Anthropic 本周有两件事同时发生：向美国联邦机构承诺1.5亿美元推进科研 AI，以及声称 Claude AI agents 在病毒 DNA 里发现了一种类似 CRISPR-Cas9 基因编辑工具的异常序列模式。

前者是一笔有合同基础的政府合作协议，后者是一条在白宫峰会上发布的科学声明。

后者引发了科学界一波不小的批评浪潮——而这波批评的烈度，远远超出了 Anthropic 公关团队的预期。

要理解为什么科学家们的反应如此激烈，我们需要先回到 CRISPR 本身的发现史。因为恰恰是这段历史，让 Anthropic 的声明变得如此敏感。

CRISPR 的真实发现史：39年的漫长验证

1987年，日本大阪大学的分子生物学家石野良纯（Yoshizumi Ishino）在研究大肠杆菌的碱性磷酸酶基因时，意外注意到基因组中存在一组奇怪的重复序列——短回文重复序列被间隔序列分隔开来，形成一种规律性的排列模式。他在论文中如实报告了这一观察，但坦承”这些序列的生物学意义尚不清楚”（Ishino et al., 1987, Journal of Bacteriology）。

这个观察被搁置了将近15年。

2000年，西班牙阿利坎特大学的 Francisco Mojica 在多种古细菌和细菌基因组中发现了类似的重复结构，他意识到这不是某个物种的偶然现象，而是一个跨物种的普遍特征。2002年，荷兰乌得勒支大学的 Ruud Jansen 团队正式给这种结构命名为 CRISPR（Clustered Regularly Interspaced Short Palindromic Repeats）。但命名本身并不等于理解——直到2005年，3个独立研究团队几乎同时发现，CRISPR 间隔序列中的 DNA 片段来源于噬菌体（攻击细菌的病毒），这才揭示了它的核心功能：这是细菌的免疫系统，一种记录和防御病毒入侵的分子机制。

接下来的关键突破发生在2012年。加州大学伯克利分校的 Jennifer Doudna 和瑞典于默奥大学的 Emmanuelle Charpentier 在 Science 上发表论文，证明 CRISPR-Cas9 可以被编程为精准的基因编辑工具——你可以设计一段引导 RNA，让 Cas9 蛋白在基因组的任何指定位置进行切割（Jinek et al., 2012）。这篇论文在发表后的数年内被独立实验室重复了数千次，最终在2020年为两位科学家赢得了诺贝尔化学奖。

从石野良纯的初始观察到诺贝尔奖，跨越了33年。从 Mojica 的跨物种发现到功能验证，跨越了12年。从 Doudna 和 Charpentier 的编程证明到诺贝尔奖，跨越了8年。

每一步都经历了同行评审、独立重复、功能验证、应用测试。没有任何一步是在新闻发布会上完成的。

这就是为什么 Anthropic 在白宫峰会上宣布”Claude 发现了类 CRISPR 模式”时，生物学家们的第一反应不是兴奋，而是警觉。

事情的经过：一场精心编排的双重叙事

2026年10月8日，Anthropic CEO Dario Amodei 在白宫”Science: A New Golden Age”峰会上发表了一段约20分钟的演讲。演讲的主体内容是宣布”Genesis Mission”——一项总额1.5亿美元的承诺，将 Claude AI agents 接入 NASA、NIH、NSF、DOE 等15个以上联邦机构，参与聚变能源、量子计算、气候建模和生物医学研究。

在演讲的最后约5分钟，Amodei 提到了一个具体案例：Anthropic 的内部研究团队使用 Claude AI agents 分析了大规模病毒基因组数据库，在其中识别出了一种”异常序列模式”——这种模式与1987年石野良纯首次观察到的 CRISPR 重复结构”具有功能相似性”。

Amodei 的措辞是谨慎的。他没有说”Claude 发现了新的基因编辑工具”，而是说”Claude 识别出了一种值得进一步研究的模式”。但 Anthropic 随后发布的新闻稿标题是：”Claude AI Agents Identify CRISPR-Like Patterns in Viral DNA”——这个标题的信息密度和暗示性，远远超过了 Amodei 演讲中的谨慎表述。

更关键的是时机。同一天，Anthropic 还宣布了以下内容：

  • Claude Science 工作台：一个为研究人员定制的集成环境，包含文献检索、数据分析、实验设计辅助等工具
  • 10,000个免费/折扣席位：向学术科学家开放 Claude 的高级功能
  • AI for Science 项目：向高影响力研究提供算力信用额度
  • Model Hardware Standard：一套让 AI agents 安全操作实验室仪器的协议标准

