两年的工作，现在只需几周即可完成。
近期，艾伦研究所（Allen Institute）的神经科学家杰罗姆·莱科克（Jérôme Lecoq）及其团队，将一篇长篇综述的撰写周期，从原本接近两年大幅压缩至短短数周。
莱科克手头积压着约10篇综述稿件，其中不少篇幅超过100页，每一条参考文献均由一个智能体逐句核查确认。
为他承担这项繁重任务的，是Anthropic最新推出的科研专用工具——Claude Science。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
2026年6月30日，Anthropic正式发布Claude Science，将其定位为面向科研人员的AI协作平台。（图源：Anthropic官方博客）
据Anthropic披露，此类工作此前需耗费该科学家及其团队整整两年时间。
Anthropic强调，Claude Science并非一款“更聪明”的科研大模型，而是一个专为科学家打造的集成式AI工作台。
其真正突破在于：首次将科研全流程拆解为一条清晰、可分步验证与追溯的标准化流水线。
目前，Claude Science已面向macOS与Linux系统开放Beta测试，向Pro、Max、Team及Enterprise订阅用户全面开放。
被重塑的，是整条科研工具链
从事过科研工作的人都深知其中的繁琐：
一项研究常需在数十个数据库间反复切换，每个库拥有各自的数据结构与查询语法；
文件格式千差万别，每次都要临时搭建处理管道、寻找适配查看器；
桌面上同时开着多个工具：用PubMed检索文献、用Jupyter执行代码、用R做统计分析、通过终端提交高性能计算任务……
频繁切换界面与上下文，真正用于科学思考的时间，往往被大量重复性搬运、格式转换与调试工作悄然吞噬。
而Claude Science所做的，正是把这些零散环节统一收纳进一个连贯、可控的执行环境：
从文献解读、多步骤计算、图表优化，到论文终稿生成，所有阶段均可在同一界面内闭环完成，无需因更换工具而中断思维流。
它既可本地运行于macOS或Linux系统，也支持通过SSH接入远程服务器，甚至直接挂载至高性能计算（HPC）集群的登录节点。
就像日常使用Jupyter Notebook一样，数据存于何处，它便自动延伸至何处。
就连算力调度这一关键环节，也被纳入统一管理。
例如折叠一个蛋白质结构，或在海量组学数据上运行整套基因组分析流程——这类高负载任务以往需研究人员全程手动配置、排队等待集群资源、实时监控任务状态、再手动拉取结果，耗时动辄半天。
Claude Science则接管了整套调度逻辑：先拟定执行计划，在调用新资源前主动征询授权；在编写与提交任务脚本前，均提供审查与撤销机制；并支持将计算规模从单卡GPU无缝扩展至数百张GPU。
Claude Science将一次包含8组scVI超参数扫描的任务部署至实验室A100集群运行，右侧Notebook与智能体共享同一实时内核，变量与运行状态实时同步。（图源：Anthropic官方博客）
尤为关键的是，敏感数据始终保留在本地系统内，仅在必要步骤中，将最小化上下文片段发送至Claude进行处理。
每一张图，都附带可追溯的源码
科学研究天然与可视化密不可分：蛋白质三维构象、基因组浏览器轨迹、分子结构式……这些本质上都是图形表达。
Claude Science顺势而为，在生成图表与文稿的同时，同步输出构建该图表的全部代码，并支持原生渲染。
更核心的价值在于可复现性（reproducibility）。
每当Claude Science生成一张图表，它会自动将生成该图所依赖的确切代码、运行环境配置、自然语言描述说明，以及完整交互历史，一并打包并“钉”在图像旁，形成永久绑定。
左侧为涵盖138个物种的跨物种细胞图谱，右侧同屏展示生成该图的精确代码；圈选任意语句即可触发智能体即时修改图表。所有结果均可回溯、可复现、可验证。（图源：Anthropic官方博客）
一篇论文从投稿到正式见刊，通常间隔数月；待审稿人要求重跑某张图时，你只需一键调出原始输入、执行过程与输出结果的全链路快照，当场复现毫无压力。
想调整图表？直接语音或文字下达指令——“隐藏网格线”“纵轴改为对数刻度”，智能体便会精准修改其自动生成的代码。
你还能在任意中间节点分叉会话，同步探索两种不同分析路径，原有流程丝毫不受影响。
简言之，科研首次被整合为一份完整闭环、全程可审计（auditable）的工作流：代码、环境、对话历史全部纳入统一治理框架。
一个智能体执笔，另一个专司质检
Claude Science背后，并非单一智能体独立运作。
你面对的是一个具备统筹能力的协调型智能体，内置60余个针对基因组学、单细胞分析、蛋白质组学、结构生物学及化学信息学预置的专业技能模块与数据库连接器。
任务量增大时，它能自主派生子智能体协同分工，亦可随时调用用户自定义的专家级智能体。
最具亮点的是其内置的审查智能体（reviewer agent）。
该智能体专职核查文献引用准确性与数值计算可靠性，精准识别错误引用、无出处数字、图表与代码不一致等问题，并自动标注、修正。
