当竞争对手都在比拼模型参数、推理速度和基准测试分数时，你选择不做新模型。这在AI行业听起来像自杀宣言。但Anthropic偏偏这么做了，而且效果出乎意料。
2026年6月30日，Anthropic正式发布Claude Science桌面应用，面向macOS和Linux公测。这不是一个新模型，而是一个AI科研工作台：它把60多个科学数据库、基因组学分析工具、蛋白质结构预测模型、化学信息学引擎，全部塞进一个桌面应用，和一个经过深度适配的Claude模型捆绑在一起。研究人员不需要在十几个网页之间来回切换，不需要学习每个数据库的不同查询语法，甚至不需要成为计算生物学家。
大多数模型要求你先是一个计算科学家，现在，任何临床医生都可以和Claude对话，设计一个可能有效的抗生素。
——Basecamp Research联合创始人 Oliver Vince
这句话道出了Claude Science的本质。它不是在解决“AI能不能做科研”的问题，Claude早就可以在论文上回答问题。它解决的是“AI能不能帮一个生物学家完成从假设到验证的全流程”。这是从问答工具到科研操作系统的跃迁。
一个应用 60个数据库 和一个极简入口
Claude Science的物理形态很简单：一个桌面客户端。但它背后绑定的生态远不止客户端本身。
从功能架构上看，Claude Science同时做了三个维度的创新。
预置领域专家模块是最直观的变化。应用内置了基因组学、单细胞分析、蛋白质组学、结构生物学、化学信息学等多个领域的分析功能。每个模块背后都不是一个通用大模型的模糊理解，而是对接了该领域最主流的数据库和计算工具。Claude Science原生连接了超过60个科学数据库，从基因序列库到蛋白质结构数据库再到化学分子库，涵盖从数据源到计算工具的完整科研基础设施层。
更深一层的变革来自它深度集成的NVIDIA BioNeMo Agent Toolkit。这意味着Claude Science可以直接调用BioNeMo生态中的前沿生命科学模型，包括Evo2、Boltz-2、OpenFold3等，在用户自己的基础设施上运行完整的分析流水线。科研人员不需要自己部署和维护这些模型，Claude Science在工作流中自动完成编排调用。
另一个不易察觉但同样关键的设计是独立Reviewer Agent。这是一个专门核查引用来源和数学计算的AI审查器。在科研场景中，AI幻觉式编造参考文献和计算错误是最致命的信任障碍。Reviewer Agent在生成结果时自动交叉验证，试图从产品机制上堵住这个致命漏洞。
从部署方式来看，Claude Science可以直接在实验室已有的计算基础设施上运行，笔记本、Linux工作站、HPC集群都支持。用户也可以通过Modal按需调用云端算力。实验室不需要把私有的敏感科研数据上传到外部服务器，只有分析所需的上下文会被发送到Claude处理。对于制药公司和大型科研机构，这一设计直接消除了数据合规层面的最大障碍。
产品兼容性方面，Claude Science覆盖了Pro、Max、Team和Enterprise全线套餐。它不是需要单独付费的独立产品，而是Claude生态体系的垂直扩展，和Claude Code之于软件开发者的逻辑完全一致。
从Code到Science：Anthropic的应用层战略正在成型
理解Claude Science的最佳方式，是把它放到Anthropic过去一年的产品路线图中看。
2025年2月，Anthropic发布了Claude Code，一个直接运行在终端里的AI编程助手。它不是新模型，而是将Claude模型深度嵌入开发者工作流，自动读取代码库、执行命令、调试错误、提交PR。到2025年底，Claude Code的年化收入据第三方估算已突破10亿美元，增长速度甚至超过了ChatGPT同期的表现。它被很多开发者称为真正改变了工作方式的AI产品，不是因为模型更强，而是因为它深嵌入开发者的日常操作环境。
现在，Anthropic把同一套逻辑搬到了科研领域。
Claude Science本质上就是科研版的Claude Code。其核心设计理念不是“让Claude变聪明”，而是“让Claude出现在科学家的工作环境里”。科学家不需要打开浏览器、登录Web界面、复制粘贴数据、手动查数据库，一切都在一个桌面应用内完成。Claude Science自动调用数据库、运行分析模型、追踪数据溯源、核查计算过程，像一个24小时不打烊的数字科研助理。
TechCrunch在报道中将这一战略概括为：Anthropic正在超越模型提供商的身份，为特定行业打造操作系统层，就像Claude Code已成为软件开发的系统层一样。
这是一个关键判断。当所有AI公司都在追逐“通用AI”这个宏大目标时，Anthropic选择了一条更务实的路径，先把AI嵌入到具体行业的操作流程中，再逐步扩展。Claude Code瞄准开发者，Claude Science瞄准科研人员。如果这个逻辑成立，我们可以预期Anthropic接下来会推出面向金融、医疗、法律等领域的垂直应用。
不做新模型，反而要重新定义每个行业的操作系统。这是Anthropic在2026年给行业上的最深刻的一课。
科研AI的军备竞赛已经换了赛场
