950个AI代理、21小时：Claude自主发现新型酶系统ART——一次方法论证明，而非定论

人类历史上，最伟大的生物学发现往往源于一次偶然的「注意到了什么」。

限制酶的故事是这样开始的：1960年代末，瑞士微生物学家Werner Arber和他的同事在研究细菌免疫系统时，注意到噬菌体DNA在进入某些宿主细菌后被神秘地切割降解。后来，Hamilton Smith在1970年从流感嗜血杆菌中分离出第1个能识别特定DNA序列并精确切割的限制性内切酶HindII。Daniel Nathans随后证明，这些酶可以用于切割并拼接任意DNA——这一发现直接启动了整个生物技术行业，3人因此共享1978年诺贝尔生理学或医学奖。从「注意到DNA被切割」到「理解机制并获得诺贝尔奖」，中间经历了近10年。

Taq聚合酶的发现，是从黄石公园大棱镜温泉中分离出的嗜热菌Thermus aquaticus里找到的耐热DNA聚合酶。1969年Thomas Brock首次分离出这种细菌，但直到1983年Kary Mullis发明PCR（聚合酶链式反应）技术时，Taq聚合酶才找到了它的「使命」——成为PCR的核心引擎，让现代诊断医学、法医学、基因组学成为可能。Mullis因此获得1993年诺贝尔化学奖。从发现细菌到应用爆发，间隔超过14年。

CRISPR的起点更加戏剧性。1987年，日本大阪大学的石野良纯（Yoshizumi Ishino）在研究大肠杆菌的碱性磷酸酶基因时，无意中在基因下游发现了一段奇怪的重复序列——5段29个核苷酸的回文重复，被32个核苷酸的间隔序列分开。他在论文中写道：「这些序列的生物学意义尚不清楚。」此后，西班牙微生物学家Francisco Mojica在地中海嗜盐古菌中也发现了类似结构，他花了十余年时间试图理解这些重复序列的功能，直到2005年才提出它们是细菌免疫记忆的核心。2012年，Jennifer Doudna和Emmanuelle Charpentier证明CRISPR-Cas9可以被编程为精确的基因剪刀。2020年，两人获得诺贝尔化学奖。从第1次「注意到奇怪的重复序列」到诺贝尔奖，历经33年。

这3个故事有一个共同的结构：人类的感知力在某个偶然时刻捕捉到了一个异常信号，然后经过漫长的理解和验证过程，最终转化为改变世界的工具。

2026年9月23日，Anthropic宣布了一件事：950个Claude代理，用21小时，在人类科学家从未仔细审视过的数据库角落里，注意到了一个人类没有注意到的东西。

这件事的意义，不仅仅是「AI又做了什么」，而是关于「科学发现」这件事本身的边界——谁有资格「注意到」，什么算「发现」，以及发现的速度是否存在物理极限——正在被重新定义。

但必须在一开始就明确：这是一次方法论的证明，不是一个已经被验证的生物学突破。ART目前仅是一份未经同行评审的预印本中描述的结构性发现，其功能意义尚未确认。本文的核心关注点，是这次发现所展示的AI驱动科学探索范式，而非ART本身的生物学地位。

什么是ART？背景与发现内容

Anthropic将这个新发现的系统命名为ART（array-associated reverse transcriptases，阵列相关逆转录酶）。

要理解这个发现的意义，需要先解释几个基础概念，以及它们之间的关系。

逆转录酶：生命信息流的逆行者

逆转录酶（Reverse Transcriptase，RT）是一类特殊的酶，它能够把RNA信息转录成DNA——方向与通常的基因表达方向相反。分子生物学的「中心法则」（Central Dogma）描述了遗传信息的标准流向：DNA → RNA → 蛋白质。逆转录酶打破了这个单向流动，实现了RNA → DNA的逆向过程。

逆转录酶最为人知的角色是在逆转录病毒中。艾滋病毒（HIV）就使用逆转录酶把自己的RNA基因组转化为DNA，然后整合进宿主细胞的基因组中，这是HIV难以被彻底清除的根本原因之一——病毒基因组成为了宿主自身DNA的一部分。抗逆转录病毒疗法（ART，恰巧与ART酶系统同名缩写）正是通过抑制这种酶来控制HIV感染。

但逆转录酶在生物界的分布远比人们最初想象的广泛。细菌、古菌、噬菌体中都存在各种各样的逆转录酶家族。许多逆转录酶的功能至今仍未被完全理解——它们存在于基因组中，被检测到，被记录在数据库里，但没有人知道它们在做什么。这些「功能未知的逆转录酶」构成了一个巨大的暗物质地带，等待被探索。据Anthropic预印本描述，此次筛查涉及约20万条逆转录酶序列，这一数字反映了公共数据库中此类序列的庞大规模。

