新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】Anthropic開(kāi)始搶科學(xué)家了？其STEM Fellow項(xiàng)目正大規(guī)模招募各學(xué)科專家駐場(chǎng)辦公，補(bǔ)齊AI最后一塊短板：判斷力。

一份來(lái)自硅谷最頂尖AI公司的招聘啟事，機(jī)器學(xué)習(xí)竟然并非必需能力？

Anthropic官網(wǎng)剛剛上線了一個(gè)新崗位：Anthropic STEM Fellow（研究員），招聘對(duì)象是STEM（科學(xué)、技術(shù)、工程、數(shù)學(xué)）領(lǐng)域的專家。

在STEM Fellow的崗位說(shuō)明中，Anthropic稱機(jī)器學(xué)習(xí)經(jīng)驗(yàn)有幫助，但不是必需，而科學(xué)判斷力和快速學(xué)習(xí)的意愿更重要。

所有入選者要在位于舊金山等Anthropic辦公室全職駐場(chǎng)三個(gè)月，每周津貼3800美元。

他們能用到前沿Claude模型和內(nèi)部評(píng)測(cè)工具，每個(gè)研究員還會(huì)被分配一位Anthropic研究員做一對(duì)一導(dǎo)師，合作一個(gè)邊界清晰的研究項(xiàng)目。

Anthropic在STEM Fellow的崗位說(shuō)明中舉出了兩個(gè)示例項(xiàng)目：

一位材料科學(xué)家發(fā)現(xiàn)Claude在推理相穩(wěn)定性時(shí)會(huì)犯錯(cuò)，于是構(gòu)建一套專門的評(píng)測(cè)流程來(lái)修補(bǔ)這個(gè)短板；

一位氣候科學(xué)家把大氣建模軟件接入Claude，并構(gòu)建能夠調(diào)用這些工具的環(huán)境。

所有項(xiàng)目，都將限定在研究員計(jì)劃周期內(nèi)完成交付。

很明顯，Anthropic花錢請(qǐng)研究員來(lái)，不是讓他們「用Claude做研究」，而是讓他們利用自己科學(xué)知識(shí)，「告訴Claude哪里做錯(cuò)了」，「調(diào)教」這個(gè)全球最強(qiáng)模型。

三年三代Fellowship，越招越靠近Claude

從給API到請(qǐng)人進(jìn)來(lái)，這三年來(lái)，Anthropic在科研路線上一直在不斷加碼，每一步都比上一步更深。

第一代，是2024年的AI Safety Fellows Program。

那時(shí)候招的還是傳統(tǒng)AI安全研究人才，用fellowship機(jī)制提供資助和導(dǎo)師，讓外部技術(shù)人才參與對(duì)齊研究。

這輪fellowship的重心在「安全」，解決的是Claude會(huì)不會(huì)跑偏。

第二代，是2025年5月啟動(dòng)的AI for Science Program。

Anthropic推出AI for Science Program，給科研機(jī)構(gòu)的研究者免費(fèi)發(fā)放API額度，重點(diǎn)支持生物學(xué)和生命科學(xué)領(lǐng)域的高影響力項(xiàng)目。

這一次是解決好Claude的「安全護(hù)欄」后，再把它送出去。

第三代，就是現(xiàn)在掛出的Anthropic STEM Fellow。

從發(fā)API credits到把科學(xué)家直接請(qǐng)進(jìn)辦公室；從模型安全人才到科學(xué)家；從遠(yuǎn)程審核撥付到全職駐場(chǎng)合作——三代fellowship走下來(lái)，Anthropic 和外部科學(xué)家的距離越來(lái)越近。

第一代，Anthropic 要的是「能讓Claude變得更安全的人」；

第二代，Anthropic 要的是「能用Claude做出科學(xué)成果的人」；

第三代，Anthropic 要的是「能告訴Claude怎么做科學(xué)的人」。

權(quán)重越來(lái)越偏向讓頂級(jí)科學(xué)家直接參與Claude的能力打磨。

STEM Fellow的崗位說(shuō)明中寫道，這些研究員會(huì)「與Anthropic研究員一起設(shè)計(jì)實(shí)驗(yàn)、評(píng)估模型能力、分析模型在長(zhǎng)周期科研任務(wù)中的表現(xiàn)」。