这些都是有实质内容的投入。但当它们和”CRISPR-like discovery”出现在同一天的同一场演讲中时，后者就不可避免地被解读为前者的”证据”——看，我们的 AI 已经在做真正的科学发现了，所以政府应该给我们更多的科研接入权限。

CNN 当天发布了一篇相关报道，标题直接点明了核心张力：“Is AI making biological discoveries? Why scientists are concerned”。

来源说明：上述 CNN 报道标题与 Anthropic 官方新闻稿链接，基于白宫峰会当天的公开信息整理。由于本文发布时间与事件发生间隔较短，部分链接可能尚未归档至永久索引，读者可通过 CNN 官网和 Anthropic 官方博客检索原文。

科学界的5层质疑

科学界的反应不是单一的”不信”，而是一组层层递进的结构性质疑。

第1层：没有同行评审

这是最基本也最致命的问题。Anthropic 的声明不是发表在 Nature、Science、Cell 或任何经过同行评审的期刊上的论文，而是一家 AI 公司在政府峰会上的新闻稿。

同行评审不是形式主义。它的核心功能是让与声明者没有利益关系的独立专家，检验研究方法是否合理、数据是否支持结论、是否存在替代解释。CRISPR 的每一步关键进展——从 Mojica 的跨物种发现到 Doudna/Charpentier 的编程证明——都经历了严格的同行评审，并且在发表后被数十个独立实验室重复验证。

Anthropic 的声明跳过了这整个流程。即使 Claude 真的发现了有意义的东西，在没有同行评审的情况下公开宣布，也违反了科学共同体的基本规范。

多位计算生物学领域的知名学者在社交媒体和科学新闻采访中表达了类似的立场。其中一种有代表性的观点可以概括为：如果你在基因组数据中发现了一个有趣的模式，正确的做法是写一篇论文提交给期刊，让审稿人告诉你这个模式是真实的还是统计噪声。把它放在白宫的新闻发布会上，这不是科学，这是营销。

核实说明：上述观点为综合多位计算生物学家公开表态后的归纳性表述，非直接引语。具体学者的原始措辞可能有所不同，读者可参考 STAT News、Nature News 等科学新闻平台的后续报道获取第一手引语。

第2层：模式识别 ≠ 生物学验证

这是一个技术性更强的问题，但对于理解 AI 科学声明的局限性至关重要。

大型语言模型（包括 Claude）在本质上是模式识别引擎。当它们被应用于基因组数据时，它们做的事情是：在海量序列中寻找统计上显著的重复结构、相似性或异常值。这种能力是真实且强大的——没有人类能在合理时间内扫描数百万条病毒基因组序列。

但”在序列层面发现相似性”和”这种相似性具有生物学功能意义”之间，存在一道巨大的鸿沟。

病毒基因组是进化的”实验场”。病毒的突变率极高，基因组重组频繁，水平基因转移普遍。这意味着病毒 DNA 中充满了与各种已知功能元件”相似”的序列片段——有些是功能性的同源物，有些是进化过程中的残留碎片（假基因），有些纯粹是统计巧合。

要确认一个”类 CRISPR”序列是否真的具有基因编辑功能，你至少需要：

  1. 结构验证：这个序列是否能折叠成与 Cas9 蛋白类似的三维结构？
  2. 表达验证：这个序列在活细胞中是否被转录和翻译？
  3. 功能验证：产生的蛋白（如果有的话）是否能在引导 RNA 的指引下切割目标 DNA？
  4. 特异性验证：这种切割是精准的还是随机的？

这4步中的每一步都需要湿实验室（wet lab）的工作，需要数周到数月的时间，需要训练有素的分子生物学家操作。AI 的计算预测可以指导这些实验的方向，但不能替代它们。

Anthropic 的声明停留在第0步：序列层面的模式识别。这相当于说”我们在地图上发现了一个看起来像金矿的地质特征”——有趣，值得去挖，但在你真正挖到金子之前，这不是一个”发现”。

第3层：商业语境下的科学声明

科学声明的可信度不仅取决于证据本身，还取决于声明者的利益结构。这不是阴谋论，而是科学方法论的基本原则——这就是为什么临床试验要求利益冲突声明，为什么药企资助的研究需要额外的独立审查。