CRISPR系统：从好奇心到革命性工具

CRISPR系统的核心特征是一段有规律的DNA重复阵列。这些重复序列（Clustered Regularly Interspaced Short Palindromic Repeats）之间夹着的「间隔序列」（spacers），实际上是细菌过去遭遇过的病毒的DNA片段——相当于细菌的「通缉令档案」。当同一种病毒再次入侵时，CRISPR系统会利用这些档案识别并摧毁入侵者的DNA。

CRISPR系统的革命性在于它的可编程性：科学家可以人工设计「间隔序列」，让CRISPR-Cas9去切割任何他们想要切割的DNA位置。这种可编程性直接源于其重复阵列的结构特征。正是这种「阵列+效应蛋白」的组合，使CRISPR从一个细菌免疫机制变成了价值数百亿美元的基因编辑工具平台。据ClinicalTrials.gov数据库检索，截至2026年，全球已有数十项基于CRISPR的临床试验在进行中或已完成，涵盖镰刀型细胞贫血症、β地中海贫血、某些癌症等疾病。

ART：两个关键特征的交汇

ART系统的特别之处，正是它同时具备了两个让研究者高度警觉的特征：

它包含一个逆转录酶（RT）——能把RNA转录成DNA的酶
它旁边有一段DNA重复阵列——这种排列方式与CRISPR系统的组织方式极其相似

这种组合在已知的生物系统中极为罕见。已知的CRISPR系统使用的是Cas蛋白（如Cas9、Cas12、Cas13），而不是逆转录酶。逆转录酶通常独立存在或与其他类型的遗传元件（如转座子、内含子）关联。一个逆转录酶与CRISPR-like重复阵列的共存，暗示着一种全新类型的生物功能——可能是一种结合了RNA处理和DNA记忆功能的未知防御或适应系统。但需要强调，这一功能推测目前仅基于结构相似性，尚无直接的实验证据支持。

虽然ART所基于的那个逆转录酶（存在于一种「巨型噬菌体」中）在之前的研究中已有记录，但没有人注意到它旁边的那段DNA重复阵列，也没有人注意到它旁边还有一个功能未知的辅助蛋白（accessory protein）。巨型噬菌体（jumbo phages）本身就是近年来才引起广泛关注的研究对象——这些噬菌体的基因组异常庞大（通常超过200kb，而普通噬菌体约为40-50kb），包含大量功能未知的基因，是生物暗物质的重要组成部分。

这是ART的发现本质：不是一个全新的蛋白质序列，而是一个已知序列的「邻居关系」的意义——一个人类科学家在做系统性扫描时容易忽略的细节。就像你可能认识街上的每一个人，但从未注意到某两个人总是一起出现，而他们之间的关系可能揭示了一个你完全不知道的故事。

数字背后的意义：这次发现是怎么发生的

让我们停在几个具体数字上，拆解这次发现的技术过程。以下数字均来自Anthropic官方博客及预印本：

950个Claude agent并行运行
21小时连续搜索
筛查对象：约20万条逆转录酶序列
消耗tokens：约2.1亿个
初步识别的候选系统：约3500个
最终确认：ART，一个此前未被表征的新型酶系统

人类做同样的事需要多久？

这个任务，要让人类博士生来做，需要多久？

保守估计：一个训练有素的计算生物学家，对20万条序列做系统性筛查，分析每条序列的「邻居关系」（即查看每条逆转录酶基因上下游的基因组环境），在当前没有AI辅助的情况下，据推测大约需要数月到数年。

具体来说，分析一条序列的基因组邻居关系，包括提取上下游序列、运行同源性搜索、检查是否存在重复结构、与已知系统比对等步骤，即使使用自动化脚本，每条序列也至少需要数分钟到十数分钟的人工审查时间（对于有趣的候选者则需要数小时）。20万条序列意味着数万小时的人工审查量。

更重要的是，人类研究者极可能因为精力分散、认知偏差（「这条序列和前面那条差不多，跳过」）、注意力衰减（在审查第5万条序列时，对异常模式的敏感度必然下降），而错过ART这种边缘模式。认知心理学研究表明，人类在长时间重复性任务中的错误率会显著上升——这在放射科医生阅读CT影像的研究中已被反复证实（参见Waite et al., Journal of the American College of Radiology, 2017）。

Claude的工作流程

Anthropic在官方博客中描述了这次发现的工作方式：

「我们的参与仅限于初始提示（initial prompt）和实验室工作，而Claude代理负责梳理数据库、研究不同的RT家族，并用自己的判断识别有趣的候选者。」

关键词是「自己的判断」。

Anthropic给Claude的任务，大约是「在一个大型DNA序列数据库中，搜索逆转录酶的新例子」。没有明确告诉Claude去寻找CRISPR-like结构。Claude自己在开放搜索过程中，注意到了那个「与基因相邻的重复DNA序列模式」。