這是共建層面的合作。

同一時(shí)間段里，Anthropic的配套動(dòng)作也在密集展開(kāi)。

2026年3月上線了Science Blog，接連發(fā)布Claude參與科學(xué)計(jì)算和理論物理研究的案例文章。

2026年3月上線的Anthropic Science Blog，科學(xué)能力開(kāi)始成為Anthropic獨(dú)立敘事線https://www.anthropic.com/research/introducing-anthropic-science

它還是美國(guó)能源部Genesis Mission的核心合作伙伴，參與了一項(xiàng)跨產(chǎn)業(yè)界、學(xué)術(shù)界和政府的科研加速計(jì)劃。

2026年4月，AI for Science項(xiàng)目擴(kuò)展到了澳大利亞，投入300萬(wàn)澳元API額度，與澳大利亞國(guó)立大學(xué)、Garvan研究所等機(jī)構(gòu)合作罕見(jiàn)病遺傳分析和精準(zhǔn)醫(yī)療研究。

Science Blog、Claude for Life Sciences、AI for Science Program、STEM Fellow、Genesis Mission……

這一系列動(dòng)作背后的線索已經(jīng)很清楚了：

Anthropic在系統(tǒng)性地構(gòu)建一個(gè)科研生態(tài)，每一步都是這盤棋上的一枚顆子。

AI科研的真實(shí)瓶頸不是算力

而是「判斷力」

為什么一家AI公司會(huì)覺(jué)得，提升模型科學(xué)能力最缺的東西，不是更多的GPU、更多的AI工程師，而是一群做實(shí)驗(yàn)的科學(xué)家？

答案就藏在Anthropic自家的一篇博客里。

2026年3月，哈佛理論物理學(xué)教授Matthew Schwartz在Anthropic Science Blog上發(fā)表了一篇文章，標(biāo)題叫「Vibe Physics: The AI Grad Student」。

https://www.anthropic.com/research/vibe-physics?utm_source=chatgpt.com

他做了一個(gè)實(shí)驗(yàn)：讓Claude Opus 4.5獨(dú)立完成一項(xiàng)研究生水平的高能理論物理計(jì)算。他自己全程不動(dòng)手，只用文字提示詞指導(dǎo)Claude。

結(jié)果驚人。這個(gè)項(xiàng)目如果他帶一個(gè)真人研究生來(lái)做，大概需要一到兩年。他自己獨(dú)立做，要三到五個(gè)月。跟Claude合作，兩周搞定。

速度快了10倍。

Schwartz在文章里寫道：Claude確實(shí)能力很強(qiáng)，但也夠粗糙，以至于領(lǐng)域?qū)＜业呐袛鄬?duì)于驗(yàn)證它的準(zhǔn)確性不可或缺。

他舉了個(gè)例子。

Claude在他的指導(dǎo)下完成修訂稿后，仍然把論文最核心的因式分解公式給搞錯(cuò)了。

這個(gè)錯(cuò)誤看上去很自然，因?yàn)镃laude其實(shí)是從另一個(gè)物理體系里把公式照搬過(guò)來(lái)的，沒(méi)有做必要的修改。

如果Schwartz不是在這個(gè)領(lǐng)域深耕多年，他可能也不會(huì)立刻發(fā)現(xiàn)這個(gè)錯(cuò)誤。

他還發(fā)現(xiàn)Claude一直在調(diào)整參數(shù)，只為讓圖表吻合，而不是找出真正的錯(cuò)誤?！杆鼈卧炝私Y(jié)果，指望我不會(huì)察覺(jué)。」

而且，Claude也不知道該檢查什么來(lái)驗(yàn)證自己的結(jié)果。

整個(gè)項(xiàng)目下來(lái)，超過(guò)110個(gè)版本的迭代，3600萬(wàn)token，40多小時(shí)的本地CPU計(jì)算時(shí)間。

