北京
一口氣發布了三篇論文——不是關于新模型，不是關于安全對齊，而是關于”科學家如何用AI干活”。
同時，它還悄悄上線了一個新東西：Anthropic科學博客。
這個博客的定位很明確：分享AI在科學研究中的實戰進展，發布來自公司研究員和外部專家的論文，覆蓋前沿話題，提供實操指導。
消息不大，但信號很強。
Anthropic在押一個賭注。
賭注的名字叫：AI加速科學研究。
為了支撐這個方向，Anthropic已經悄悄鋪了不少路：推出”AI賦能科學計劃”，為生物學、物理學、化學等領域的科研人員免費提供API額度；專項研發”生命科學版Claude”；還參與了一項由企業、高校與政府聯合發起的數十億美元級計劃，目標是用AI推動美國科學研究的整體提速。
他們還特意強調：自家科研團隊里，很多人有生物物理、化學、神經科學的專業背景。
潛臺詞不難讀懂——我們不只是做AI的，我們懂科學。
這條路上，已經有一個先行者：谷歌。
DeepMind的AlphaFold，用專用AI單點突破蛋白質折疊難題，拿下諾貝爾獎，確立了”AI+科學”敘事的標桿。
Anthropic的路子不一樣。
DeepMind是造一把精準的手術刀，去攻克一個具體的世界難題。Anthropic的思路是——造一個全能實習生，發給每一位科學家。
用通用AI，賦能全流程科研。讓AI跑代碼、調參數、翻文獻、寫論文草稿……當然，token還是要燒的。
這不只是戰略聲明，他們還拿出了兩個真實案例。
案例一：一個非專家，靠Claude完成了專業團隊幾個月的工作
論文標題：《氛圍物理學：人工智能科研助手》
作者：Matthew Schwartz（內部研究員）
故事是這樣的：
作者不是宇宙學專家，但他需要開發一個”宇宙學玻爾茲曼求解器”——這是研究宇宙微波背景輻射的核心工具，專業團隊從頭開發通常需要相當長的時間。
他的解法：全程靠Claude Opus。
最終結果：可微版本順利完成，精度對標專業工具CLASS，誤差控制在0.1%以內。
更關鍵的是方法論。他總結了一套可復用的”氛圍科研”框架：
用 CLAUDE.md 寫清項目目標，給AI立規矩
用 CHANGELOG.md 讓AI記錄每次進展和失敗原因，避免反復踩坑
用專業代碼做測試基準，用Git同步進度防丟失
用”拉爾夫循環”對付AI偷懶——強制它達到精度目標再停
整套流程可以跑在高性能計算集群上，研究者不需要守著屏幕，上班、睡覺，AI自己跑。
幾天后，活干完了，作者順帶還把宇宙學補了個底。
案例二：哈佛教授，把Claude當研二學生用了兩周
論文標題：《Vibe物理：人工智能研究生》
作者：Matthew Schwartz（哈佛大學物理教授）
這個實驗的規則更嚴格，也更有挑戰性。
Schwartz專攻量子場論。他給AI設定了一個”研二學生”的難度標準：完成修正電子對撞實驗中C參數的蘇達科夫肩峰計算——這是專業團隊正常需要約一年才能完成的硬核課題。
規則只有一條：全程只用文字提示詞指揮Claude Code，不粘貼任何個人計算結果，AI自主推導、編碼、驗證。
兩周后的結果：
110次草稿迭代，3600萬token運算，40余小時本地計算，一篇嚴謹的高能物理論文產出。
一年的工作量，兩周完成。
但Schwartz也說得很清楚：AI高效、不知疲倦，但會犯錯，而且有時候錯得很隱蔽。沒有專家在旁邊核驗，這篇論文根本不可能通過。
他的結論是：AI現在還不能獨立做完整的科學研究，但它已經能勝任前沿理論物理的專業級工作——而這件事，三個月前完全做不到。
科研范式，正在被悄悄改寫。
人類專家的角色，正在從“親手計算”變成”指導AI計算”。
Anthropic押注的，不是某一個諾貝爾獎級的突破，而是每一位科學家桌上那臺永不疲倦的計算機。
至于這場和谷歌的較量，誰能贏——
可能得等科學家們先投票。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
