Anthropic 的 Claude Science 为 AlphaFold 团队人才流向提供了新的竞争注脚

AlphaFold 核心团队流向 Anthropic 的叙事获得了此前报道缺失的关键拼图：Anthropic 于 6 月 30 日发布了 Claude Science——一个专为生命科学和药物发现打造的 AI 研究平台，直接覆盖蛋白质结构预测、结构生物学和蛋白质组学等 AlphaFold 所开创的领域。John Jumper 同月宣布离职加盟 Anthropic，Jonas Adler 与 Alexander Pritzel 随行，三人的去向由此从"流向竞争对手"升级为"流向在自家领地上建起堡垒的竞争对手"。

Claude Science：Anthropic 对 AlphaFold 领地的正面进攻

据 Anthropic 官方公告，Claude Science 定位为"科学家的 AI 工作台"，整合了逾 60 个科学数据库与计算工具，覆盖基因组学、单细胞分析、蛋白质组学、结构生物学和化学信息学。平台原生渲染 3D 蛋白结构、基因组浏览器轨迹和化学结构，直接调用 UniProt、PDB（蛋白质数据库）、Ensembl、Reactome 等 AlphaFold 训练所依赖的基础设施。它还通过 NVIDIA BioNeMo Agent Toolkit 接入 OpenFold3 和 Boltz-2 等蛋白结构预测模型。

Claude Science 于 6 月 30 日以公开测试版上线，Jumper 于 6 月 19 日宣布离职——两者的时间接近程度难以忽视。TNW 在报道中明确将两者关联，指出 Anthropic 推出的这款产品"正是为 AlphaFold 所开创的生物学和药物发现工作而构建的"。The Decoder 同样强调了这一竞争维度。

外部分析：AlphaFold 的成功或不可复制

围绕此事的分析讨论中，Gabriel Horwitz（Terminal X 联合创始人）在 X 上发表的线程（截至发稿前约 7,600 次浏览、23 次点赞、7 次转发）提出了一个值得关注的观点：AlphaFold 之所以成功，并非仅仅因为 DeepMind 的"宏大挑战"战略，而是因为蛋白质数据库（PDB）自 1971 年以来积累了约 17 万个由公共资金支持的、经过实验室验证的蛋白质结构——五十年的标注真值数据恰好等来了 Transformer。

Horwitz 进一步指出，核聚变等离子体和酶设计等领域并没有类似的数据金矿。因此，Kohli 所说的"战略演进"（而非转向）可能更多反映了 DeepMind 已找不到自带数据集的下一道"宏大挑战"，而"用 Gemini 制造真值替代继承真值"是一个难度高得多、成功不确定的赌注。

这一分析为 FT 与 Kohli 之间的叙事张力——"解散" vs. "扩展"——提供了一个外部框架：如果 AlphaFold 级别的突破需要 AlphaFold 级别的数据基础，那么无论团队建制如何，可重复性本身就是一个开放问题。

人才竞争的多重信号

Robert F. Siegmund 在总结 FT 报道的 X 线程中引述了 FT 对 OpenAI 研究主管 Mark Chen 的采访——Chen 表示"研究人员希望在前沿工作，而非追赶或复制已接近前沿的模型"。虽然这一引语无法独立核实原文，但它与 Jumper 从"Code Strike"追赶项目转投 Anthropic 以求回到前沿的路径吻合。

此外，Anthropic 为 Claude Science 配套推出了面向学术机构的折扣团队计划，并设立了最高 3 万美元的 AI for Science 项目资助——这些举措表明 Anthropic 正系统性地构建对科研人才的吸引力，而非仅仅收购个别明星研究者。

本次更新来源

（官方公告，2026年6月30日）
（2026年7月29日）
（2026年7月29日）
（2026年7月29日）
（2026年7月30日）