2026年9月25日｜AI4Science、全球医疗与跨境资本
9月23日，Anthropic 发布消息称，Claude 在公开的 DNA 序列数据中识别出一个此前未被表征的酶系统，研究团队将其命名为“阵列相关逆转录酶”（array-associated reverse transcriptases，简称 ART）。约 950 个 AI 智能体（agent，可自主执行多步任务的 AI 程序）用 21 小时完成搜索，消耗 2.1 亿个 token（模型处理文本的计量单位）。这些数字足够吸睛，但更重要的问题是：AI 能否反复地把海量生物数据转化为可检验、且经得起实验室检验的发现？
我的看法是：这是一个在“发现与早期验证”阶段有意义的成果。它既不能证明 ART 是一种新的基因编辑工具，也不能证明 AI 已经解决了生物实验这件难事。
据 Anthropic 介绍，其智能体汇集了 20 多万个逆转录酶，识别出约 3,500 个候选系统，并从中挑出 20 个做深入分析。其中一个智能体在噬菌体序列数据中注意到：一个不寻常的逆转录酶旁边，排列着规则的 DNA 重复序列。研究人员随后在附近又找到一个伙伴基因。这三个元件共同构成了被命名为 ART 的系统。
这个逆转录酶本身在早前研究中出现过。此次报告的贡献，在于认识到它与重复阵列及伙伴基因之间的关联。Anthropic 表示，初步实验显示该阵列会被表达为一组不同的短 RNA。公司称，所有实验室工作均由人类科学家完成。相关发现发表于一篇预印本（preprint，未经同行评审的论文），该系统的生物学功能尚未确定。
这种重复序列模式让人联想到 CRISPR（一种基于细菌免疫机制的基因编辑技术）的某个特征，但相似只是值得研究的理由，并不代表二者行为相同。目前没有证据表明 ART 可以被编程用于基因编辑，或能完成某些标题所暗示的“剪切、复制、粘贴”。今天更准确的描述是：一个引人关注、已被部分表征、但天然功能仍然未知的生物系统。
生物学领域的公开序列数据和科学文献，早已远超任何一个团队能细读的量。瓶颈往往在于：哪一个异常值得去做实验。Anthropic 描述的工作流程是——智能体先普查一个蛋白家族、阅读既往研究、复现已知结果以校验方法、调查基因组上的“邻居”、剔除弱候选，再产出报告交由人类审阅；研究人员决定测什么，并亲自做实验。
这一流程改变的是“注意力的经济学”。一个有用的智能体不必独立做出最终发现，它可以帮科学家搜索更大的空间，讲清楚某个候选为何异常，并在稀缺的实验时间被消耗前淘汰没有前景的线索。但衡量标准不是智能体数量或 token 用量，而是：有多大比例的假设最终被证明可复现、有信息量、值得投入测试成本。
还有一点关乎组织设计。Anthropic 组建了生命科学团队，并在湾区建了自己的实验室，把计算层面的提议与实验连接起来。这个选择很重要：科学软件赢得信任，靠的是其结论能被测量数据挑战，而不只是被另一个模型的回答所挑战。公司表示，其研究人员在 BSL-1 和 BSL-2（生物安全一级、二级）条件下工作，不接触可感染人类的病原体。
对 AI for Science 平台创业者：一个惊艳的演示只是敲门砖，不是护城河。我会追问：候选是如何筛选的？多少进入了实验室？多少失败了？结果能否复现？每个经验证的发现成本多少？一个系统如果只是把建议数量提高十倍，却没有提高实验质量，可能只是把瓶颈推到了下游。
对制药与医疗器械团队：机会远不止发现新的分子系统。类似方法可以用来梳理文献与临床试验证据、发现检测或生产数据中的异常模式，并为科学家和工程师提出具体问题。这些应用需要合规的数据权利、可追溯的证据，以及能否决“自信但薄弱”假设的领域专家。ART 本身对报告研究之外的任何药企或器械公司而言，都还不是里程碑。