这个过程的技术架构值得详细描述。Anthropic将整个工作流程建立在Claude Science和Claude Code工具上。根据Anthropic博客披露的信息，950个代理并非简单地各自独立搜索，而是采用了一种分层协作架构：

搜索层代理：负责在数据库中系统性地检索逆转录酶序列，提取每条序列的基因组上下文（上下游各数千碱基对的区域）
分析层代理：对搜索层提取的数据运行结构分析——检测重复序列、预测蛋白质结构域、评估基因组组织方式
评估层代理：对分析结果进行优先级排序，判断哪些候选系统「足够有趣」值得深入研究
报告层代理：生成结构化的研究报告，包括候选系统的描述、与已知系统的比较、以及建议的实验验证方案

代理运行时能够自主编写分析代码、访问公共数据库（如NCBI GenBank、UniProt）、生成可视化报告，并在多轮迭代中排除不值得关注的候选系统，最终将3500个初步候选缩减到值得深入研究的少数目标。

这意味着：这不是验证性搜索，而是在开放探索中的意外发现。 这与AlphaFold预测蛋白质结构（解决已知问题——给定氨基酸序列，预测3D结构）有本质区别——ART的发现是从「未知」到「提出一个值得验证的新问题」的过程。前者是「给定问题求解」，后者是「在没有问题的地方发现问题」。

实验室验证

实验室验证部分由人类科学家完成：在标准实验室菌株（大肠杆菌）中克隆并表达ART系统的蛋白质组分，进行生化表征（如蛋白质纯化、活性测定）和结构分析，以确认Claude发现的基因组模式确实对应一个真实存在的、能够表达功能性蛋白质的生物系统。

这个「计算发现+实验验证」的闭环，是Anthropic刻意展示的工作范式——AI不是在真空中做预测，而是生成可以被实验检验的假说。

科学界的反应：MIT CRISPR先驱与更广泛的声音

MIT教授、CRISPR基因编辑技术的先驱之一冯张（Feng Zhang），在查阅ART研究预印本后表示（引自Reuters 2026年9月23日报道）：

「这是AI代理如何为生物发现做出贡献的令人兴奋的例子。RNA-重复阵列与逆转录酶关联的发现真正引人入胜，值得进一步研究。我希望这项工作能鼓励更多科学家探索AI如何支持他们的研究。」

冯张的评价需要放在他的学术背景下理解。他是Broad Institute的核心研究员，在2013年首次在哺乳动物细胞中实现CRISPR-Cas9基因编辑，是CRISPR应用领域最重要的开拓者之一。他的实验室长期致力于发现新型CRISPR系统和其他可编程生物工具。他对ART的关注，代表了领域内顶级科学家对这种「逆转录酶+重复阵列」组合的真实兴趣。

值得注意的是：冯张没有说「AI发现了一个重大成果」，而是说「这是值得进一步研究的发现」。这是科学语言的重要细微差别——在科学界，「值得进一步研究」既是真诚的赞赏，也是谨慎的保留。它意味着：这个发现通过了「有趣」的门槛，但还远未通过「重要」的门槛。

Reuters的报道引用了多位未具名的生物信息学研究者的反应，总体态度可以概括为「谨慎乐观」：承认Claude的搜索能力令人印象深刻，但强调ART的功能意义仍需大量后续工作来确认。一位评论者指出，基因组中存在大量「看起来有组织但实际上没有功能」的DNA结构（如假基因、退化的转座子残留），不能仅凭结构相似性就假定功能相似性。

Anthropic的战略意图：生命科学团队是差异化武器

内部生命科学实验室的建立

Anthropic在公告中披露了一个新的战略举措：2026年春，Anthropic成立了一个内部生命科学研究团队与实验室。

这个团队的目标：使用Claude做基础生物学研究——不只是辅助科学家，而是建立「AI代理与人类在研究的每个步骤都协作」的新型研究范式。团队专注于探索DNA数据集，识别未知蛋白家族，并在实验室中直接验证假说。

Anthropic在旧金山湾区建立了一个标准的分子生物学实验室（BSL-1和BSL-2安全等级，不涉及可感染人类的病原体），所有实验室工作由人类科学家完成，但Claude参与数据分析、假设生成和结果解读。BSL-1适用于处理不会导致健康成人疾病的微生物，BSL-2适用于处理可能通过皮肤伤口或黏膜感染的中等风险微生物。这意味着Anthropic的实验室目前不涉及高风险病原体研究，这是一个有意识的安全边界选择。

