在Anthropic之前，科技巨头砸向医疗AI的钱已经不止一次打了水漂。IBM的Watson Health花了十年烧掉数十亿美元，2015年就成立独立部门、收购数家医疗数据公司，到2022年底却落得被拆分出售的下场，年收入约10亿美元但从未盈利。谷歌的Verily同样在2015年高调起步，主攻健康数据监测和临床试验，却连一个「美版健康码」都因流程复杂、覆盖面窄而饱受吐槽。两者的共同败因：把AI当成万能药，忽视了制药是经验科学——数据再大，也替代不了临床专家的判断。

OpenAI自己的政策报告坦诚了一个尴尬事实：截至目前，没有任何一款AI发现或设计的药物通过三期临床试验。2025年中发表在Nature Medicine上的论文更直接——AI发现的药物在二期临床的失败率与传统方式相当。这解释了Anthropic收购Coefficient Bio的深层动因：文章说的「内部资产化」听起来雄心勃勃，但它本质上是承认，单靠通用大模型和闭源数据集不足以跨越制药行业的信任门槛。真正能用算法「证明」药物有效性的案子，至今还是零。

Anthropic的4亿美元买10人团队，被文章称为「新范式」。但从行业数据看，这个信号至少指向三条不同的未来：第一条，字节跳动已将AI制药业务拆分独立融资、仍控股，并承诺2026年提供800亿元算力支持——这是「内部孵化→资本化」的中国版本；第二条，英伟达与礼来联手砸10亿美元建联合实验室，双方各派团队深度捆绑——这是「算力+数据的合股制」；第三条，OpenAI推GPT-Rosalind走「研发分成+版税」的深度绑定模式。三条路径的胜负手都在同一个点上：谁能在三年内把AI工具真正推进到临床III期且拿出阳性结果。

这篇文章反复提到一个词：「人类专家经验」。但真正值得追问的是：一个仅10人、成立8个月、没有公开技术数据的团队，如何让Anthropic相信他们手里有前两波科技巨头都没找到的钥匙？Gatech校友和罗氏基因泰克背景确实漂亮，但IBM Watson当年也挖了梅奥诊所和纪念斯隆凯特琳的肿瘤专家。区别可能不在团队履历，而在Coefficient Bio的「未公开技术平台」本身——如果说前两波失败的原因是AI模型不了解疾病机理，那这次的新变量是：有没有可能，他们做出了一台能在虚拟环境中提前模拟临床风险、让算法主动问出「这个分子为什么值得上临床」的工具？这个方向一旦跑通，AI制药就不再是加速器，而是风险过滤器。