对投资人：我会把价值来源分成三层——更好的发现流程；专有、可重复的实验反馈闭环；以及最终的产品或知识产权地位。目前最显眼的是第一层。ART 的实际用途及其商业化经济性都尚未确立，若把整条链条当作已被证明来估值，为时过早。
近二十年的医疗健康投资经历让我学会关注一个节点：一个科学故事何时从“可能性”变成“证据”。在这件事里，有三个不同的主张：Claude 帮助识别出一个研究人员尚未充分表征的系统；初步实验支持了所提出结构的部分内容；未来或许会出现一种有用、可编程的生物工具。前两点是已报告的结果，第三点仍是研究问题。
这条新闻也让我想到我们投资过的两类公司：一家创新药研发企业，以及一家从事研发、制造和 CDMO（合同研发生产）服务的医疗器械企业。它们潜在的 AI 应用场景不同：药企团队可以用 AI 挖掘科学或临床问题，交由专家审阅；器械团队可以把测试记录和工艺知识转化为可由工程工作验证的假设。这些是设想中的应用，并非指任何一家公司已采用 ART 或由此产生收入，也不涉及任何项目保密信息。
我会持续关注：科学家能否确定 ART 的天然功能；其短 RNA 与该酶之间是否存在功能关联；以及类似的 AI 主导普查能否在其他数据集中产生独立、可复现的发现。前两个问题关乎这个具体系统，第三个关乎更大的平台机会。
这一结果来自公司对自身早期研究的描述，目前是一篇预印本，尚无充分的独立复现。这个不寻常的模式可能在生物学上很有意思，却未必成为有用的技术。大规模智能体搜索同样消耗算力和专家审阅时间，其经济性需要与传统研究方法对比衡量。反过来说，如果非要求立刻出现可上市的工具，就会错过“扩展科学家能注意到、能检验的范围”这一价值。
平衡的结论很简单：AI 在帮助启动生物学发现方面，能力似乎越来越强。真正的考验是，更好的问题能否一次又一次地带来更快、更可靠、更经济的实验。
你认为，AI 在你所在的领域，最先会改变的是“提出问题”，还是“验证答案”？欢迎留言讨论。
文中科学发现均引自 Anthropic 的早期报告；商业应用与投资判断为作者个人观点。本文仅供行业讨论，不构成个性化的投资、法律或医疗建议。
我是一名跨境投资人，拥有二十年投资经历，曾在清华大学五道口金融学院、斯坦福大学商学院学习。
我的投资经历横跨中国与美国，涉及医疗器械、生物医药、消费电子、创新商业连锁、互联网教育与金融科技等领域，工作涵盖股权投资、并购重组与跨境产业合作。其中，医疗健康始终是我投入最多、也最愿意长期深耕的方向。
过往参与的项目，既有中国的医疗器械与医疗产业企业，也有已进入三期临床阶段的美国创新药项目。这些经历让我不断回到同一个问题：一项有价值的创新，如何从技术与产品走向真正的市场需求，又如何获得与其发展阶段相匹配的资本支持。
我对医疗的关注，也有很个人的原因。自己和家人的健康经历，让我更真切地体会到，好的药物、器械与医疗服务，对一个人、一个家庭意味着什么。这份体会也影响着我选择项目的方式——关注创新能否减轻疾病负担、改善日常生活，让更多人获得更好的照护。
如今，我尤其关注医疗健康、人工智能与资本的交汇：AI 如何帮助我们理解科学、提升研发与产业效率；资本如何支持有价值的技术完成验证、走向市场；跨境合作如何让创新惠及更多人。
「春雨 Capital AI」记录我的现场观察、投资思考与持续学习。从硅谷出发，连接中国与世界，希望与科研人员、创业者和投资同行一起，推动能够改善人类健康与生活品质的创新。