”有明显改善治疗手段”，也可以理解为”完全消除死亡率”。前者是可能的，后者在5-10年内几乎不可能。Dario 没有明确区分这两种含义。

质疑点3：临床试验瓶颈被低估了

Dario 说 AI 不能缩短临床试验时间，但也许他低估了临床试验的整体时间成本在整个药物开发周期中的比重。

从”靶点发现”到”药物上市”，传统上需要10-15年。其中靶点发现和早期优化占1-3年，临床前研究1-2年，I/II/III期临床试验通常占7-10年。即使 AI 把前端的靶点发现压缩到几个月，后端的临床试验时间不变，那么总体上的提速也是有限的——除非监管机构同步改革审批流程。

质疑点4：AI 发现 ART 酶系统的”意义”尚未确定

Dario 本人承认：”其精确功能、生物技术效用（如果有的话）、或意义水平尚不清楚，但至少这是我作为博士生时会为之骄傲的工作。”

这句话的后半句很重要：“我作为博士生时会为之骄傲”——这是谦虚的表述，不是”诺贝尔奖级别的发现”。酶系统的发现，从发现到实际医疗应用，通常经历10-20年的漫长旅程（参见 CRISPR 的故事：1987年发现异常重复序列，2020年才获诺贝尔奖，目前仍在临床早期阶段）。

用一个刚被发现、功能尚不清楚的酶系统来支撑”5-10年攻克大部分疾病”的预言，存在一定的跳跃。ART 酶系统的发现证明了 AI 辅助科学探索的效率优势，但”发现效率高”和”治疗研发速度快”是两回事。即使 AI 每年能帮助发现100个有潜力的新靶点，这100个靶点仍然需要经历药物设计、动物实验、毒理测试、一二三期临床试验的完整流程。流程的速度，由生物学的复杂性和监管要求决定，AI 目前的影响主要在流程的前端（发现和设计），而不是后端（验证和审批）。

质疑点5：从发现到治疗的结构性延迟

这一点值得单独展开，因为它是所有质疑点中最具体、最难被反驳的一个。

美国 FDA 新药审批流程的大致时间框架（2026年）：临床前研究1-3年，I期临床（安全性）1-2年，II期临床（有效性初步验证）2-4年，III期临床（大规模对照试验）3-6年，FDA 审查1-2年。合计约10-15年，即使一切顺利。

“AI 加速”主要发生在”临床前研究”阶段——靶点发现、分子筛选、毒性预测。如果 AI 将这个阶段从3年压缩到6个月，节省了约2.5年，那对于总体10-15年的开发周期来说，是约15-25%的时间节省。这是有意义的改进，但无法实现”5-10年内攻克大部分主要疾病”所需要的数量级跃升。

要真正实现数量级的改变，需要的是 AI 能够设计出”在I期临床就显示出极高治疗窗（疗效/毒性比）的分子”，从而让 II/III 期临床更快达到统计显著性。这是理论上可能的，但在实践中仍然高度不确定——人类的个体差异、免疫系统的复杂反应、老年患者的共患疾病，都使得从体外或动物模型到人体的预测至今极其困难。

「Machines of Loving Grace」与 Dario 的一贯立场

要理解这个预言，有必要了解 Dario 说这句话的思想背景。

2023年，Dario Amodei 发表了一篇长达1.5万字的文章《Machines of Loving Grace》（”充满仁爱的机器”），系统阐述了他对 AI 带来正面未来的构想。这篇文章在 AI 研究社区被广泛阅读，在理性主义社区（Rationalist community）里也引起了热烈讨论。

文章中有一段关于生物和健康的描述，是他今天预言的直接来源：”在接下来的5-10年内，AI 可能帮助我们压缩成百上千年的生物学进步……很可能在这段时间内，大部分传染病被消灭，大量癌症和心脏病的治疗方法被开发出来，精神健康问题的治疗被彻底革新。”

这不是2026年9月23日随口说的话。这是他经过深思熟虑、在2023年就写下来、并在此后多次重申的立场。酶系统发现事件只是让他又一次重申了这个立场的时机，而不是立场本身的来源。

这种一致性很重要：它说明 Dario 不是在顺着新闻点说话，而是在推进一个他已经持有多年的核心信念。这增加了他预言的可信度——不是因为持续说同一件事就代表它是真的，而是因为它排除了”这只是当下公关策略”的解释。