最后，Schwartz給出了一個(gè)精準(zhǔn)的評(píng)級(jí)：

當(dāng)前的大模型在理論物理上大約處于「二年級(jí)研究生」水平。

他同時(shí)給出了另一個(gè)更關(guān)鍵的判斷：AI還沒(méi)有做到端到端的自主科學(xué)研究。

現(xiàn)在回頭看Anthropic STEM Fellow的崗位描述，一切都說(shuō)得通了：

設(shè)計(jì)嚴(yán)格的、不容易被投機(jī)取巧繞過(guò)的評(píng)估方法，測(cè)試模型能不能在你的領(lǐng)域里規(guī)劃實(shí)驗(yàn)、解讀數(shù)據(jù)、推理機(jī)制。系統(tǒng)性地找出它「自信但錯(cuò)誤」的地方。識(shí)別能力短板，創(chuàng)建有針對(duì)性的數(shù)據(jù)和技術(shù)來(lái)彌補(bǔ)。

也就是說(shuō)，模型最危險(xiǎn)的時(shí)刻，不是它說(shuō)「我不知道」，而是它一本正經(jīng)地給出一個(gè)看起來(lái)完全合理、但實(shí)際上是錯(cuò)的答案。

而能分辨這種「高置信度錯(cuò)誤」的人，當(dāng)然不是寫代碼的工程師，而是在各個(gè)領(lǐng)域摸爬滾打多年的專家。

所以，STEM Fellow的本質(zhì)，是讓科學(xué)家（或者各領(lǐng)域?qū)＜遥虯I補(bǔ)課，做它們的「高級(jí)審校」，用他們的判斷力，去校準(zhǔn)模型在科研場(chǎng)景中的輸出質(zhì)量。

換句話說(shuō)，Anthropic缺的不是讓模型「更聰明」的人，是能告訴模型「你這里錯(cuò)了」的人。

Amodei的執(zhí)念和Anthropic的賭注

Anthropic招這批科學(xué)家，不是一時(shí)興起。

往回翻一年，Dario Amodei在2024年10月發(fā)的那篇長(zhǎng)文「Machines of Loving Grace」，就把這條路想清楚了。

https://www.darioamodei.com/essay/machines-of-loving-grace

這篇文章里，Amodei把AI應(yīng)用場(chǎng)景排了個(gè)優(yōu)先級(jí)。

生物學(xué)和醫(yī)療健康排第一，因?yàn)锳I能把人類未來(lái)50到100年的生物醫(yī)學(xué)進(jìn)展壓縮到5到10年內(nèi)完成。更值得重視的，是他怎么定義AI在這件事里的角色。

Amodei認(rèn)為AI應(yīng)該是一位virtual biologist：

要能自己設(shè)計(jì)實(shí)驗(yàn)、指揮實(shí)驗(yàn)、發(fā)明新方法；要能像一個(gè)完整的人類生物學(xué)家一樣獨(dú)立執(zhí)行研究流程。

這相當(dāng)于把AI科學(xué)這件事，從提升效率升級(jí)成了「直接參與」。前者需要更強(qiáng)的模型，后者則需要會(huì)做科學(xué)的模型。

Amodei還給出了一套論證。

他認(rèn)為生物學(xué)的歷史進(jìn)步并非平滑曲線，是幾次方法學(xué)突破推動(dòng)的跳躍。

CRISPR、基因組測(cè)序與合成、光遺傳學(xué)、mRNA疫苗、CAR-T療法，每一次都提供了一種新的可編程、可預(yù)測(cè)地測(cè)量與介入生物系統(tǒng)的能力。

而AI的潛在價(jià)值，是把這類突破的產(chǎn)出率再推高一個(gè)量級(jí)。

Amodei的判斷是：強(qiáng)大的AI至少能將關(guān)鍵發(fā)現(xiàn)的速度提升10倍，讓人類在5到10年內(nèi)走完未來(lái)50到100年的生物學(xué)路程。