一家AI公司自建分子生物学实验室——这在行业中是前所未有的。Google DeepMind虽然通过AlphaFold在结构生物学领域取得了巨大影响力，但其验证工作主要依赖学术合作伙伴。OpenAI在生命科学领域的布局主要集中在医疗对话和文献分析，没有公开报道过自建实验室。Meta的FAIR实验室虽然发布了ESMFold等蛋白质结构预测模型，但同样不拥有公开报道的湿实验室能力。

Anthropic自建实验室的决策，意味着它想要控制从「计算假说」到「实验验证」的完整链条——这是一个更昂贵、更复杂，但也更具说服力的策略。

竞争格局中的定位

这个举动的背景是2026年AI竞争格局的剧烈变化：

GPT-6 Astra在多个能力基准上与Claude正面竞争，特别是在代码生成和多模态推理方面。DeepSeek的技术输出持续压缩API定价空间，其开源模型在性价比上对商业API构成直接威胁。Google Gemini Ultra 2在科学推理基准上表现强劲，且拥有Google Scholar和PubMed等学术数据资源的天然优势。

在这种环境下，企业客户在选择AI供应商时越来越重视「哪家能提供我所在行业的差异化价值」。通用能力的竞争趋向同质化，而垂直领域的深度能力成为关键差异化因素。

生命科学是Anthropic的差异化押注之一。 这个选择有深层逻辑：

数据规模远超人类穷举能力：全球蛋白质序列数据库（如UniProt）每年新增数百万条条目，基因组数据库的增速更快。据NCBI官方统计，GenBank中的碱基对总数持续呈指数增长。没有任何人类团队能够系统性地审查这些数据的全部。
假设空间极度开放：与数学证明或代码调试不同，生物学中没有标准答案。任何有趣的新关联都值得追踪，任何「看起来不寻常」的模式都可能是下一个CRISPR。
社会影响力极高：「AI发现新酶可能治病」比「AI代码写得更快」更具公众说服力和政策影响力。在AI安全辩论日趋激烈的2026年，展示AI的正面社会价值对Anthropic尤为重要。
验证周期可控：从计算发现到预印本发布，AI可以将周期缩短到数周（传统路径是数月到数年）。这意味着Anthropic可以高频次地产出「AI科学发现」的案例。
商业转化路径清晰：生物技术行业是全球最大的风险投资目的地之一。据PitchBook数据，近年来全球生物技术风投年度总额持续维持在数百亿美元量级。如果Claude能够系统性地发现新型生物工具，其商业价值不可估量。

ART的发现，是Anthropic对「Claude能做真实科学贡献」这个命题的第1份公开证据。

安全机制：生命科学验证计划

与此同时，Anthropic在同一天（2026年9月22日）发布了Claude Opus 5.5的生命科学许可证制度：经过「生命科学验证计划（Life Sciences Verification Program）」认证的机构，才能使用Opus 5.5进行高风险生物学研究。

这个计划要求申请机构提供：机构生物安全委员会（IBC）的审批证明、研究人员的资质验证、研究用途的详细描述、以及对研究成果发布方式的承诺。未通过认证的用户在使用Claude进行生物学相关查询时，会遇到更严格的内容过滤。

这说明Anthropic在扩大生命科学应用的同时，也建立了访问控制机制——这是对「AI生命科学工具可能被滥用」这一担忧的正面回应。生物安全领域的核心忧虑之一是「双重用途研究」（dual-use research of concern）：同样的酶发现工具，既可以用于寻找治疗疾病的新工具，也可能被用于寻找增强病原体毒力的手段。Anthropic的验证计划是目前AI行业中最明确的生物安全访问控制框架之一。

行业对比：AI在科学发现中的角色演变

ART的发现不是孤立事件，而是AI在科学研究中角色快速演变的一个节点。回顾近年来的关键里程碑，可以看到一条清晰的演进路径：

2020年：AlphaFold 2 — Google DeepMind的AlphaFold 2在蛋白质结构预测竞赛CASP14中取得突破性成绩，预测精度接近实验测定水平。这是AI在生命科学中的第1个「震撼时刻」，但本质上是解决已知问题——给定氨基酸序列，预测3D结构。问题是明确的，评价标准是明确的。

2023年：AI辅助药物发现进入临床 — Insilico Medicine的AI发现药物INS018_055进入2期临床试验（针对特发性肺纤维化），成为第1个由AI从靶点发现到分子设计全程参与的临床阶段药物。这是AI在优化已知流程中的应用——药物发现的基本框架（靶点→先导化合物→优化→临床）没有改变，AI加速了其中的步骤。

2024-2025年：AI在材料科学中的假说生成 — Google DeepMind的GNoME系统预测了220万种新型稳定晶体结构，其中数百种随后在实验室中被合成验证（发表于Nature, 2023）。Microsoft Research的团队使用AI系统在电池材料领域识别出新型固态电解质候选材料。这些工作开始展现AI在开放假说空间中的探索能力，但搜索范围仍然是预定义的（如「稳定的无机晶体」）。