Dario 在对谁说话

还有一个维度值得关注：这句话是说给谁听的？

2026年9月23日，酶系统发现公告发布。这个时机，Anthropic 的生物实验室研究在理论上已经把 Claude 和”生命科学突破”联系在一起。Dario 的预言，强化了这个框架，并给投资者、政策制定者、公众一个宏大的叙事：Anthropic 不是在开发聊天机器人，而是在开发可以改变人类命运的工具。

这是有意为之的叙事构建。对于一家估值超过4000亿美元的公司来说，维持这种叙事与商业价值是相关的。

但这不代表 Dario 不真诚。在 AI 行业，很多在外界看起来像是”宣传”的话，在实验室内部是真实信念的表达——Elon Musk 关于 Tesla 自动驾驶的许多预言，John McCarthy 关于 AI 的早期断言，都属于这个范畴：真实信念，不准确的时间线。

历史先例：大胆预测与现实

让我们放一点历史视角。

科学界长期流传着”核聚变永远在20年之后”的说法，这个领域的持续过度乐观预测，已成为对技术预言局限性的经典注脚——ITER 国际热核聚变实验堆项目在2026年仍在建设中，商业核聚变依然遥遥无期。

2000年代初的”Human Genome Project”完成后，很多人预言个性化医疗会在10年内彻底改变临床实践。2010年代确实有很多进步，但”彻底改变”来得比预言更慢、更局部。靶向药物已经改变了部分癌症的治疗方式，但大多数患者的就医体验，在2026年与2010年相比，并没有发生本质性的变革。

另一方面，也有一些大胆预测在被嘲笑后被现实证明。Alan Turing 在1950年预言”2000年机器将能够冒充人类思维”，被很多人认为是幻想，他的时间线本身很难说准确，但问题的方向被证明是对的。Marvin Minsky 在1967年说”在一代人的时间内，创造人工智能的问题将基本被解决”——他错了时间线，但不是错了方向。

类比中最接近的案例，是 Demis Hassabis 对 AlphaFold 的判断。2020年 AlphaFold 2 发布时，许多生物学家将其描述为”将改变结构生物学”——事后看，这个判断基本成立：它确实从根本上加速了蛋白质结构预测领域，2024年 Hassabis 因此获诺贝尔奖。当时的预言不是营销，而是基于真实能力的准确判断。

Dario 的预言，是同一种类型，还是不同类型？我们目前没有足够信息来判断。

AI 生物学研究的竞争格局

值得注意的是，Dario 的预言并非发生在真空中。整个 AI 行业，都在同时推进 AI 与生物学的融合，这使得未来5-10年的发展可能比任何单家公司的路线图更快——也更不确定。

Google DeepMind：AlphaFold 的持续推进

据 The Verge（2026年8月，https://www.theverge.com/tech/975677/google-deepmind-ai-demis-hassabis-shakeup）和 The Guardian（2026年8月8日，https://www.theguardian.com/technology/2026/aug/08/google-demis-hassabis-deepmind-shifts-role）报道，Demis Hassabis 在从 Google DeepMind CEO 卸任时明确表示，他将把主要精力集中在 Isomorphic Labs——这家 Google/DeepMind 旗下的 AI 制药公司。Isomorphic Labs 正在使用 AlphaFold 和相关 AI 技术进行药物研发，据报道已与多家大型制药公司建立合作。

AlphaFold 3（2024年发布）已经能够预测蛋白质与小分子配体（药物候选分子）的结合方式，这是直接相关于药物设计的能力。这比 AlphaFold 2 的蛋白质结构预测更接近实际的药物发现应用。

Meta AI：ESMFold 和蛋白质语言模型

Meta 在2022年发布了 ESMFold，基于蛋白质语言模型进行结构预测，速度比 AlphaFold 2 快了约60倍（据 Meta AI Research 团队发表于 Science 的原始论文，2022年11月）。虽然精度稍低，但速度优势让它可以被用于大规模筛选——这对于寻找有药物开发价值的蛋白质靶点很有意义。Meta 将这些工具开源，加速了学术界的相关研究。

OpenAI 的生物学布局

OpenAI 在2026年也开始更明确地表述其在生物学领域的战略意图，但具体的研究路线相对低调。GPT-6 系列在科学推理能力上的提升，使其在分析生物学文献、综合跨领域知识方面有了更实用的价值。