他認(rèn)為：如果科學(xué)家更聰明、更善于在海量已有知識(shí)中發(fā)現(xiàn)連接，像CRISPR這樣「藏在眼皮底下幾十年」的突破還有數(shù)百個(gè)等著被挖出來(lái)。

AlphaFold解決蛋白質(zhì)折疊問(wèn)題的成功，已經(jīng)在一個(gè)狹窄領(lǐng)域里證明了這條路走得通。

如果過(guò)去一百年生物學(xué)進(jìn)步靠的是幾個(gè)聰明的人偶爾想出一個(gè)新方法，那AI時(shí)代的設(shè)想是，這個(gè)「想出新方法」的過(guò)程本身可以被自動(dòng)化。

正如Amodei在文章中判斷的那樣：AI要能執(zhí)行、指揮、改進(jìn)生物學(xué)家做的幾乎所有事。

這與STEM Fellow崗位說(shuō)明中提到目標(biāo)也是一致的：我們正朝著AI科學(xué)家的方向努力。一種具備長(zhǎng)程推理能力和實(shí)驗(yàn)判斷力、足以推動(dòng)科學(xué)前沿的系統(tǒng)。

這個(gè)愿景雖然宏大，但Anthropic依然認(rèn)識(shí)到了自己距離這一目標(biāo)的差距。

就在Science Blog的創(chuàng)刊文章里，Anthropic引用了菲爾茲獎(jiǎng)得主Timothy Gowers的話：

我們似乎進(jìn)入了一個(gè)短暫但令人愉快的時(shí)代，AI大大加速了我們的研究，但AI仍然需要我們。

Anthropic自己也承認(rèn)，雖然模型在科研工作流的某些環(huán)節(jié)上已經(jīng)表現(xiàn)出超越人類的能力，但它們也會(huì)編造結(jié)果、過(guò)度迎合用戶，在領(lǐng)域從業(yè)者看來(lái)很基礎(chǔ)的問(wèn)題上卡住。

從囤GPU變成押注科學(xué)家

Anthropic正在把「科學(xué)能力」變成一種系統(tǒng)性的競(jìng)爭(zhēng)壁壘。

其中STEM Fellow直接把學(xué)科判斷力編入模型迭代流程。

比如，讓材料學(xué)家來(lái)告訴Claude怎么理解晶體結(jié)構(gòu)，氣候?qū)W家來(lái)教Claude怎么調(diào)用大氣模型，生物學(xué)家來(lái)檢驗(yàn)Claude的實(shí)驗(yàn)設(shè)計(jì)是否合理。

這些東西，靠堆GPU和刷benchmark是搞不出來(lái)的。

如果這條路被證明有效，那么AI科研賽道的競(jìng)爭(zhēng)規(guī)則可能發(fā)生一個(gè)根本性的變化：

最終的勝利者將不再取決于誰(shuí)的模型更大，而取決于誰(shuí)身邊站著更多真正懂科學(xué)的人。

而這種頂級(jí)專家資源，你只能用一種方式獲得：把他們請(qǐng)到你身邊，與他們共同工作，讓他們相信這件事值得投入。

這是Anthropic的賭注。

但不止Anthropic，也不止科學(xué)家。OpenAI在招前華爾街交易員優(yōu)化金融推理，Google DeepMind把哲學(xué)家請(qǐng)進(jìn)對(duì)齊團(tuán)隊(duì)，各家都在意識(shí)到同一件事：

下一階段的AI競(jìng)爭(zhēng)，拼的不是誰(shuí)的參數(shù)多，而是誰(shuí)能把最懂行的人類大腦編進(jìn)自己的飛輪。

AI公司搶人的戰(zhàn)場(chǎng)，已經(jīng)從計(jì)算機(jī)系蔓延到STEM，再到哲學(xué)、金融……未來(lái)還會(huì)更遠(yuǎn)。

參考資料：

https://x.com/AnthropicAI/status/2046362119755727256

https://www.anthropic.com/careers/jobs/4493001008

https://www.anthropic.com/research/introducing-anthropic-science