2026年9月：ART的发现 — Claude在没有被明确指示寻找什么的情况下，在开放搜索中注意到了一个人类未曾注意到的模式。这是AI在科学研究中角色的又一次跃迁：从解决已知问题，到优化已知流程，到在预定义空间中探索，再到在开放空间中自主发现。

这条演进路径的方向是清晰的：AI正在从「工具」向「协作者」甚至「初始观察者」的角色移动。ART的发现位于这条路径的前沿——Claude不仅执行了搜索，还做出了「这个模式值得关注」的判断。

四层警惕：这个故事不只是光明面

第1层：预印本不等于验证的科学成果

Anthropic发布的是预印本（preprint）——科学界的「未经同行评审的工作稿」。ART是否真的具有CRISPR-like功能性，它的存在是否在独立实验室可以被复现，它是否具有实际的生物学重要性，这些问题都还没有答案。

历史上有不少AI辅助的「重大科学发现」在同行评审或独立复现时显著缩水。最著名的案例之一是2023年一系列AI辅助的材料科学论文，其中部分预测的「新型超导材料」在独立实验中无法复现声称的性质（如韩国LK-99室温超导体争议事件）。在药物发现领域，AI预测的「有前景的药物分子」在进入实际合成和测试后，失败率仍然很高。

AI工具在生成「看起来合理」的模式方面非常强大，但这种模式识别能力也可能产生假阳性——尤其在数据量极大的情况下。20万条序列中找到3500个「有趣的候选」，这个约1.75%的命中率本身就需要审视：在如此大的搜索空间中，偶发的统计相关性容易被误认为因果关联。一个逆转录酶恰好位于一段重复序列旁边，可能是功能性关联，也可能只是基因组重排的偶然结果。

Anthropic的科学团队似乎对此有清醒认识——他们在博客中明确表示：「我们对ARTs的原始功能研究仍在进行中。」这句话的潜台词是：我们确认了ART的存在（结构层面），但还不知道它做什么（功能层面）。

第2层：AI在科学论文中的归因与责任问题

当950个代理在没有明确人类指示的情况下「决定」某个序列值得深入分析，并最终成为一篇科学预印本的核心发现时，一系列科学规范问题随之浮现：

归因（Attribution）：预印本的作者是谁？Anthropic的研究团队？Claude模型？如果Claude只是「注意到了一个模式」，这更像是工具的功能，类似于显微镜「看到了」细胞结构。但如果换成是一个人类博士后独立注意到了相同的模式，他会被列为一作。关键区别在于：Claude做出了「这值得深入研究」的判断——这不是被动的观测，而是主动的评估。这个问题目前没有行业共识。2024年，《Nature》和《Science》都发布了关于AI在学术论文中角色的编辑政策，明确AI不能被列为作者，但对于AI作为「发现的核心贡献者」的情况，现有政策框架并不充分。

可重复性（Reproducibility）：科学的核心原则之一是独立可重复性。如果另一家公司或大学的实验室，用Claude或GPT-6 Astra运行类似的分析，他们是否也能发现ART？还是说，ART的发现部分依赖于Anthropic特有的Claude训练数据、内部优化、或代理编排方式？如果发现不可独立复现，它的科学价值就需要打折扣。更深层的问题是：如果不同的AI模型在相同数据库上运行，发现了不同的「有趣模式」，我们如何判断哪些是真实的生物信号，哪些是模型偏差的产物？

商业利益与科学透明度：Anthropic是一家估值数百亿美元量级的商业公司（据多家媒体2026年报道，其最新一轮融资后估值已跻身AI行业前列）。ART的发现对其市场竞争有直接价值——它是「Claude能做真实科学发现」的最佳营销素材。这是否影响了发现的呈现方式？预印本是否经过了充分的内部审查以确保客观性？商业公司发布科学预印本，与学术机构发布预印本，面临的利益冲突审查标准是否应该不同？

第3层：「CRISPR类比」的夸大风险

这是本文需要特别标注的风险维度。将ART与CRISPR相提并论，目前来看是一种结构性类比，而非功能性等价。 两者共享的是「重复阵列+效应蛋白」的组织形式，但这并不意味着ART具有CRISPR那样的可编程基因编辑能力。

类比的价值在于帮助理解：CRISPR在1987年被发现时也只是「一段奇怪的重复序列」，经过25年才成为革命性工具。ART可能处于类似的早期阶段。但类比的危险在于暗示因果：并非所有「看起来像CRISPR」的结构都会成为下一个CRISPR。

