10 月 20 日凌晨，一个不熟生物的人坐在 Anthropic 总部一间没有标识的会议室里，看着屏幕上跳动的任务队列。

他的公司叫 Citrini Research，是一家投资研究机构。三个月前，他们还在 Substack 上发过一篇虚构的文章——《2028 年全球智能危机》，写的是 AI 智能体某天集体崩溃、把美国经济掀翻的推演。那篇文章被大量转发，真的晃动了美股。

同一家公司，这次要证明的是相反的方向：AI 能救命。

他们选了世界上最难的题目之一——蝎子抗毒血清。全球每年有超过 120 万人被蝎子蜇伤，超过 3250 人因此死亡，多数是医疗条件有限地区的孩子。这种药贵、难做、赚不回成本，被医学界称作"被忽视的热带病"。

三个月、20 万美元之后，答案出来了。

它没做成。

64 小时，318484 个设计，17 个及格

先看这组数字，因为它们决定了你对这件事的第一反应。

Anthropic 内部未发布的研究模型跑了这个任务，整整 64 小时，自己派出了超过 300 个子智能体，占用 300 多块 GPU 并行工作。整个过程 Anthropic 那边的人基本没插手，一共只给了 4 次后续提示。

产出：

• 生成蛋白设计 318,484 个
• 筛掉明显像已知毒素或现有蛋白的，留下 180 个送测
• Anthropic 团队又加了 31 个，合计 211 个
• 送去瑞士 Adaptyv Bio 和美国 Twist Bioscience 两家实验室实测
• 最终只有 17 个符合"能结合"的标准

而这 17 个，每一个都只能结合一种毒素。它们要对付的是五种，其中没有任何一个分子能同时打两种。

从 318484 到 17。中间那段被扔掉的东西，才是这件事真正的样子。

算下来，Anthropic 自己承担了接近 5 万美元的计算和 token 费用，外加约 15 万美元的外部实验室检测费。Citrin把 AI 这一环称为"免费"——这个说法很巧妙，因为账单是别人付的。

差的那一步，叫"翻译"

丹麦技术大学的 Andreas Hougaard Laustsen-Kiel 教授说得直接：

"针对蛇和蝎子毒素找到一个好的结合分子，这算比较容易。难的部分是把它变成药。"

两个科学家在邮件里写道：把结合分子变成真正的药，"很可能仍是一个漫长而艰难的过程"。

这里有一个词，被反复用到：translation，翻译。

从"AI 找到了一个能抓住毒素的分子"，到"这瓶血清能救人"，中间隔着数年时间和几亿美元。这就是那条鸿沟。

阿布扎比哈利法大学的 Andreas Bender 说得最不客气：设计能结合目标的蛋白，在传统高通量筛选里早就是个"基本算解决了"的问题，不用 AI 也能找到一堆候选。他强调："真正缺的，正是这个翻译环节。"

承认失败，比成功更难写

Anthropic 自己在技术报告里的措辞值得单独拎出来：

"我们尚未确认这些结合分子能否在细胞环境中中和蝎子毒液，因此我们不主张我们做出了抗毒血清。"

不主张。这三个字，是整份报告里最诚实的一句。

而 Citrini 那边呢？他们把这场实验写成了一篇文章，标题是《我们想用 Claude 创造一种新药，这是发生的事》。开头是一串反问句："为什么不试试用 AI 创造一种新药呢？"，中间引用了达尔文。

在文章里，Citrini 把这次实验称为某种意义上的成功——它"让我们瞥见了 AI 药物发现时代即将出现的投资机会"。具体标的呢，自然留给付费订阅者了。彭博社的报道说，他们重点提到了检测环节的公司，比如 Charles River Laboratories。

面对质疑，Citrini 的回应是：批评者在"吹毛求疵"，并且强调——"我们是一家投资研究公司，不是生物技术初创公司。"

这句话把这家公司前后的立场串了起来：2 月，它写一篇虚构的 AI 末日推演，让市场紧张；10 月，它做一次真实的实验，失败，然后说我们是研究机构不是实验室。

那 3250 个孩子呢

这是我读完整篇报道后，唯一没能放下的部分。

Anthropic 那份技术报告的第一段写得比任何评论都克制：蝎子每年蜇伤 120 万人，死亡 3250 人，多数是医疗资源不足地区的儿童。这种病长期缺乏投资，因为新疗法既贵，又赚不回开发成本。

这就是所谓的 neglected tropical disease——不是科学上不重要，是商业上算不过来。

而这次实验最讽刺的地方正在这里：一群人用一台能跑 64 小时、派 300 个智能体的模型去解决一个"赚不回钱"的问题，做了 20 万美元，然后承认没做成。

这不是 AI 的失败，也不是 Citrini 的失败。

这是我们现有的整套药物研发体系本身的样子。 只是这次有人把它拍下来、放大了 100 倍给我们看。

我们为什么会兴奋过头

我想说清楚一件事：批评这次实验的人，容易被误解成"AI 唱衰者"。

丹麦技术大学的两位研究者其实给了很公平的评价——他们认为最有新意的部分是"自主发现的过程，而不是生物学结果"。AI 在加速发现上确实有巨大潜力。

问题在于，我们这两年集体养成了一种阅读新闻的习惯：看到"AI + 医疗"，就自动翻译成"药要出来了"。

这两件事之间的距离，比 64 小时和 3250 个孩子的距离还远。

有一个细节我一直记着：Citrin在文章里写，他们团队**"没有一个人能说自己对 AI 在生物学领域的应用有任何了解"**。他们自己承认了。

可是当 300 个子智能体开始跑的时候，当"318484 个设计"这个数字出现在屏幕上的时候，那种把数字看成结果的冲动，会把这句话完全盖过去。

数字很大，结论很小。 这两件事同时成立，但我们的眼睛习惯只看见前一个。

三件事，翻译不过来的

如果你也在跟着 AI 的新闻走，这三条可以直接拿去用：

第一，"生成了多少"永远不是"做成了多少"。

318484 → 180 → 211 → 17。这条链条上任何一环被单独拿出来当标题，都会失真。看这类新闻，先找最末端那个数字。

第二，"能结合"和"能用"之间，隔着一整个产业。

这句话不是我自己下的，是造药的人自己说的。蛋白质能抓住毒素，不代表它能中和毒素；能中和，不代表它安全；安全，不代表它稳定。这一步的难度，几十年来没有变过。

第三，最难的那部分，从来不在模型里。

要变成药，得有人做细胞实验、做动物实验、跑三期临床、建生产设施、把冷链铺到那些被蜇伤的孩子身边。这些全是脏活、慢活、要钱、要人的活。

模型把"从 0 到 1"的那段压缩了。但从 1 到 100 的那一段，还是得由人来走完。

最后

我不太想把这篇写成 AI 的胜利或失败。

如果非要说这次实验证明了什么，我更愿意说是这个：它让我们看清了 AI 在医药里能碰到哪里，以及碰不到哪里。

知道边界，比知道边界外有金子更有用。

那 3250 个孩子还在等。等到下一个模型、下一轮 64 小时、下一份 20 万美元的报告出来。

在那之前，最诚实的位置，可能就是承认：这条路还长。

资料来源：The Verge 报道（2026-10-22，Robert Hart）；Anthropic 技术报告《How Claude designed protein binders against scorpion neurotoxins》（2026-10-20）；Citrini Research 博文《We Wanted to Use Claude to Create a New Drug. Here's What Happened.》（2026-10-20）；丹麦技术大学 Andreas Hougaard Laustsen-Kiel、Melisa Benard Valle、Anne Ljungars 联合评论；哈利法大学 Andreas Bender 评论。