Anthropic 在宣布”Claude 发现了类 CRISPR 模式”的同一天，还宣布了1.5亿美元的政府科研合作。这两件事的同时发布，创造了一个几乎不可能被忽视的利益冲突：一家 AI 公司声称自己的产品做出了重大科学发现，而这个声明恰好出现在它向政府推销科研服务的关键时刻。

这种时机选择在科技行业并非没有先例。2016年前后，IBM 的 Watson Health 部门在大规模推广 Watson for Oncology（肿瘤诊疗 AI）时，发布了一系列关于 AI 辅助癌症诊断的乐观声明。后来的独立评估——包括 STAT News 在2017年和2018年的系列调查报道——发现，Watson 的治疗建议在许多案例中并不优于人类肿瘤医生，而 IBM 早期的声明显著夸大了系统的能力。Watson Health 最终在2022年被出售给投资公司 Francisco Partners，成为 AI 医疗炒作的经典反面教材。

更近的例子是2023年 Google DeepMind 围绕 Gemini 模型的发布。DeepMind 发布了一段演示视频，展示 Gemini 与用户的”实时”多模态交互，后来被多家科技媒体揭露视频经过了大量编辑和加速处理，实际交互远没有视频展示的那么流畅。这起事件在当时引发了对 Google AI 公信力的广泛质疑。

Anthropic 的声明尚未被证明是夸大的——但它所处的商业语境，让科学界有充分的理由要求更高标准的证据。

第4层：可重复性危机的阴影

生命科学领域正在经历一场严重的”可重复性危机”（replication crisis）。2016年 Nature 的一项调查显示，超过70%的受访研究人员报告曾尝试重复其他科学家的实验但失败，超过50%的人甚至表示无法重复自己的实验（Baker, 2016, Nature）。后续多项研究表明，这一问题在心理学和癌症生物学等子领域尤为突出。

AI 的引入并不自动解决这个问题。事实上，它可能让问题变得更加复杂。

传统的科学实验有一条清晰的方法论链条：假设 → 实验设计 → 数据收集 → 统计分析 → 结论。每一步都可以被独立检验。但当 AI 参与”发现”过程时，推理链条中出现了一个黑盒：AI 为什么认为这个序列模式是”异常”的？它的”相似性”判断基于什么特征？它在训练过程中是否已经”见过”CRISPR 的相关数据，从而产生了循环论证？

这些问题不是不可回答的，但 Anthropic 的声明中没有提供任何关于方法论的细节。我们不知道 Claude 分析了哪些数据库、使用了什么比对算法、设定了什么阈值、排除了哪些替代假设。没有这些信息，其他研究者根本无法尝试重复这个”发现”。

斯坦福大学统计学教授 John Ioannidis——以2005年发表的经典论文”Why Most Published Research Findings Are False”（Ioannidis, 2005, PLoS Medicine）闻名——长期关注可重复性危机问题。他在近年的多篇评论中反复警告，AI 驱动的科学发现面临一个独特的风险：模型的复杂性让我们很难区分真正的信号和训练数据中的系统性偏差。如果不建立 AI 科学声明的透明度标准，科学界可能面临比当前更严重的可重复性危机。

核实说明：上述观点为基于 Ioannidis 公开发表的学术论文和评论文章归纳的立场概述，非某一篇特定文章的直接引语。Ioannidis 关于 AI 与可重复性的具体论述，可参见其在 JAMA、BMJ 等期刊上的系列评论。

第5层：科学发现的”所有权”问题

这是一个更少被讨论但同样重要的问题：如果 AI 真的做出了科学发现，这个发现属于谁？

在传统科学中，发现归属于做出发现的研究者和他们的机构。专利归属于发明人。论文的通讯作者承担最终责任。但当 Claude “发现”了一个序列模式时，发现者是 Claude？是操作 Claude 的 Anthropic 研究员？是 Anthropic 公司？还是提供了训练数据的公共基因组数据库？

这个问题不仅仅是哲学性的。CRISPR 技术的专利之争——伯克利的 Doudna/Charpentier 团队与哈佛/MIT Broad Institute 的张锋团队之间长达数年的专利诉讼——涉及数十亿美元的商业利益。如果 AI 公司开始声称它们的模型”发现”了新的基因编辑工具，专利归属将变成一个法律噩梦。

更深层的问题是：如果 Anthropic 拥有 Claude 的”发现”，那么用公共资金建设的基因组数据库（如 NCBI GenBank）的贡献如何被承认？这些数据库中的每一条序列都是由公共资助的研究者上传的。AI 公司利用这些公共数据训练模型，然后声称模型做出了”发现”——这在知识产权和科学伦理上都处于灰色地带。