生物信息学领域存在大量被发现但最终证明功能有限的基因组结构。例如，许多被预测具有功能的非编码RNA序列，在后续实验中未能展现出显著的生物学活性。ART的最终命运——是革命性工具还是基因组化石——完全取决于后续的功能验证，而非结构类比。

包括本文在内的任何报道，在使用「CRISPR」作为参照系时，读者都应将其理解为「帮助定位ART在已知生物学知识图谱中的位置」，而非「预测ART的未来价值」。

第4层（大多数人没看到的）：科学发现的「注意力分配」正在被重新定义

这是ART故事中最深层的含义，也是大多数评论忽略的维度。

科学进步的速度，从来不仅仅受限于技术能力，更受限于科学家的注意力分配。据UNESCO科学报告（2021年版）估计，全球约有近900万全职等效研究人员，但他们的注意力是有限的——每个人每天只有有限的时间来阅读文献、分析数据、思考假说。科学界的「注意力经济」决定了哪些问题被研究，哪些数据被审查，哪些模式被注意到。

在传统模式下，科学家的注意力分配受到几个因素的强烈影响：

资助机制：能获得基金资助的研究方向会吸引更多注意力
发表激励：能发高影响因子论文的课题会吸引更多注意力
认知惯性：已有的理论框架决定了研究者「期望看到什么」，从而影响他们「注意到什么」
社会网络：领域内的意见领袖和热门会议决定了哪些话题被讨论

这意味着，科学数据库中存在大量的「注意力盲区」——那些不在当前热门方向上、不容易发表高影响因子论文、不符合现有理论框架预期的数据区域，长期处于无人审视的状态。

ART之所以存在于数据库中多年而未被发现，很可能不是因为技术上无法检测（一个简单的序列比对就能找到那段重复阵列），而是因为没有人有动力去系统性地审查那个特定的数据子集。巨型噬菌体中的逆转录酶不是热门研究方向，不容易获得资助，也不容易发表在顶级期刊上——直到现在。

AI代理的介入，本质上是在科学的「注意力经济」中引入了一个不受人类激励结构约束的观察者。Claude不关心论文发表，不关心基金申请，不受认知惯性影响，不会因为「这个方向不热门」而跳过某条序列。它对每一条序列给予同等的审视——这是人类在原则上追求但在实践中无法做到的。

这意味着什么？如果AI代理能够系统性地审查人类注意力盲区中的数据，科学发现的瓶颈可能从「技术能力」转移到「验证能力」——我们可能很快面临的不是「发现太少」的问题，而是「AI提出的待验证假说太多，实验室验证能力跟不上」的问题。这将从根本上改变科学研究的资源分配逻辑。

这是ART故事中真正值得所有科学政策制定者关注的信号：当「发现」不再是瓶颈，「验证」成为新的瓶颈时，科研经费的分配逻辑、实验室基础设施的投资优先级、甚至博士生培养的方向，都需要重新审视。

ART的实际潜力：我们现在知道什么，不知道什么

从目前的预印本描述来看，ART系统有几个已被确认的特征：

存在于噬菌体（bacteriophage）中：噬菌体是感染细菌的病毒，是生物技术工具的重要来源。CRISPR也源于细菌-噬菌体的军备竞赛。噬菌体基因组是「自然界的工具箱」——限制酶、DNA连接酶、多种聚合酶都最初从噬菌体或其宿主细菌中发现。
包含逆转录酶（RT）：这类酶在细胞和基因治疗中有应用潜力。逆转录病毒载体是基因治疗的主要工具之一，而新型逆转录酶可能具有更高的保真度、更强的热稳定性、或更好的底物特异性。
关联的DNA重复阵列：这是与CRISPR最相似的特征。CRISPR的DNA重复阵列使其具有「可编程」性——间隔序列可以被替换为任何目标序列。如果ART的重复阵列具有类似的可编程性，它可能成为一种新型的基因操作工具。但这个「如果」目前纯属推测。
功能未知的辅助蛋白：这类「黑暗蛋白质」（dark proteins）往往是未来工具开发的来源。CRISPR系统中的Cas蛋白在被发现时也是功能未知的——正是对这些蛋白功能的阐明，才使CRISPR成为可编程工具。

但同样重要的是明确我们不知道什么：

ART的重复阵列中的间隔序列是否对应已知的病毒序列？（如果是，则强烈暗示免疫功能）
逆转录酶在这个系统中的具体角色是什么？它是在转录间隔序列，还是在修改阵列本身？
辅助蛋白的功能是什么？它是否具有核酸酶活性（即切割DNA或RNA的能力）？
ART系统在自然界中有多普遍？它是否存在于其他类型的微生物中？
最关键的：ART是否具有可以被人类利用的工程化潜力？