Claude Science发布的时机绝非偶然。过去几个月，AI for Science领域的竞争已经白热化。
2026年4月，OpenAI正式发布GPT-Rosalind，一个专为生命科学和药物发现打造的推理模型。这个以DNA双螺旋结构发现者之一Rosalind Franklin命名的模型，与Amgen、Moderna、Thermo Fisher Scientific等顶级药企建立了合作，被定位为OpenAI“生命科学模型系列”的第一款产品。几乎在同一周，AWS推出了Amazon Bio Discovery服务，把云巨头的生物信息学能力整合为一个可直接调用的平台。
而更早之前，Google DeepMind凭借AlphaFold系列已经在科学智能领域建立了统治性声誉。AlphaFold3在2024年发布后，蛋白质结构预测的覆盖范围已从蛋白质扩展到核酸、小分子等更多配体，成为全球生物学家的基础设施级工具。
在这个竞争格局中，Anthropic的选择与众不同：不做一个更强的模型，而做一个更好的工作环境。
GPT-Rosalind是“让AI成为更好的科学家”，通过增强模型的推理能力来解决问题。Claude Science是“让科学家拥有更好的AI工具”，通过改善人机协作的界面和流程来放大科学家的能力。前者是模型能力的垂直升级，后者是应用生态的水平扩展。
哪种路径更优？目前没有定论。但有一点是确定的：科研人员面临的核心瓶颈不仅是AI模型有多少智能，更是AI工具与现有工作流之间的脱节。一位东北大学的科学家在评价Claude Science时直言，自己科研中的核心瓶颈是“小分子识别仍然是一个堵点”。这不是AI不够聪明的问题，而是工具链不够顺滑的问题。
不卖模型 卖生态入口
Claude Science的定价策略同样值得关注。
它不是独立收费产品。用户只需拥有Claude的Pro、Max、Team或Enterprise套餐，就可以直接使用。这意味着Claude Science的实际成本并不体现在应用本身，而是体现在它拉动的模型使用量上。科研人员用Claude Science越深入，调用的Claude模型请求就越多，对Anthropic的订阅收入贡献就越高。
这是一种典型的平台锁定策略。一旦研究团队将Claude Science嵌入日常科研流程，包括数据库查询、数据分析、文献综述、假设生成，切换成本就会变得极高。更重要的是，Claude Science运行在实验室自己的基础设施上，这进一步降低了团队的决策门槛：他们不需要迁移数据，不需要改变安全策略，只需要安装一个桌面应用。
Basecamp Research已经率先将自家的抗生素设计模型EDEN接入Claude Science。这意味着科研人员可以直接通过对话界面，用自然语言描述一个抗生素设计需求，让AI自动调用EDEN模型完成分子设计。“让任何临床医生用Chat设计抗生素”的场景如果成为现实，将彻底改变药物发现的人才门槛和效率天花板。
对Anthropic而言，一个成熟生态的标志是第三方开发者的入驻量。如果越来越多像Basecamp Research这样的专业科研AI公司选择在Claude Science上“开店”，Anthropic将在科研AI领域形成一个事实上的平台垄断。
局限与隐忧
Claude Science的设计并非没有风险。
最大的不确定性来自模型的科学偏见问题。科研是一个高度复杂、充满不确定性的领域。如果AI助手在文献综述和数据解释中引入系统性偏见，比如更倾向于引用某种方法学路径，或者对某些结论的置信度评估不准确，那么加速研发可能变成带偏研发。Anthropic的Reviewer Agent试图解决这个问题，但一个AI审查另一个AI的输出，本质上存在逻辑循环上的局限性。
其次，数据主权问题虽然被本地部署模式大幅缓解，但并未完全解决。Claude Science仍需要将分析上下文发送到Anthropic的API服务器。东北大学的Donald O'Malley教授在接受采访时坦言，他要“等到机构订阅能提供更好的数据保护之后”才会使用Claude Science。这说明合规顾虑在科研界仍然真实存在。
第三，Claude Science的公测版目前仅支持macOS和Linux。正如东北大学的Zhenyu Tang教授指出的，Windows用户暂时无法使用。对于大量使用Windows工作站的科研团队，这构成了直接的使用门槛。
尾声
2026年6月30日，Anthropic做了三件事：发布了一个不是新模型的应用，切入了一个竞争已白热化的领域，选择了一条最难快速复制的路径，深度整合而非表层功能叠加。
这不是一个产品的发布，而是一个战略宣言。AI行业已经不需要更强的模型来证明自己，它需要更好的工作流。
OpenAI有GPT-Rosalind，Amazon有Amazon Bio Discovery，Google DeepMind有AlphaFold。但当所有对手都在比拼谁家的AI更懂科学时，Anthropic在问一个完全不同的问题：科学家的桌面长什么样？
这个问题的答案，可能才是AI for Science领域最有价值的资产。因为到头来，改变世界的不一定是更强的AI，而是被AI真正帮助到的人。
快报