标签： AI技术

Anthropic上周干了一件挺出格的事。这家公司本来是卖AI模型的——Claude系列，对吧，大家都熟。但在本周的「The Briefing: AI for Science」活动上，他们宣布不仅要帮别人做药物研发，自己也要下场做药。这事在AI圈和制药圈都引起了不小的讨论。

先说这次同时发布的工具：Claude Science。这个名字听起来像是个新模型，但其实是一个「AI工作台」，把科学家常用的那些碎片化工具和数据集整合到一个环境里，还能自动生成图表和可视化。这个方向其实不新鲜，AI公司争相往科学和制药领域渗透已经是明牌了。

自己下药场，这步棋有点野

Anthropic的生命科学部门负责人Eric Kauderer-Abrams说，公司会专注在「被忽视」的疾病上——也就是那些大药厂看不上、市场不够大、所以没人愿意投入研发的病。听起来很有情怀，但具体要怎么做，Anthropic说得很少。

实际上，在这次活动上，Kauderer-Abrams连「如果找到有潜力的药物候选分子要怎么办」都没说清楚。Anthropic也没有回应The Verge的采访请求——比如第一个目标是什么疾病、需不需要跟其他公司合作做实验室工作、动物测试、临床试验或者生产。

AI公司在药物研发的每个阶段都有用武之地。但从一个AI软件提供商，变成跟自己的客户直接竞争的药厂——这个转身，Anthropic可能不是第一家，但绝对是最引人注目的一家。

卖铲子的，自己开始挖金矿了

这里有个微妙的冲突。Anthropic一边在跟生物科技和制药公司推销Claude——说我们的模型能加速你的研发；一边又说自己要来做药。那那些买了Claude服务、正在研发新药的公司，怎么看这个事？

当然，Anthropic不是唯一一家往制药领域伸手的公司。OpenAI、亚马逊、谷歌都有自己的生命科学工具和平台。但Anthropic宣布自己下场做药，是直接迈过了那条线——从工具提供者变成了潜在的竞争者。

这场比赛里已经挤满了人：专门做AI药物研发的公司（比如Insilico）、谷歌DeepMind分拆出来的Isomorphic Labs、无数的生物科技创业公司，还有正在自建或收购AI工具的大型制药企业。

AI做药，到底靠不靠谱？

专家告诉The Verge，Anthropic计划的不确定性，其实反映了整个AI药物研发热潮背后的一个更大的不确定性。AI确实在药物发现的某些环节有用——比如筛选分子、预测蛋白质结构——但从「发现一个有潜力的分子」到「真正上市一款药」，中间隔着十万八千里。

临床试验的失败率极高，监管审批周期以年计算，更别说生产、分销、不良反应监测这一系列后续工作。Anthropic作为一家AI公司，在这些方面几乎没有经验。它如果要真正把药做出来，大概率还是得跟传统药厂或专业生物科技公司合作。

但换个角度看，Anthropic下场做药，本身就是一个极强的市场信号。它等于在向整个制药行业宣布：AI不只是辅助工具，AI公司自己也能做这件事。这对那些还在犹豫要不要拥抱AI的传统药厂来说，压力是实打实的。

话说回来，这事最后能不能成，还得看Anthropic愿意投多少资源、能坚持多久。做药是个烧钱又耗时的游戏，不是训练几个模型就能搞定的。但有一点是肯定的：AI公司和传统制药业之间的边界，正在以所有人没想到的方式变得模糊。

如果你问一个企业软件从业者，现在最拥挤的赛道是什么，”企业AI”大概率会高票当选。微软把Copilot塞进了Office套件的每一个角落，谷歌在Docs和Sheets里加了AI助手，Salesforce、Notion、Superhuman……几乎所有你能叫得出名字的生产力工具，都在拼命往自己的产品里装AI。

但有一个人认为，所有这些努力基本上都是在做表面文章。他的名字叫Bhavin Turakhia，一个你可能没听说过的印度连续创业者。过去20年里，他创办了Directi、Radix、Titan、银行软件公司Zeta等一系列企业，走的都是同一条路：先自己出钱把公司做起来，有了起色再引入外部投资者。

现在他拿出了3000万美元的个人资金，要做一件事：从零开始，给AI时代重新造一套企业办公软件。这套软件叫Neo，今年4月才刚在内测阶段。

“你想造iPhone，不可能拿诺基亚的零件来改装”

Turakhia的核心观点其实不复杂：那些在生成式AI出现之前就设计好的办公软件，哪怕往里面塞再多的聊天机器人，也没法真正适配AI时代的工作方式。你需要的不是给旧房子打补丁，而是推倒重来。

他自己打了个比方，说如果你想造一部iPhone，不可能把诺基亚的零件拆下来拼拼凑凑就完事。这个逻辑放到企业软件上也是一样的：AI不应该是一个你需要单独打开对话框去咨询的辅助工具，而应该从底层就嵌入到工作的每一个环节里，成为一个主动的参与者。

“如果你的产品在设计的时候AI还没出现，那它本质上就是为上一个时代服务的。你要么从头再来，要么就接受自己永远在追赶。”——Bhavin Turakhia

3个月搭出初始平台

Neo具体做什么？它是一个集成了项目管理、文档协作、文件存储和AI功能的企业工作平台。听起来好像跟现有的企业协作工具没什么两样，但Turakhia强调说，Neo从第一行代码开始就是以AI为核心设计的，而且支持多模型兼容——企业用户可以自由切换底层的AI模型，不需要被锁定在某一家供应商上。

