当大模型遇到基因编辑，当算法遇见蛋白质折叠——这不是科幻电影的开场，而是正在发生的产业变革。一家成立仅8个月的初创公司，凭什么值4亿美金？答案或许藏在那些我们尚未攻克的疾病里。
一场不寻常的"闪婚"
八个月前，两位刚从基因泰克（Genentech）离职的科学家在纽约租了一间小办公室，开始了他们的创业冒险。没有发布会，没有媒体报道，甚至连公司官网都只是一个简单的登录页面——这就是Coefficient Bio的起步方式，一家典型的"隐形模式"（stealth mode）创业公司。
八个月后，这家公司被Anthropic以4亿美元的价格收入囊中。
消息最初来自The Information和Eric Newcomer的报道，随后TechCrunch从接近交易的人士处证实了这笔收购的确已经完成。4亿美元，全部以股票形式支付。对于一家只有约10名员工、尚未发布任何产品的公司来说，这个价格足以让整个硅谷和生物科技圈侧目。
这不禁让人想问：Anthropic到底看中了什么？
创始人的"黄金履历"
要了解这笔交易的逻辑，得先看看Coefficient Bio的两位创始人是谁。
Samuel Stanton和Nathan C. Frey在创立Coefficient Bio之前，都在基因泰克旗下的Prescient Design部门工作。如果你对生物医药领域不太熟悉，可能对这个部门没什么概念。简单说，这是基因泰克专门用来探索计算药物发现的前沿实验室——也就是用计算机和算法来加速新药研发。
Prescient Design本身在业内就颇具传奇色彩。它是基因泰克在2021年通过收购一家名为Prescient Design的AI制药初创公司而建立的，目的是将机器学习技术深度整合到抗体药物的研发流程中。能在这个部门工作的科学家，不仅需要懂生物学，还得是机器学习领域的专家。
Stanton和Frey正是在这样的环境中磨练出来的。他们亲眼目睹了AI如何在蛋白质设计、抗体优化等环节发挥作用，也深刻理解了当前技术的边界在哪里。
AI制药的痛点，正好是语言模型的机会
传统的药物研发是一个漫长而昂贵的过程。从发现靶点到最终上市，一款新药平均需要10到15年的时间，耗费数十亿美元。更糟糕的是，成功率并不高——很多候选药物在临床试验阶段折戟沉沙。
AI的介入被寄予厚望。理论上，机器学习可以在以下几个环节大幅提效：
| 环节 | 传统方式 | AI辅助方式 | 潜在提升 |
|---|---|---|---|
| 靶点发现 | 文献调研+实验筛选 | 知识图谱挖掘 | 效率提升30-50% |
| 分子设计 | 化学家经验+试错 | 生成式模型 | 候选分子数量翻倍 |
| 临床试验 | 人工招募+监测 | 数字孪生+预测 | 失败率降低20% |
但现实是，AI制药过去几年经历了从狂热到冷静的过程。很多早期的AI制药公司发现，预测得再准，最终还是要回到实验室验证。而生物系统的复杂性，往往超出算法的预期。
这正是Anthropic看到的机会。
大语言模型的出现，提供了一个新的可能性：与其把AI当作一个单纯的预测工具，不如让它成为科学家的智能助手——能够理解复杂的生物学文献，能够整合多组学数据，能够协助设计实验方案，甚至能够解释实验结果。
换句话说，不是用AI取代科学家，而是用AI放大科学家的能力。
Claude的"医学梦"
Anthropic对生命科学领域的野心，早就不是什么秘密。
去年10月，Anthropic正式推出了Claude for Life Sciences，一个专门针对生命科学研究人员优化的工具。这个产品背后是Anthropic与多个学术机构和制药公司的合作——包括得克萨斯大学西南医学中心、洛克菲勒基金会，以及专门从事罕见病药物研发的Recursion Pharmaceuticals。
Claude for Life Sciences能做什么？根据Anthropic的官方介绍，它可以：
-
阅读和理解科学文献：上传一篇复杂的论文，Claude能够提取关键信息，总结实验设计，甚至指出潜在的局限性。 -
分析多组学数据：基因组、转录组、蛋白质组……这些数据格式各异、体量巨大，Claude可以帮助研究人员梳理其中的关联。 -
辅助实验设计：基于已有的知识和数据，建议下一步实验的方向，优化实验参数。 -
编写代码和自动化流程：很多生物学家并不擅长编程，Claude可以帮他们写Python脚本，处理数据，绘制图表。
听起来很美好，但Anthropic显然不满足于此。
收购背后的战略意图
把Coefficient Bio收入囊中，Anthropic至少可以获得三样东西：
