Claude花21小时发现连科学家都不知道的酶

21小时、2.1亿Token、950个并行运行的Claude Agent。这是Anthropic用来完成一次"科学发现"的账单。

2026年9月23日，Anthropic在其官方博客发布了一条足以重新定义AI角色边界的消息：旗下的多智能体系统在扫描超过20万条逆转录酶数据后，自主识别出一个此前未被记录的新型生物系统，并将其命名为ART（Array-associated Reverse Transcriptase，阵列关联逆转录酶）。随后，Anthropic自建分子生物学实验室的人类科学家在湿实验中对该发现进行了生化表征，初步确认了ART重复DNA阵列能够转录表达出特定的短RNA分子。

这并非"AI帮助科学家加快实验进度"的故事。这是AI自主完成知识整合、模式识别并提出全新假设的全流程演示。

AI在数据中看到了什么？

ART系统的基础形态并不复杂，但人类研究人员花了很久才注意到它。

该系统存在于噬菌体中，由三个部分组成：一种逆转录酶（RT），能以RNA为模板合成DNA；一个与之紧邻的伴侣基因（Accessory protein），编码一种辅助蛋白；以及一段非编码DNA序列的串联重复阵列，结构上类似于CRISPR系统。

问题在于，这个组合在过去几十年的基因组数据库中大量存在，却没有被标记为独立的功能单元。原因在于——那个旁侧的伴侣蛋白到底干什么用的？目前没有人知道。它像一个沉默的影子，躲在主要功能成分旁边，既不主导反应，也不显式发挥作用。

正是这种"不显眼"让它躲过了人类的注意力。而Claude不同。

Agent工作流的第一步仅收到一句模糊指令："搜索有趣的逆转录酶示例"。Agent随即在海量的蛋白质数据库中进行广谱扫描，收集了20万+逆转录酶条目，筛选出3500个候选系统。最终锁定其中20个最具潜力的进行深度分析。

在这一步中，Claude的Agent识别出了RT旁侧重复模式的异常分布规律。这是一种人工肉眼难以辨识的微小结构信号，但在大规模并行搜索下，这些信号被自动聚合、比对、打分。最后生成的20份技术报告，每份都附有证据链，可以直接被人类科学家阅读和理解。

Anthropic为什么现在自建实验室？

这才是真正值得关注的战略信号。

如果只有算法层面的发现，这仍然是一个展示性的科研成果。但Anthropic的做法是：先建立实体实验室，再让AI在这里产出成果。

据Anthropic博客披露，该公司于2026年春季组建了生命科学组织，并在湾区建立了按BSL-1和BSL-2安全级别运作的分子生物学实验室。实验室领导科学家之一，是张锋（Feng Zhang）——MIT和Broad研究所的教授、CRISPR基因组编辑技术的先驱之一。

实验室的具体预算尚未公开披露，但动作已经很清晰：Anthropic不只是在做"AI for Science"的概念验证，而是在构建一条从"干实验"（算法发现）到"湿实验"（生化验证）的完整闭环。

这与DeepMind早期做AlphaFold时的路径有明显差异。DeepMind最初是一家纯软件公司，其蛋白质结构预测能力建立在海量已有数据和计算模型之上。Anthropic选择直接雇佣顶尖生物学家、投资物理实验室设备、招募实验人员——这意味着它准备承担更高昂的研发成本和更长的回报周期。

这种选择的动机也很明确：一旦AI不仅能预测已知结构，还能发现全新功能系统，那么对底层数据的控制就成为了核心竞争力。谁拥有最好的生物数据库，谁就能让AI发现更多东西。

从辅助到主导：这次不是"更快的显微镜"

要理解这次发现的权重，可以参考两条历史参照线。

第一条是CRISPR。2012年Doudna团队在《Science》发表关键论文，将CRISPR-Cas9重编程为可编程的基因编辑工具。从论文发表到商业化实体（Editas、Intellia、CRISPR Therapeutics等）相继成立，不到两年时间。再到2020年诺贝尔化学奖颁发，又过去了八年。从发现到诺奖认可，用了约八年。

第二条是AlphaFold。DeepMind的AlphaFold 2在2020年底的CASP14竞赛中以接近原子级精度解决了蛋白质折叠问题，并于2021年在《Nature》正式发表。此后迅速成为全球生物医学研究的基础设施。但需要注意的是，AlphaFold解决的是一个已知问题的答案查找——蛋白质的一级序列已知，任务是预测它的三维构象。它是一个超级检索系统。

这一次完全不同。Claude不是在已有的知识框架内做优化排序，而是主动提出了一个新的假设实体。它面对的是原始的数据海，没有被提问，没有明确的已知答案，却能自主判断出"这里有一个新模式值得关注"。

这之间的差距，是从"加速器"到"发现者"的代际跃迁。

未知才是重点

当然，也需要把不确定因素摊开来看。

截至目前，ART系统的核心功能仍然不明。最关键的未知点是：那个旁侧的伴侣蛋白究竟执行何种生化任务？它与RT和RNA引导序列如何协同？整个系统能否像CRISPR那样被设计成可编程的工具？

这些问题的答案，全部需要后续实验来回答。而且，目前的验证工作——转录表达测试——仅仅是入门级的。真正的功能鉴定还在进行中。

另一个需要关注的事实是：湿实验部分完全由人类科学家完成。Agent负责的是"发现问题"，而不是"解决问题"。至少在现阶段，实验操作、试剂配置、仪器校准这些环节还没有交给AI。

网络上流传的"AI终结秃头""逆转衰老"等说法属于网友联想，没有任何科学依据支撑。从一项新酶系统的发现到实际药物或技术产品，中间隔着漫长且充满不确定性的研发过程。即使以CRISPR最快的发展速度看，从2012年基础突破到如今获批的临床基因疗法，也经历了十余年。

接下来观察什么？

对于关注AI驱动科研的读者，以下几个指标比任何预测都更有参考价值：

第一，ART系统的功能验证结果。未来六到十二个月内，Anthropic或其合作方是否会公布该系统的生化机制鉴定报告？这是决定其是否有应用价值的关键节点。

第二，张锋在Anthropic的工作状态是否获得机构人事变动的交叉确认。目前这一信息仅来自Anthropic单方声明，缺少第三方招聘公告或学术机构的人事调整记录印证。

第三，专利布局动向。如果ART系统被确认为具有实用价值的可编程工具，谁将拥有优先知识产权？学术界、Anthropic还是后续的商业化衍生公司？这将决定这一发现最终的经济归属。

第四，同类竞争的跟进情况。DeepMind是否也在启动类似的"自主发现"项目？其他AI公司（如OpenAI、Google DeepMind）的生命科学投入规模是否在同步扩大？

第五，AI蛋白设计基准测试的最新成绩。Anthropic在BenchBB等公开benchmark上的表现已经显著超越行业基准，后续是否有独立第三方复现验证？