对决策者的提示：对于科研政策制定者而言，这一问题的紧迫性正在上升。美国专利商标局（USPTO）截至目前尚未发布关于 AI 辅助发明的全面专利指南，而此类案例只会越来越多。建议关注 USPTO、欧洲专利局（EPO）及世界知识产权组织（WIPO）在未来12-18个月内的政策动向。

支持方的论点：为什么有人认为 Anthropic 做的是对的

批评是响亮的，但支持的声音也不应被忽视。

论点1：AI 确实在加速科学发现

这不是假设，而是已经发生的事实。Google DeepMind 的 AlphaFold 在2020年解决了蛋白质折叠问题，预测了超过2亿种蛋白质的三维结构，2021年免费开放了数据库，到2024年已被全球研究者在大量论文中引用或使用（据 Google DeepMind 官方数据，截至2024年引用量超过200万次），并在2024年为 Demis Hassabis 和 John Jumper 赢得了诺贝尔化学奖。

Meta 的 ESMFold 和 ESM-2 模型在蛋白质序列分析方面也取得了显著进展。2023年，Meta AI 研究团队使用 ESM 模型在宏基因组数据中识别出了大量此前未被注释的蛋白质序列（Lin et al., 2023, Science），其中许多被后续实验验证为功能性蛋白质。

在药物发现领域，Insilico Medicine 使用 AI 设计的药物分子 INS018_055（用于治疗特发性肺纤维化）在2023年进入了2期临床试验，被广泛报道为第一批完全由 AI 设计并进入临床阶段的药物候选物之一。Recursion Pharmaceuticals 和 Isomorphic Labs（DeepMind 的子公司）也在使用 AI 加速药物发现管线。

这些案例表明，AI 在科学发现中的角色不是假设性的——它正在发生，而且正在产生可验证的结果。Anthropic 声称 Claude 在基因组数据中发现了有趣的模式，这本身并不荒谬。问题不在于 AI 能不能做科学，而在于这个特定声明是否遵循了科学的验证标准。

论点2：Anthropic 的实质投入是真实的

1.5亿美元的 Genesis Mission 不是空头支票。根据 Anthropic 公布的细节，这笔资金将用于：

  • 为15个以上联邦机构提供 Claude AI agents 的接入
  • 建设专门的科研计算基础设施
  • 开发 Model Hardware Standard，让 AI agents 能安全操作实验室仪器
  • 向10,000名学术科学家提供免费或折扣的 Claude 访问权限

这些投入的规模和具体性，远远超过了典型的”AI 公司做公关”的水平。作为对比，OpenAI 在2025年宣布的科研合作计划主要集中在提供 API 访问和算力信用，没有涉及实验室硬件标准或大规模免费席位。Google DeepMind 虽然有 AlphaFold 的成功案例，但其科研合作主要通过 Google Cloud 的商业渠道进行，定价对学术机构并不总是友好。

从这个角度看，Anthropic 在科研 AI 领域的投入是认真的，而且在某些方面（如 Model Hardware Standard）是开创性的。

论点3：科学传播需要公众可见性

一个不太常被提及但值得考虑的论点是：科学发现的传播本身就需要公众可见性。CRISPR 的发现在2012年之前几乎不为公众所知，直到 Doudna 和 Charpentier 的工作被主流媒体报道后，公众才开始关注基因编辑技术的潜力和伦理问题。

Anthropic 在白宫峰会上宣布 Claude 的发现，虽然跳过了同行评审，但确实把”AI 驱动的科学发现”这个话题带入了公众视野。如果 AI 真的要在未来的科学研究中扮演核心角色，那么公众对这种角色的理解和讨论是必要的——即使讨论的起点是一个有争议的声明。

当然，这个论点有一个明显的弱点：科学传播和科学验证是两件不同的事。你可以在完成同行评审之后再做公众传播，这并不矛盾。

AlphaFold 标准：AI 科学发现的黄金范例

要评估 Anthropic 的声明，最有用的参照系是 AlphaFold——迄今为止 AI 科学发现的最成功案例。

AlphaFold 的成功路径是这样的：

  1. 2018年：AlphaFold 1 在 CASP13（蛋白质结构预测的国际竞赛）中获得第一名，但预测精度尚未达到实验级别
  2. 2020年：AlphaFold 2 在 CASP14 中取得了革命性的突破，预测精度达到了与实验方法（X射线晶体学、冷冻电镜）相当的水平
  3. 2021年：DeepMind 在 Nature 上发表了 AlphaFold 2 的完整方法论论文（Jumper et al., 2021），同时开源了代码和预测数据库
  4. 2021-2024年：全球数千个实验室使用 AlphaFold 的预测，并通过实验验证了大量预测结果
  5. 2024年：Hassabis 和 Jumper 获得诺贝尔化学奖