结论：集体速度可能超过个体预测

上述多家机构同时在 AI 生物学领域发力，意味着这个领域的整体推进速度，可能比任何单家公司的预测都更快。Dario 在预言时，可能也把这个集体加速效应考虑在内。

从发现到治疗：漫长的旅程

Dario 的预言中最需要被仔细审视的一个细节，是”攻克疾病”这个表述意味着什么。

在生物医学领域，从”科学发现”到”临床治疗”之间，有一条漫长且充满不确定性的路。让我们以 CRISPR 为例，来理解这条路有多长：

1987年：日本科学家石野良纯在研究大肠杆菌基因组时，发现了奇怪的重复序列——这些后来被命名为 CRISPR 的序列。当时没有人知道它们有什么用。

2003-2007年：研究者开始意识到这些序列是原核生物的免疫系统，能识别并切割病毒 DNA。

2012年：Jennifer Doudna 和 Emmanuelle Charpentier 发表了划时代的论文，展示了 CRISPR-Cas9 可以被编程为精准的基因编辑工具。

2015年：第一例人类 CRISPR 临床试验申请在多个国家提交。

2020年：Doudna 和 Charpentier 因 CRISPR 研究获诺贝尔化学奖。

2023年：美国 FDA 批准了第一款基于 CRISPR 技术的治疗方案——用于治疗镰状细胞病（Casgevy，由 Vertex/CRISPR Therapeutics 开发）。

从1987年的初步发现，到2023年的 FDA 批准，用了整整36年。

当然，AI 可以加速这条路——更快地筛选候选分子、更快地预测毒性、更快地设计实验。但它不能消除临床试验本身的时间成本——这由监管要求、人体生理学的复杂性、以及统计功效的要求所决定。一期临床试验通常需要2-3年，二期3-5年，三期5-7年。

这意味着，即使 AI 在2026年发现了一个革命性的新靶点，基于这个靶点的治疗方案要获批，最快也要到2030年代中期。这与 Dario 的”5-10年攻克大部分主要疾病”形成了时间上的张力。

AI 最可能率先改变哪些疾病

让我们把讨论从”大部分主要疾病”变得更具体：在接下来5-10年内，哪些具体的疾病领域最有可能受益于 AI 加速？

最有希望的领域：

1. 罕见遗传病

许多罕见遗传病的致病机制相对清晰（特定基因突变），已有的 CRISPR 等基因编辑工具提供了治疗途径，患者群体小（意味着临床试验可以较快完成），而且一旦有效，可以是一次性治愈。AI 在识别更多罕见病致病基因、设计精准的基因编辑方案方面，已经在加速这个进程。

2. 特定癌症分型

“癌症”是数百种疾病的集合，但其中有一些分型的靶点相对清晰，已有靶向药物证明了原理。AI 在预测药物耐药性机制、发现新的组合疗法方面，有望加速这些分型的治疗进展。特别是在肿瘤免疫学（免疫检查点抑制剂的优化）方面，AI 分析大量患者数据的能力可以帮助更准确地预测哪些患者对哪种治疗有反应。

3. 抗菌素耐药性

这是一个被公共卫生领域视为”慢动作灾难”的问题——超级细菌的出现，使得越来越多的感染性疾病无药可治。AI 在发现新型抗生素结构、预测细菌进化路径方面，已经有了一些令人鼓舞的早期成果（比如2020年 MIT 研究组用深度学习发现了新型抗生素 Halicin）。

最难改变的领域：

  • 神经退行性疾病（阿尔茨海默病、帕金森病）：病理机制极其复杂，血脑屏障带来的药物递送难题，加上40-50年的漫长发病过程，使这些疾病仍然是医学界最难攻克的堡垒之一。
  • 自身免疫疾病：涉及免疫系统的系统性失调，需要精准干预而不是简单的”增强”或”抑制”。
  • 精神健康疾病：诊断标准本身还在演进，分子机制理解极其有限，临床试验成功率低。

如何处理这个预言

我的建议是：既不dismiss，也不盲信；把它当作一个需要持续验证的假说。

评估这个假说的具体观察点：

  1. ART 酶系统的后续研究：未来2-3年内，它是否被独立实验室验证，是否进入基因编辑工具的开发管道？如果它只停留在 Anthropic 的一篇内部报告里，那这个发现的意义就大打折扣。如果它激发了独立研究者的跟进工作，那就是一个积极信号。

  2. Anthropic 生物实验室的成果节奏：这是一次性的展示，还是建立起了可持续的科学发现能力？未来12个月内，Anthropic 是否会发布第2个、第3个类似的发现？如果是，这说明它建立了一个真实的科学研究循环，而不是一次精心设计的公关行动。

