Anthropic 公布了一项由 Claude 主导的蛋白设计实验：模型从零生成靶向致命蝎子神经毒素的蛋白结合体，其中少数候选在湿实验中表现出极强亲和力。
发生了什么
根据 The Decoder 的报道，Claude 独立完成了针对蝎子神经毒素的蛋白结合体设计。整个流程的漏斗相当陡：超过 318,000 个设计被生成，其中 211 个被送入实验室实测，最终 17 个达到预设标准。表现最好的两个结合体对 Cn2——一种来自墨西哥蝎子的毒素——展现出极强的结合能力。
需要明确的是，报道本身也指出：这些分子是否真能作为抗毒血清起作用，目前仍是开放问题。结合亲和力强，不等于在真实中毒场景中能中和毒素。
为什么重要
蝎子蜇伤在全球部分地区是实实在在的公共卫生负担，而抗毒血清的生产长期依赖动物免疫——给马或羊注射毒素、再提取纯化抗体。这条路径成本高、周期长、批次差异大，且对冷链和储存条件敏感。
AI 蛋白设计的价值主张正在于此：如果能按靶点直接生成高亲和力的结合蛋白，理论上可以绕开动物免疫，缩短从靶点确认到候选分子的时间。过去两年，这类工作多由专门的蛋白设计模型承担，通用大模型介入这一领域并拿出可验证的湿实验数据，是较新的信号。
另一个值得注意的点是筛选比例。31.8 万进、211 出，说明生成端的产出与实验端的验证能力之间存在巨大落差——真正稀缺的不是候选分子，而是能验证它们的实验通量。
影响与看点
对 AI 制药方向而言，这次实验的意义更多在于流程示范而非疗效证明：模型可以承担"提出假设"这一环，但价值兑现仍卡在湿实验。对开发者来说，它提示通用模型在结构化科学任务上的能力边界正在外扩，但评估标准必须落在可复现的实验结果上，而不是设计数量。
接下来值得关注三件事：这 17 个达标分子是否公开、是否有后续的动物或体外中和实验、以及 Cn2 之外的毒素靶点能否复现同样的命中率。在拿到中和活性数据之前，把它称作"AI 抗毒血清"为时过早。
一个独立判断：这类工作的真正瓶颈已经从"能不能设计出来"转移到"能不能快速验证"，谁掌握高通量湿实验，谁就掌握这条链路的定价权。