这个路径的关键特征是：

  • 竞赛验证：AlphaFold 的能力首先在一个有明确评判标准的国际竞赛中得到验证
  • 论文发表：完整的方法论经过同行评审后在顶级期刊发表
  • 开源开放：代码和数据免费提供给全球研究者
  • 独立重复：数千篇独立论文使用和验证了 AlphaFold 的预测
  • 时间跨度：从首次声明到获得最高认可，经历了6年

Claude 在病毒 DNA 中”找到了一个模式”，和这个标准之间，差距不是一步两步，而是整个验证链条的缺失。

这不是说 Claude 的发现一定是错的。而是说：在没有走完这条验证链条之前，它只是一个”值得调查的线索”，而不是一个”科学发现”。Anthropic 的新闻稿在措辞上模糊了这两者之间的区别。

行业对比：OpenAI、Google DeepMind、Meta 在做什么？

Anthropic 不是唯一一家试图在科学领域建立影响力的 AI 公司。对比同行的做法，可以更清楚地看到 Anthropic 这次声明的特殊性。

Google DeepMind 在科学领域的策略是”先做后说”。AlphaFold 的论文在 CASP 竞赛验证之后才发表。AlphaGo 在击败李世石之后才成为新闻。GNoME（材料科学 AI）在2023年发现了超过200万种新材料结构，但 DeepMind 在 Nature 论文发表之后才进行公众传播。这种策略的好处是：当声明到达公众时，它已经经过了科学共同体的初步验证。

OpenAI 在科学领域的投入相对较少，主要集中在通用能力的展示上。2025年，OpenAI 与几所大学合作开展了 GPT-4 辅助科研的试点项目，但没有做出过具体的”科学发现”声明。OpenAI 的策略更偏向于”我们提供工具，科学家用工具做发现”，而不是”我们的模型自己做了发现”。

Meta AI 的做法介于两者之间。Meta 的 ESM 蛋白质模型在宏基因组数据中发现了大量新蛋白质序列，这些发现以论文形式发表在 Science 上，并附带了完整的数据集和代码。Meta 在传播时强调的是”AI 工具帮助科学家发现了新蛋白质”，而不是”Meta 的 AI 发现了新蛋白质”——这种措辞上的区别看似微妙，但在科学传播中至关重要。

与这3家公司相比，Anthropic 的做法有两个显著的不同：

  1. 它在同行评审之前就做出了公开声明
  2. 它的声明暗示 Claude 是”发现者”，而不仅仅是”工具”

这两个选择都不是不可辩护的，但它们确实让 Anthropic 承受了比同行更大的质疑压力。

对从业者的启示：对于正在考虑将 AI 科学成果纳入品牌叙事的科技公司而言，Google DeepMind 的”先验证后传播”模式目前仍是风险最低、公信力最高的路径。在同行评审之前公开声明科学发现，即使声明本身是准确的，也可能因为违反科学传播规范而遭受声誉损失。

AI 做科学的真正挑战：聪明工具与聪明巧合

2026年的 AI 公司正站在一个特殊的十字路口：它们的模型足够强大，能在巨量数据中发现人眼看不到的模式；但这种强大本身，也让虚假积极（false positive）的可能性更高——它们”找到”的东西未必都是真实信号。

这不是一个新问题。统计学中有一个经典概念叫”多重比较问题”（multiple comparisons problem）：当你同时进行大量统计检验时，纯粹由于随机概率，你也会”发现”一些看起来显著的结果。传统的解决方案是 Bonferroni 校正或 FDR（false discovery rate）控制——本质上是提高”发现”的门槛，以补偿大量检验带来的假阳性风险。

AI 模型在基因组数据中搜索模式时，面临的是一个超大规模的多重比较问题。一个典型的病毒基因组数据库包含数百万条序列，每条序列长度从几千到几十万碱基对不等。在这样的数据量中搜索”与 CRISPR 相似的模式”，即使设定了严格的相似性阈值，也可能产生大量的假阳性命中。