在艾伦研究所的实际案例中，团队采用的正是actor-critic协同架构：一个智能体负责内容生成，另一个则专注评估其科学严谨性与引文真实性。
这套机制，已初具“AI内部同行评审”的雏形。
但必须明确一条底线：全程坚持人在环路（human-in-the-loop）原则。
任何涉及新资源调用的操作，系统必先请求授权；每一项关键决策，用户均可复核、干预或撤回。它自动化的是流程效率，而非替代人类做出科学判断。
此外，Claude Science已深度集成NVIDIA BioNeMo Agent Toolkit，原生支持Evo 2、Boltz-2、OpenFold3等前沿生命科学模型。
你实验室自有、经长期验证的模型、数据集与分析管线，亦可封装为可复用技能模块导入系统，后续所有会话将自动继承该能力。
Claude Science首站落子生命科学
Claude Science的首发应用场景，聚焦于生命科学领域。
基因组学、单细胞组学、蛋白质组学、结构生物学、化学信息学——开箱即用。
它能解析学术文献，可直连查询60余个专业数据库，包括UniProt、PDB、Ensembl、ClinVar、ChEMBL、GEO等格式各异、接口不一的权威资源，用户无需再逐一学习各平台操作规范。
Claude Science为基因组、单细胞、蛋白质组及化学信息学预装专属环境，底层对接60+科学数据库。（图源：Anthropic官方博客）
Manifold Bio公司专注于组织靶向药物研发。
他们借助Claude Science为最新实验筛选候选靶点：对每个靶点与组织组合，系统性评估其表面表达水平、转运特性与安全性，并依据公司内部积累的自有数据标准自动排序候选方案。
Manifold Bio指出，普通编程助手无法胜任此类端到端任务；Claude Science不仅能精准获取数据、作出合理推断，还能融合过往项目上下文持续优化判断。
还有更具挑战性的实例。
加州大学旧金山分校（UCSF）脑瘤中心一位流行病学副教授，正利用该工具开展胶质瘤分子流行病学研究，系统分析数千个微效胚系（germline）变异如何叠加作用，共同塑造个体发病易感性。
据Anthropic介绍，该胚系变异分析任务，Claude Science仅用以往约十分之一的时间即完成全部运算；团队已独立复验结果，确认其高效性与稳定性兼备。
不过，当前实现10倍提速的场景，仍集中于综述撰写、基因组数据分析及特定分析流程自动化，并不意味着“整体科研效率提升10倍”。
与此同时，科研可信度的衡量标准，正在被重新定义。
过去，一项研究是否可靠，主要取决于同行评议质量，以及他人能否成功复现实验结果。
而“可复现性”，长期以来正是科研领域最棘手的痛点之一：原始代码遗失、运行环境变更、数月后连作者自身都无法重现当初那张关键图表。
Claude Science确保每张图表自带可追溯代码，每个结果均锚定其生成环境与完整对话历史。在攻克“可复现性”这一难关上，它或是首个真正落地的实践者。
同一条赛道，三种战略路径
在生物科研AI赛道上，三大科技巨头正以不同策略竞逐。
谷歌押注独家模型能力，OpenAI聚焦模型的科研推理深度，Anthropic则深耕科研工作流重构。
谷歌握有AlphaFold、AlphaGenome等独有模型资产，选择亲自下场构建解决方案。
OpenAI则走另一条技术路线。
今年4月，其推出GPT-Rosalind——一款专为生物推理与药物发现优化的前沿模型。
如今更进一步，着力提升模型的“科研判断力”。
其最新发布的GeneBench-Pro，是一套专用于评测模型是否具备计算生物学家级决策能力的基准测试：共129道题目，覆盖基因组学、群体遗传学到临床诊断全链条，重点考察模型能否判断“当前数据是否足以支撑该问题”“哪一步应推翻重来”等关键科学直觉。
目前最强的GPT-5.6 Sol得分28.7%，开启Pro模式后达31.5%；而数代之前的GPT-5得分尚不足5%。
OpenAI坦言，按此进展速度，该基准可能在今年底即被全面刷新。
然而，即便模型再强大，也仅能解决不到三分之一的问题。而剩余未解部分，恰恰是人类科学家不可替代的核心价值所在。
GeneBench-Pro所暴露的AI短板同样清晰：
模型擅长开局，却难以收束终局——例如是否剔除异常样本、假设被证伪后如何重构分析路径等决策，仍需科学家最终拍板。
Claude Science亦未回避这一现实，其设计原则始终是：方案交由人审核、每步操作留给人否决权。它所自动化的，是流程本身；判断权从未让渡给模型，人类始终处于决策环路中央。
对莱科克这样的科研一线工作者而言，一篇综述能否被长期复现、数月之后结论是否依然成立，远比榜单上多出零点几个百分点更为重要。
Claude Science所押注的，正是让AI真正扎根实验室日常，成为科学家手中可信赖、可追溯、可审计的科研伙伴。
参考资料：
https://www.php.cn/link/434eaf70b60de01436f181950c4dcb5d
https://www.php.cn/link/95882a62588fc14986a3fa4c7b918d52
本文来自微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。