有一个数字很能说明问题：Neo的初始平台只用了3个月就搭建完成了。Turakhia估计，要是放在生成式AI普及之前，同样的工作至少需要一年以上的时间，还得配备规模大得多的工程团队。AI加速开发效率的程度，在这个案例里体现得很直观。

目前Neo的团队大约有45人，其中18人是工程师。Turakhia表示，预计到今年年底团队会扩展到100人左右，新增的岗位主要集中在AI和软件工程领域。

先在自己公司里试

过去几个月，Neo一直在Turakhia旗下的公司（包括Zeta）内部试用。这种”自己先吃自己的狗粮”的做法，在 enterprise software 领域其实挺常见的，但Neo的情况有一点不同：它的创始人同时是好几家公司的老板，内部试用的样本量比一般创业公司大不少。

接下里的商业化路径是这样的：未来几个月先向中型企业推出，最初的目标用户是科技公司、咨询公司和专业服务公司的知识工作者。这个选择很合理——这些用户对企业AI工具接受度最高，也更愿意为提升效率付费。

2%的市场份额就够大了

企业AI这个赛道现在挤成了什么样？微软、谷歌、Salesforce三座大山各自带着完整的办公套件生态在厮杀；Anthropic和OpenAI这两家头部AI实验室也在推自己的企业解决方案；更不用提Notion、Superhuman这些已经在生产力工具里站稳了脚跟的创业公司。

Turakhia对这些竞争并不担心。他的理由是：企业软件从来都不是一个”赢家通吃”的市场。只要能拿到全球企业AI支出当中2%到5%的份额，这个体量就已经会超过他之前创立的所有公司加在一起的规模。

这个判断有没有道理？从某种程度上说，企业软件市场的确比消费市场更碎片化，不同规模、不同行业的公司需求差异很大，一家供应商通吃全部客户的情况不太会出现。但反过来，这也意味着Neo要同时跟巨头和创业公司抢市场，难度同样不容小觑。

Turakhia之前已经成功退出过好几次了，这次拿自己的钱出来单干，说明他至少是真心相信这件事值得做。至于Neo能不能在企业AI的红海里杀出一条路，接下来几个月推向市场之后的用户反馈会给出初步的答案。

企业AI买了不用，这事已经不是秘密了。Microsoft看准了这个痛点，这周宣布成立一个叫Microsoft Frontier Company的新业务部门，专门帮企业把AI真的用起来。配套的资金是25亿美元，再加上6000名行业和工程专家。

Microsoft商业业务CEO Judson Althoff在声明里特意说，这个模式不能简单套用”前沿部署工程师”（FDE）的标签。他的原话是：这超越了所谓”前沿部署工程”的范畴，将是行业内规模最大的、最有能力的、以结果为导向的工程组织。

FDE这个模式最近火得不行。简单说就是把AI公司的工程师直接派到客户现场，手把手帮企业把AI模型接入实际业务。OpenAI和Anthropic都在做，Amazon两天前刚宣布投10亿美元搞类似的部门。

Microsoft的底牌比谁都好

虽然Althoff不愿意用FDE这个说法，但Microsoft Frontier Company干的事情跟FDE没本质区别。区别在于，Microsoft手里有一张别人没有的好牌：它已经把工程师部署到了大部分财富500强公司。

这意味着Microsoft不需要从零开始建立客户关系。当你的销售代表、客户经理、技术支持已经坐在客户的办公室里了，再往前走一步、帮他们把AI真正跑起来，这个转化比Amazon或OpenAI要顺得多。

宣布里提到了几个早期合作伙伴：伦敦证券交易所集团、联合利华、Land O’Lakes（美国奶制品合作社）、埃森哲。这些都是已经在用Microsoft AI工具的大客户，现在由Frontier Company提供更深入的部署服务。

25亿美元砸的是什么

25亿美元不是小数目，但需要放在正确的语境里看。这钱不是用来训练新模型的——Microsoft的策略是跟OpenAI合作，用现成的模型。这25亿主要花在人和服务上：6000名专家的工资、差旅、驻场支持，以及为客户做定制化集成的工程成本。

对比一下竞争对手：Amazon承诺了10亿，OpenAI和Anthropic的合资企业也有外部私募股权资金注入。Microsoft这25亿是全自己出的，而且6000人的团队规模确实比竞争对手大不少。

但这个赛道有个本质问题：企业AI部署的失败率很高，不是因为模型不够好，而是因为企业内部的工作流程、数据治理、合规要求、员工接受度这些”非技术因素”比技术本身更难搞定。Microsoft派再多的工程师过去，如果客户自己的组织没准备好，AI还是跑不起来。

Frontier Company这个动作，本质上是Microsoft在AI企业服务赛道上进一步加固自己的位置。它在跟Amazon、Google抢企业客户，同时也在跟OpenAI和Anthropic这样的模型厂商抢”最后一英里”的服务价值。谁帮企业把AI真正用起来，谁就能拿到这一轮企业AI浪潮里最稳定的收入。