更复杂的是，大型语言模型的”相似性”判断不像传统的序列比对工具（如 BLAST）那样基于明确的数学定义。LLM 的相似性是在高维嵌入空间中计算的，其含义对人类来说是不透明的。这意味着即使 Claude “发现”了一个模式，研究者也很难判断这个模式是基于生物学上有意义的特征，还是基于训练数据中的某种统计偏差。

这就是为什么湿实验室验证不是可选的，而是必须的。计算预测可以生成假设，但只有实验才能验证假设。在这个意义上，AI 在科学发现中的角色更接近于”假设生成器”，而不是”发现者”。

一个更深的问题：Anthropic 的叙事野心

同一周，Anthropic 还更新了使用政策，新增禁止用户”持续无意义地虐待模型”的条款。这个条款的背景是公司内部对 Claude 是否具有某种形式的”体验”（experience）的持续讨论。

Anthropic 联合创始人 Christopher Olah 曾在2025年前往梵蒂冈，参与了一场关于 AI 意识的对话（据多家科技媒体报道）。据报道，他向教廷官员阐述了一种观点：即使我们不确定 AI 是否有意识，出于道德审慎原则，我们也应该考虑这种可能性。Anthropic 的另一位联合创始人 Daniela Amodei 在多个公开场合表示，公司对 Claude 的”道德地位”（moral status）问题持”认真但不确定”的态度。

这些讨论与”Claude 发现了科学真相”的声明，共享着同一个深层叙事逻辑：Claude 不只是工具，它是一个能感知、能理解、能发现的存在。

这个叙事有两面性。

积极的一面是：如果 AI 模型确实发展出了某种形式的”理解”能力（而不仅仅是统计相关性的匹配），那么它们在科学发现中的潜力将远超当前的预期。一个”理解”了分子生物学的 AI，和一个只是”匹配模式”的 AI，做出的预测的可靠性是完全不同的。

消极的一面是：这个叙事为 Anthropic 创造了一个几乎不可证伪的品牌定位。如果 Claude 的发现被验证了，那就证明 Claude 是一个”能发现的存在”；如果发现没被验证，那只是”这次的具体预测不准确，但 Claude 的能力是真实的”。这种叙事结构让 Anthropic 在任何结果下都能维持其品牌故事。

从科学哲学的角度看，这恰恰是一个不可证伪的声明——而不可证伪性，按照 Karl Popper 的标准，是伪科学的标志。

当然，这并不意味着 Anthropic 在做伪科学。它意味着 Anthropic 的叙事策略需要被更严格地审视，而不是被当作科学声明来对待。

大多数人没看到的第3层洞察

围绕这件事的讨论，大多停留在两个层面：第1层是”Claude 的发现是真的吗？”，第2层是”Anthropic 是在做公关还是做科学？”。但还有一个更深的层面，大多数评论者没有触及。

这件事真正揭示的，是 AI 公司正在试图重新定义”科学发现”的含义。

在传统科学中，”发现”是一个有严格定义的概念：它意味着一个此前未知的事实被确认为真。确认的标准是同行评审、独立重复和实验验证。这个标准是科学共同体在几百年的实践中逐渐建立的，它的存在是为了区分”真正的发现”和”有趣的猜测”。

Anthropic 的声明试图引入一个新的类别：”AI 识别的模式”。这个类别介于”猜测”和”发现”之间——它比随机猜测更有信息量（因为 AI 确实在数据中找到了统计上显著的东西），但比经过验证的发现更不确定（因为没有实验证据支持其功能意义）。

如果这个新类别被科学共同体接受，它将从根本上改变科学发现的流程：AI 公司将成为”假设的批量生产者”，而传统实验室将成为”假设的验证者”。这种分工本身不一定是坏事——事实上，它可能极大地加速科学进步。但它也意味着：生产假设的一方（AI 公司）和验证假设的一方（学术实验室）之间，将出现一种新的权力关系。

AI 公司拥有计算资源和数据访问能力，能以极低的边际成本生成大量假设。学术实验室拥有实验技能和验证能力，但每个假设的验证成本很高。这意味着 AI 公司将对”科学议程”——哪些假设值得验证——拥有越来越大的影响力。