ART是否真的具有「可编程」性，是否可以被改造为类似CRISPR的基因操作工具，需要数年的深入研究才能回答。

但「具有CRISPR-like阵列结构」这个特征，已经足以让生物技术领域高度关注。一个可能的时间参照：1987年发现CRISPR序列，2005年理解其免疫功能，2012年证明其可编程性，2013年开始在哺乳动物细胞中应用，2020年获诺贝尔奖。如果ART遵循类似的时间表——这是一个极大的「如果」——我们现在处于「1987年」的阶段。

当然，也完全有可能ART最终被证明是一个「有趣但不重要」的发现——一个退化的、不再具有功能的基因组化石。科学史上这样的案例同样不少。在功能验证完成之前，对ART的任何应用前景预测都应被视为高度投机性的。

影响预测：1年后和3年后

1年后（2027年9月）

ART的预印本很可能已经过同行评审并发表在主要期刊上（或被拒稿/要求重大修改，如果独立验证出现问题）
至少3-5个独立实验室会尝试复现和扩展ART的表征工作
Anthropic的生命科学团队预计会发布更多AI辅助发现的预印本，建立一个案例系列
学术界关于「AI在科学论文中的归因」的讨论将更加成熟，可能出现初步的行业指南
竞争对手（特别是Google DeepMind和OpenAI）可能会推出类似的「AI科学发现」项目

3年后（2029年9月）

如果ART被证实具有功能性，可能已经有初步的工程化改造尝试
AI代理驱动的生物发现可能已经成为一个标准的研究范式，主要大学和研究机构都会部署类似系统
科学数据库中的「注意力盲区」将被大规模扫描，可能产生数十个类似ART的新发现
「AI辅助发现」的知识产权归属问题可能已经有了初步的法律判例
最乐观的情况：ART或类似系统被证明具有治疗应用潜力，进入早期开发阶段
最悲观的情况：ART被证明功能有限，但AI发现范式本身已经被广泛采用

对立视角：这件事到底有多重要？

支持方观点：这是科学发现方式的范式转移

支持者认为，ART的发现标志着科学研究从「人类驱动、AI辅助」向「AI驱动、人类验证」的转变。核心论点包括：

科学数据的增长速度已经远超人类的审查能力，AI代理是唯一能跟上数据增长的解决方案
Claude展示的不仅是搜索能力，而是判断力——它能在开放搜索中识别「什么值得关注」，这是科学发现最核心的能力
生命科学中的「低垂果实」（即容易被人类注意到的发现）已经越来越少，未来的重大发现越来越可能藏在需要大规模系统性搜索才能触及的数据深处
ART即使本身不成为下一个CRISPR，它证明了一种方法论的可行性——这种方法论的价值远超任何单一发现

批评方观点：这是一次精心策划的营销事件

批评者认为，ART的发现被过度炒作了，核心论点包括：

在数据库中发现一个「有趣的基因组模式」，与发现一个「具有重要功能的新型生物系统」之间有巨大的距离。ART目前只是前者。
Anthropic选择在发布Claude Opus 5.5的同一天发布ART发现，时机选择明显是为了最大化营销效果
预印本没有经过同行评审，Anthropic作为商业公司有强烈的动机夸大发现的意义
「950个代理、21小时」这种数字的呈现方式，更像是产品营销而非科学报告
类似的基因组模式搜索工作，使用传统的生物信息学管道（如HMMER、BLAST、自定义脚本）也可以完成，只是速度较慢。Claude的贡献可能主要在于速度而非质量。

我的判断

两方都有道理，但我认为批评方低估了一个关键因素：速度本身就是质量的一种形式。

在科学研究中，一个发现的价值不仅取决于它的内容，还取决于它被做出的时间。如果ART在5年后被一个人类团队发现，它的科学价值相同，但其对研究范式的影响为零。正是因为AI在21小时内完成了人类可能需要数年才能完成的工作，这个发现才成为了「AI能做科学发现」的有力证据。

同时，我也认为支持方高估了ART本身的即时重要性。ART很可能不是下一个CRISPR。但ART的发现过程——950个代理的自主探索、开放搜索中的意外发现、计算假说与实验验证的快速闭环——这个过程本身，可能比ART这个系统更重要。

ART是方法论的证明，不是（至少目前不是）生物学的突破。 这两件事都很重要，但不应该被混淆。

对不同读者的行动建议

这次事件对不同角色有不同的实际意义：

对生物技术投资者： ART本身的投资价值目前无法评估（功能未验证），但「AI代理驱动的生物发现」作为一种新范式，值得纳入投资论文。关注Anthropic是否能在未来12个月内复现这种发现模式（即产出第2个、第3个类似案例）。如果能，这意味着一种可复制的发现引擎正在形成，其平台价值远超任何单一发现。同时密切关注ART预印本的同行评审结果——这是验证Anthropic科学可信度的关键节点。

