一口氣發(fā)布了三篇論文——不是關(guān)于新模型，不是關(guān)于安全對(duì)齊，而是關(guān)于”科學(xué)家如何用AI干活”。

同時(shí)，它還悄悄上線了一個(gè)新東西：Anthropic科學(xué)博客。

這個(gè)博客的定位很明確：分享AI在科學(xué)研究中的實(shí)戰(zhàn)進(jìn)展，發(fā)布來自公司研究員和外部專家的論文，覆蓋前沿話題，提供實(shí)操指導(dǎo)。

消息不大，但信號(hào)很強(qiáng)。

Anthropic在押一個(gè)賭注。

賭注的名字叫：AI加速科學(xué)研究。

為了支撐這個(gè)方向，Anthropic已經(jīng)悄悄鋪了不少路：推出”AI賦能科學(xué)計(jì)劃”，為生物學(xué)、物理學(xué)、化學(xué)等領(lǐng)域的科研人員免費(fèi)提供API額度；專項(xiàng)研發(fā)”生命科學(xué)版Claude”；還參與了一項(xiàng)由企業(yè)、高校與政府聯(lián)合發(fā)起的數(shù)十億美元級(jí)計(jì)劃，目標(biāo)是用AI推動(dòng)美國(guó)科學(xué)研究的整體提速。

他們還特意強(qiáng)調(diào)：自家科研團(tuán)隊(duì)里，很多人有生物物理、化學(xué)、神經(jīng)科學(xué)的專業(yè)背景。

潛臺(tái)詞不難讀懂——我們不只是做AI的，我們懂科學(xué)。

這條路上，已經(jīng)有一個(gè)先行者：谷歌。

DeepMind的AlphaFold，用專用AI單點(diǎn)突破蛋白質(zhì)折疊難題，拿下諾貝爾獎(jiǎng)，確立了”AI+科學(xué)”敘事的標(biāo)桿。

Anthropic的路子不一樣。

DeepMind是造一把精準(zhǔn)的手術(shù)刀，去攻克一個(gè)具體的世界難題。Anthropic的思路是——造一個(gè)全能實(shí)習(xí)生，發(fā)給每一位科學(xué)家。

用通用AI，賦能全流程科研。讓AI跑代碼、調(diào)參數(shù)、翻文獻(xiàn)、寫論文草稿……當(dāng)然，token還是要燒的。

這不只是戰(zhàn)略聲明，他們還拿出了兩個(gè)真實(shí)案例。

案例一：一個(gè)非專家，靠Claude完成了專業(yè)團(tuán)隊(duì)幾個(gè)月的工作

論文標(biāo)題：《氛圍物理學(xué)：人工智能科研助手》

作者：Matthew Schwartz（內(nèi)部研究員）

故事是這樣的：

作者不是宇宙學(xué)專家，但他需要開發(fā)一個(gè)”宇宙學(xué)玻爾茲曼求解器”——這是研究宇宙微波背景輻射的核心工具，專業(yè)團(tuán)隊(duì)從頭開發(fā)通常需要相當(dāng)長(zhǎng)的時(shí)間。

他的解法：全程靠Claude Opus。

最終結(jié)果：可微版本順利完成，精度對(duì)標(biāo)專業(yè)工具CLASS，誤差控制在0.1%以內(nèi)。

更關(guān)鍵的是方法論。他總結(jié)了一套可復(fù)用的”氛圍科研”框架：

• 用 CLAUDE.md 寫清項(xiàng)目目標(biāo)，給AI立規(guī)矩

• 用 CHANGELOG.md 讓AI記錄每次進(jìn)展和失敗原因，避免反復(fù)踩坑

• 用專業(yè)代碼做測(cè)試基準(zhǔn)，用Git同步進(jìn)度防丟失

• 用”拉爾夫循環(huán)”對(duì)付AI偷懶——強(qiáng)制它達(dá)到精度目標(biāo)再停

整套流程可以跑在高性能計(jì)算集群上，研究者不需要守著屏幕，上班、睡覺，AI自己跑。

幾天后，活干完了，作者順帶還把宇宙學(xué)補(bǔ)了個(gè)底。

案例二：哈佛教授，把Claude當(dāng)研二學(xué)生用了兩周

論文標(biāo)題：《Vibe物理：人工智能研究生》

作者：Matthew Schwartz（哈佛大學(xué)物理教授）

這個(gè)實(shí)驗(yàn)的規(guī)則更嚴(yán)格，也更有挑戰(zhàn)性。

Schwartz專攻量子場(chǎng)論。他給AI設(shè)定了一個(gè)”研二學(xué)生”的難度標(biāo)準(zhǔn)：完成修正電子對(duì)撞實(shí)驗(yàn)中C參數(shù)的蘇達(dá)科夫肩峰計(jì)算——這是專業(yè)團(tuán)隊(duì)正常需要約一年才能完成的硬核課題。

規(guī)則只有一條：全程只用文字提示詞指揮Claude Code，不粘貼任何個(gè)人計(jì)算結(jié)果，AI自主推導(dǎo)、編碼、驗(yàn)證。

兩周后的結(jié)果：

110次草稿迭代，3600萬(wàn)token運(yùn)算，40余小時(shí)本地計(jì)算，一篇嚴(yán)謹(jǐn)?shù)母吣芪锢碚撐漠a(chǎn)出。

一年的工作量，兩周完成。

但Schwartz也說得很清楚：AI高效、不知疲倦，但會(huì)犯錯(cuò)，而且有時(shí)候錯(cuò)得很隱蔽。沒有專家在旁邊核驗(yàn)，這篇論文根本不可能通過。

他的結(jié)論是：AI現(xiàn)在還不能獨(dú)立做完整的科學(xué)研究，但它已經(jīng)能勝任前沿理論物理的專業(yè)級(jí)工作——而這件事，三個(gè)月前完全做不到。

科研范式，正在被悄悄改寫。

人類專家的角色，正在從“親手計(jì)算”變成”指導(dǎo)AI計(jì)算”。

Anthropic押注的，不是某一個(gè)諾貝爾獎(jiǎng)級(jí)的突破，而是每一位科學(xué)家桌上那臺(tái)永不疲倦的計(jì)算機(jī)。

至于這場(chǎng)和谷歌的較量，誰(shuí)能贏——

可能得等科學(xué)家們先投票。