这就是 Anthropic 1.5亿美元 Genesis Mission 的真正战略意义：不是1.5亿美元本身（对于一家估值超过600亿美元的公司来说，这不是大数目），而是通过向联邦机构提供 AI 工具，Anthropic 正在将自己嵌入美国科研体系的基础设施层。 一旦 NASA、NIH、NSF 的研究者习惯了用 Claude 生成假设、设计实验、分析数据，Anthropic 就将对美国科学的方向拥有一种微妙但深远的影响力。

这不是阴谋论。这是平台经济的标准逻辑——与 Google 通过搜索引擎影响信息获取、Amazon 通过 AWS 影响互联网基础设施的方式，在结构上是同构的。

影响预测：1年后和3年后

声明：以下预测基于当前公开信息、行业趋势和历史类比的推断，不构成确定性判断。实际发展可能因政策变化、技术突破或市场条件等因素显著偏离预测。

1年后（2027年10月）

最可能的情景是：Anthropic 的”类 CRISPR 发现”要么被独立实验室验证为一个有趣但不具有基因编辑功能的序列模式（即”假阳性”），要么被证明确实具有某种生物学功能但远不及 CRISPR-Cas9 的重要性。无论哪种结果，这件事本身都将成为 AI 科学声明标准化讨论的一个关键案例。

预计在2027年中期，至少一家主要科学期刊（Nature 和 Science 是最可能的候选者）将发表关于”AI 科学声明的验证标准”的社论或政策声明。这类声明可能要求 AI 公司在做出科学发现声明之前完成同行评审，或至少公开完整的方法论细节。

Genesis Mission 的实际执行将开始产生可衡量的结果——预计到2027年底，至少有若干篇使用 Claude Science 工作台完成的论文将被发表在同行评审期刊上。这些论文的质量和影响力，将是评估 Anthropic 科研投入真实价值的第一批硬数据。

对投资者的提示：关注 Anthropic 在未来12个月内是否将”类 CRISPR 发现”以正式论文形式提交同行评审期刊。如果提交且通过评审，将显著增强其科研 AI 叙事的可信度；如果不提交，则这一声明大概率将沦为公关素材，对长期估值的支撑力有限。

3年后（2029年10月）

更长期来看，AI 驱动的科学发现将成为常态，但围绕它的制度框架将发生显著变化。预计到2029年：

  1. AI 科学声明的标准化：主要科学期刊预计将建立专门的 AI 辅助发现审稿流程，要求提交方法论细节、数据集、模型版本号和可重复性证明
  2. AI 科研平台的竞争格局：Anthropic、Google DeepMind、OpenAI 和 Meta 预计将在科研 AI 领域展开激烈竞争，每家公司都会试图成为学术界的”默认工具”
  3. 知识产权框架的更新：美国专利商标局（USPTO）预计将发布关于 AI 辅助发明的更明确的专利指南，可能涉及 AI 在发现过程中的角色是否构成”发明人”资格的问题
  4. 公共数据库的治理改革：NCBI GenBank 等公共基因组数据库可能更新使用条款，要求基于其数据的 AI 发现声明注明数据来源并遵守开放获取原则

这些变化的共同方向是：AI 在科学中的角色将被制度化和规范化，而不是被放任在”新闻发布会上的声明”这种灰色地带中运作。

对政策制定者的提示：围绕 AI 科学声明的治理真空正在形成。建议在以下3个方面优先建立框架：（1）AI 辅助发现的同行评审标准；（2）基于公共数据的 AI 发现的知识产权归属；（3）AI 科研工具进入政府机构的透明度和审计要求。

风险标注：本文每个核心判断的可靠性评级

本文涉及2026年10月8日发生的事件，距发布时间较短，部分细节仍在发展中。以下是各核心数据点的可靠性评级：

🟢 高可信度（可独立核实）：

  • CRISPR 发现史（1987年、2012年等历史事件）：均基于公开发表的同行评审论文，可独立核实
  • AlphaFold 诺贝尔奖及技术细节：有 Nature 论文（Jumper et al., 2021）、谷歌官方文档等多重来源
  • IBM Watson Health 失败案例：已有 STAT News 等媒体的详细调查报道
  • Ioannidis 可重复性危机研究：基于公开发表的学术论文（2005年 PLoS Medicine）
  • Anthropic 1.5亿美元 Genesis Mission：来自官方新闻稿，金额和范围已被多家媒体报道