对科研机构负责人和政策制定者： 这是一个需要提前布局的信号。如果AI代理能够系统性地扫描数据库盲区并产出大量待验证假说，那么实验验证能力将成为新的瓶颈。建议评估本机构的湿实验室验证产能是否足以消化AI生成的假说流量，并考虑在科研基金分配中增加「AI假说验证」专项。此外，应尽快参与制定「AI在科学论文中的归因标准」——这个规范真空不会持续太久。

对计算生物学从业者： 你的技能组合正在被重新定义。纯粹的生物信息学管道搭建（BLAST、HMMER、自定义脚本）正在被AI代理部分替代，但实验设计能力、结果解读能力、以及判断AI输出可靠性的能力正在升值。建议熟悉AI代理的工作方式（特别是如何评估其输出的假阳性率），并发展「AI-实验室」闭环协作的实操经验。

对AI行业从业者： Anthropic的生命科学布局是一个值得研究的垂直化战略样本。注意其核心逻辑：在通用能力趋于同质化的竞争环境中，通过自建实验室控制「假说→验证」全链条，建立竞争对手难以快速复制的差异化壁垒。这种「AI+垂直领域深度能力」的模式是否可以推广到其他领域（材料科学、气候科学、药物化学），值得各家公司的战略团队评估。

最后：当AI开始「注意到什么」

科学历史上最重要的发现，往往源于人类感知力的极限被偶然突破。Alexander Fleming注意到青霉菌杀死了细菌培养皿里的病菌，不是因为他在系统地搜索「所有能杀死细菌的物质」，而是因为他当天恰好去度假，回来后注意到了那个不寻常的培养皿。Wilhelm Röntgen发现X射线，是因为他注意到实验室里一块荧光屏在不该发光的时候发了光。Arno Penzias和Robert Wilson发现宇宙微波背景辐射，是因为他们无法消除射电望远镜中一个持续存在的「噪音」，最终意识到那个噪音就是宇宙大爆炸的余辉。

这些发现的共同特征是：人类的注意力在某个偶然时刻，落在了一个不寻常的信号上，而那个信号恰好对应着一个深层的自然规律。

现在的AI代理，不靠偶然，不靠直觉，不靠休假后回来的新鲜眼光——它靠的是对20万条序列的彻底审视，对每一个不寻常的邻接模式的不厌倦的追问，以及在找到候选后对假说的系统性验证。

这不是「AI替代科学家」，而是「AI开始扩展人类感知的边界」。科学家的核心价值——提出正确的问题、设计关键实验、解读结果的深层意义——不会被取代。但科学家最薄弱的环节——在海量数据中保持持续、均匀、不带偏见的注意力——正在被AI补强。

CRISPR之所以被发现，是因为某个人类在某个偶然时刻注意到了那段奇怪的重复序列。下一个CRISPR级别的工具——如果它存在的话——很可能不靠偶然。它会在某个深夜，在某个AI代理完成第N+1条序列分析时，以一行候选报告的形式，静静地等待人类去验证。

我们只是还不知道它是哪一行。但从2026年9月23日开始，我们知道了一件事：AI已经开始在那些人类注意力从未到达的地方，替我们看着。而我们现在最需要做的，是确保有足够的实验室和足够清醒的判断力，去验证它看到的东西。

参考资料

Anthropic官方博客：Claude discovers a novel enzyme system（2026年9月23日）
ART研究预印本（PDF）：Anthropic CDN preprint（2026年9月23日）
Reuters报道：Anthropic says Claude AI helped discover novel enzyme system（2026年9月23日）
Anthropic：Life Sciences Verification Program（2026年9月）
Anthropic：Introducing Claude Opus 5.5（2026年9月22日）
UNESCO Science Report 2021: The Race Against Time for Smarter Development（全球研究人员数量估算来源）
Ishino, Y., et al. “Nucleotide sequence of the iap gene, responsible for alkaline phosphatase isozyme conversion in Escherichia coli.” Journal of Bacteriology, 169(12), 5429-5433, 1987.
Waite, S., et al. “Interpretive Error in Radiology.” American Journal of Roentgenology, 2017.（关于人类长时间重复性任务中错误率上升的证据）
Merchant, A., et al. “Scaling deep learning for materials discovery.” Nature, 624, 80-85, 2023.（GNoME晶体结构预测）
Nature Editorial. “Tools such as ChatGPT threaten transparent science.” Nature, 613, 612, 2023.（关于AI在科学论文中角色的讨论）
PitchBook：全球生物技术风投数据（年度报告，需订阅访问）
NCBI GenBank Statistics：GenBank and WGS Statistics（数据库规模增长趋势）