第一，顶尖的人才。
Stanton和Frey不仅是科学家，更是懂AI的产品构建者。他们在Prescient Design的经历，让他们深知生物医药行业的真实需求是什么。这种"跨界"人才，在当前的AI人才市场上极为稀缺。
第二，行业know-how。
AI制药不是简单的技术问题，更是一个工程问题。从数据清洗到模型部署，从合规要求到学术伦理，每个环节都有坑。Coefficient Bio虽然只有8个月历史，但两位创始人带着从基因泰克积累的经验，这些无形的知识资产价值连城。
第三，产品方向。
Anthropic的野心显然不只是做一个"更好用的文献阅读器"。收购Coefficient Bio意味着他们想要更深入地介入药物发现的核心环节——分子设计、靶点验证、临床前研究。这些正是Coefficient Bio团队擅长的领域。
科技巨头的生命科学的军备竞赛
Anthropic这笔收购，放在更大的产业背景下看，更有意思。
Google DeepMind的AlphaFold已经解决了蛋白质结构预测这个困扰生物学界50年的难题，其后续版本AlphaFold 3更是能够预测蛋白质与DNA、RNA、小分子之间的相互作用。这是基础科学的突破，但商业化路径仍在探索。
微软与多个制药巨头建立了合作关系，通过其Azure云平台提供AI制药的基础设施。2022年，微软还专门成立了"AI for Health"部门，瞄准药物发现和医疗诊断。
英伟达虽然自己不直接做药，但它的GPU已经成为AI制药的"硬通货"。英伟达还投资了一批AI制药初创公司，包括Recursion、Genesis Therapeutics等。
OpenAI虽然没有像Anthropic这样高调布局生命科学，但也在与一些生物科技公司探索合作机会。
在这个赛道上，Anthropic需要找到自己的差异化定位。
相比于Google的"基础研究"路线，Anthropic的策略更偏向应用落地——不是去解什么数学难题，而是直接帮科学家提高工作效率。这种务实的风格，或许更适合当下的市场环境。
为什么是"全股票交易"？
这笔收购还有一个值得玩味的细节：4亿美元全部以Anthropic的股票支付，没有现金。
这在创业圈其实不罕见，但放在Anthropic身上，透露了几个信息：
首先，Anthropic自己可能也不宽裕。尽管2023年获得了Google和Amazon的巨额投资，但训练大模型的成本是天文数字，钱烧得很快。用股票而不是现金收购，可以节省宝贵的现金储备。
其次，Coefficient Bio的团队愿意接受股票，说明他们看好Anthropic的长期价值。这也符合逻辑——如果他们的目标是打造AI驱动的药物发现平台，那么背靠Anthropic这棵大树，比拿着现金从头开始要靠谱得多。
最后，这种安排也体现了双方利益的一致性。股票意味着Coefficient Bio的团队将继续为Anthropic的价值增长而努力，而不是拿了钱就拍屁股走人。
对国内AI行业的启示
Anthropic这笔收购，对国内的AI从业者也有不少启示。
垂直化是出路。 通用大模型的赛道已经拥挤不堪，但垂直领域的应用才刚刚开始。生命科学是一个天花板足够高、需求足够刚性的市场，值得深耕。
人才是最稀缺的资源。 Coefficient Bio值4亿美元，不是因为它有产品或者收入，而是因为它有两个人——两个既懂AI又懂生物医药的人。这种跨界人才的稀缺性，在未来几年只会愈演愈烈。
并购将成为常态。 随着大模型公司的估值水涨船高，它们也会成为行业整合的推手。拥有核心技术的初创公司，与其在红海市场厮杀，不如考虑被巨头收购，把技术放到更大的平台上发光发热。
写在最后
回到文章开头的问题：一家成立8个月、10个人的公司，凭什么值4亿美元？
答案或许是：在AI与生命科学交汇的十字路口，时间比金钱更宝贵。
每一个被疾病折磨的患者，都在等待新药的出现。每一款新药的诞生，都需要经历漫长的研发周期。如果AI真的能把这个过程缩短几年，那它的价值将无法估量。
Stanton和Frey选择加入Anthropic，或许是因为他们认为，在这样一个平台上，他们的技术能够更快地转化为实际成果。而Anthropic选择收购Coefficient Bio，显然是相信，生命科学将成为大语言模型最重要的应用场景之一。
这场交易的最终结果如何，还需要时间来验证。但可以肯定的是，AI正在以前所未有的方式重塑生物医药行业。而我们每个人，都将是这场变革的见证者——甚至受益者。
毕竟，当AI学会读懂基因的密码，治愈那些曾经的不治之症，或许就不再只是梦想。