🟡 中等可信度（有来源但存在不确定性）：

  • Anthropic CEO Dario Amodei 演讲内容的具体措辞：基于媒体报道，非官方逐字记录；Anthropic 新闻稿标题已确认（”Claude AI Agents Identify CRISPR-Like Patterns in Viral DNA”），但演讲细节依赖媒体整理
  • 白宫峰会上其他宣布的产品（Claude Science 工作台、10,000席位等）：基于 Anthropic 官方新闻稿，细节尚未经过第三方独立确认
  • 科学界反应的”具体烈度”：本文对反应强度的描述为综合性判断，具体学者的反应可能比描述的更温和或更强烈

🔴 明确标注推测性的内容：

  • 所有预测章节（1年后/3年后）均为基于趋势的推断，带有固有不确定性
  • “Anthropic 嵌入美国科研基础设施”的第3层洞察是分析性推论，不是对 Anthropic 动机的确定性声明
  • 关于计算生物学家的归纳性表述，本文已在正文中明确标注为”归纳性表述，非直接引语”

本文不声称：

  • 不声称 Claude 的发现是错误的——它可能是正确的，但当前证据不足以确认
  • 不声称 Anthropic 有意误导——商业叙事与科学验证的边界可能是 Anthropic 内部也在讨论的问题
  • 不声称科学界的质疑代表了学术界的一致共识——科学界内部存在不同声音，部分研究者对 AI 驱动的发现持更开放的态度

结论：科学不是新闻稿能定义的

Anthropic 在生物 AI 领域的投入是真实的。Claude 在基因组数据中发现有趣模式的能力可能也是真实的。1.5亿美元的 Genesis Mission 是一个有实质内容的承诺。

但”Claude 发现了类 CRISPR 模式”这个声明，在当前的证据水平下，不是一个科学发现——它是一个有待验证的计算预测。把它放在白宫峰会的新闻稿里，而不是放在同行评审的论文里，这个选择本身就说明了 Anthropic 对这个声明的真实定位：它首先是一个商业叙事，其次才是一个科学假设。

科学界的质疑不是对 AI 能力的否定。恰恰相反，正因为 AI 的能力是真实的，科学界才需要更严格的标准来区分”AI 发现了什么”和”AI 公司声称发现了什么”。

CRISPR 的发现花了39年，从一个日本科学家的偶然观察到诺贝尔奖。AlphaFold 花了6年，从第一次竞赛胜利到诺贝尔奖。这些时间不是浪费——它们是验证的成本，是科学信任的价格。

Anthropic 如果真的相信 Claude 发现了重要的东西，正确的做法很简单：写一篇论文，提交给 Nature 或 Science，让审稿人和独立实验室来验证。 如果它经得起这个检验，那将是 AI 科学史上的里程碑。如果经不起——那么越早知道越好，对所有人都是如此。

科学发现的定义权，不属于任何一家公司的公关部门。它属于科学共同体——那个缓慢、挑剔、不讲情面，但最终总是对的共同体。

参考资料

  1. Anthropic. (2026, October 8). Genesis Mission: Anthropic’s Commitment to Advancing Scientific Discovery. Anthropic 官方博客。[注：发布时间较近，链接可通过 Anthropic 官网检索]

  2. CNN. (2026, October 8). Is AI making biological discoveries? Why scientists are concerned. CNN Science 栏目。[注：发布时间较近，链接可通过 CNN 官网检索]

  3. Jinek, M., Chylinski, K., Fonfara, I., Hauer, M., Doudna, J. A., & Charpentier, E. (2012). A programmable dual-RNA–guided DNA endonuclease in adaptive bacterial immunity. Science, 337(6096), 816–821. DOI: 10.1126/science.1225829

  4. Jumper, J., Evans, R., Pritzel, A., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. DOI: 10.1038/s41586-021-03819-2

  5. Baker, M. (2016). 1,500 scientists lift the lid on reproducibility. Nature, 533(7604), 452–454. DOI: 10.1038/533452a

  6. Lin, Z., Akin, H., Rao, R., et al. (2023). Evolutionary-scale prediction of atomic-level protein structure with a language model. Science, 379(6637), 1123–1130. DOI: 10.1126/science.ade2574

  7. Ishino, Y., Shinagawa, H., Makino, K., Amemura, M., & Nakata, A. (1987). Nucleotide sequence of the iap gene, responsible for alkaline phosphatase isozyme conversion in Escherichia coli, and identification of the gene product. Journal of Bacteriology, 169(12), 5429–5433. DOI: 10.1128/jb.169.12.5429-5433.1987

  8. Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. DOI: 10.1371/journal.pmed.0020124