Anthropic 宣称其模型 Claude 在 DNA 数据库中找到了一个此前未知的酶系统，且大部分分析由模型自行完成；但 CRISPR 方向的研究者随即泼了冷水，认为这属于常规的基因组挖掘，算不上真正意义上的「发现」。
发生了什么
据 The Decoder 报道，Anthropic 表示 Claude 在一个 DNA 数据库中识别出一个此前未被记录的酶系统，并且在整个过程中承担了大部分分析工作，而非仅作为检索或辅助工具。
与之相对，CRISPR 领域的研究者对这一说法持保留态度。他们的核心质疑并不在于结果是否成立，而在于「发现」这个词的含金量：在庞大的序列数据库里寻找同源蛋白、比对基因簇、推断功能，本身就是基因组挖掘的日常流程，早已有成熟的生物信息学工具和流水线在做。换句话说，AI 完成的可能是一次效率更高的挖掘，而不是一次范式意义上的科学发现。
为什么重要
这场分歧真正值得关注的，不是「Claude 到底发现了什么」，而是 AI 公司进入科研叙事时的话语权问题。
一方面，大模型确实在改变生物信息学的操作方式。序列比对、文献检索、假设生成、跨库关联，这些环节过去依赖研究者手工串联多个工具，现在可以由一个模型端到端地推进，门槛和耗时都在下降。对资源有限的小型实验室来说，这种能力有实际价值。
另一方面，「AI 自主发现」是一个极易被放大的表述。科研共同体对「发现」有严格的判定标准：可复现、可验证、有生物学意义的机制解释，通常还需要实验层面的确认。仅凭计算层面的新候选序列，距离被领域承认的发现还有相当距离。当企业用「发现」来包装一次模型能力演示时，冲突几乎不可避免。
类似的张力此前也出现在材料、数学等方向：AI 给出的候选结果往往需要人类专家花大量时间甄别，其中相当一部分最终被证明是已知内容或噪声。
影响与看点
对开发者与研究者而言，这件事提供了几个具体参照：
- 工具定位要清晰。把模型当作加速挖掘与假设生成的助手，与把它当作独立发现者，是两种完全不同的预期管理。前者已经可用，后者仍需验证。
- 验证环节不可省。计算层面的新候选必须经过湿实验或严格的进化分析确认，否则很难进入领域知识体系。
- 关注评价标准之争。AI for Science 的下一阶段竞争，很可能不在模型能力本身，而在谁能定义「AI 做出了发现」的判定标准。
一个独立判断：这次争议的价值，或许不在于澄清 Claude 是否真的发现了什么，而在于它把「AI 参与科研的成果该如何归因和评价」这个问题，提前摆到了台面上。