  3. AI 加速临床试验前端的实际案例：未来5年内，是否有可归因于 AI 辅助发现的新药靶点，进入了 II/III 期临床并显示出明显疗效？这类案例一旦出现，将是支持 Dario 预言方向的最强证据。

  4. 竞争格局的集体进展：这不只是 Anthropic 的游戏。Google DeepMind 的 Isomorphic Labs、Meta 的 ESM 蛋白质模型研究、OpenAI 的生物医疗研究方向——多家实验室同时在生物领域发力，集体效果可能比任何单家公司的预测都更具变数。如果5年后有来自不同机构的多个 AI 辅助发现进入临床，那 Dario 的整体方向将越来越难以被质疑。

  5. 监管框架的适应速度：最终，”攻克疾病”的速度不只取决于 AI 和科学，还取决于监管机构是否能在保持安全标准的同时，建立更高效的 AI 辅助药物审批流程。FDA 目前正在讨论如何处理 AI 生成的临床证据。这个讨论的结果，将对整个行业的时间线产生重大影响。

最后一段

Dario Amodei 是一个聪明、认真的人，他说的不是随机的话。他在2023年写的《Machines of Loving Grace》，是迄今为止 AI 领域对”正向未来”描述最认真、最有理论支撑的文章之一。那篇文章里，他对 AI 在生物学上的预判，与他今天说的基本一致——这意味着他不是在随着新闻节奏说话，而是在坚持一个经过深思熟虑的预测。

但坚持一个预测，不等于那个预测是正确的。历史上有太多被持续坚持的错误预言。

我的判断是：方向很可能是对的，时间线可能过于激进。5年内”攻克大部分主要疾病”的概率极低——临床试验的结构性延迟是真实的约束，不是可以靠 AI 消除的技术问题。10年内在若干具体疾病领域（特定癌症分型、部分罕见遗传病、某些代谢疾病）取得突破性进展——这种更保守的版本，在我看来有真实的可能性，而且会比大多数悲观者目前预期的来得更早。

但”攻克”和”取得进展”是两回事。如果2036年 AI 辅助的药物让某种癌症的五年生存率从40%提升到70%，那是巨大的进步，但不是”攻克”。如果 AI 帮助确定了导致阿尔茨海默病的10个新靶点，但其中没有一个在2036年有获批的治疗方案，那发现本身无法被称为”攻克”。

Dario 预言的最诚实的解读，可能是：他相信方向，他选择了鼓舞人心的表述，他愿意承担被证伪的风险。这本身是一种值得尊重的立场。

真正需要等待的，不是5-10年，而是接下来1-2年的 Anthropic 生物实验室产出节奏。 如果 ART 酶系统能在未来2年内获得独立验证并进入应用研究管道，那会是支持 Dario 预言方向的最强信号——也会是让这场预言从”鼓励人心的话”变成”值得认真对待的预测”的关键一步。

参考资料：

  • Fox Business, “Anthropic CEO says AI could cure most major diseases within next decade,” September 23, 2026. https://www.foxbusiness.com/technology/anthropic-ceo-says-ai-could-cure-most-major-diseases-within-next-decade（Dario Amodei 关于5-10年攻克疾病的言论来源）
  • TechCrunch, “Anthropic says its biology lab has already found something big,” September 23, 2026. https://techcrunch.com/2026/09/23/anthropic-says-its-biology-lab-has-already-found-something-big/（酶系统发现的独立新闻报道，核实了950个智能体、21小时、2.1亿 token 等关键数字）
  • Anthropic, “Claude discovers a novel enzyme system,” September 23, 2026. https://www.anthropic.com/news/claude-discovers-novel-enzyme-system（官方技术博客，酶系统发现的一手来源）
  • Dario Amodei, “Machines of Loving Grace,” October 2023. https://darioamodei.com/machines-of-loving-grace（文中关于 AI 在生物学进步预测的历史背景来源）
  • The Verge, “Google just announced a major shakeup of its top AI leadership,” August 2026. https://www.theverge.com/tech/975677/google-deepmind-ai-demis-hassabis-shakeup（Hassabis 将精力转向 Isomorphic Labs 的来源）