Anthropic 扩大 AI for Science：20 个伙伴，连接科研数据与实验工具

Anthropic 在 10 月 28 日公布 AI for Science 的新一轮合作扩展，列出 20 个科学基金会、研究机构与项目。名单从基础数学、天文学延伸到脑科学、基因组学和气候研究，消息的重点，是让 Claude 进入更多研究团队已有的数据、工具与协作网络。

这项计划提供的是 Claude 使用额度和相关合作资源。公告没有把所有支持换算成一笔现金捐款，也没有宣称名单中的项目都已经因 Claude 取得新发现。许多合作仍在早期，后续价值需要从具体研究产出观察。

从个人研究者，走向机构共享的资源

AI for Science 最初于 2025 年 5 月启动，通过免费 API 额度支持高影响力科学项目。到今年 8 月，Anthropic 又宣布面向科学家的团队订阅支持，同时扩大科研额度计划。这些是本次扩展之前的背景，不能把旧计划写成今天刚推出。

这次更醒目的是分发与组织方式。Sloan 基金会、Simons 基金会、Schmidt Sciences 等科学资助组织，将把额度资源分发给研究项目；科研机构则在内部使用这些资源。公告列出的机构包括空间望远镜科学研究所、Wellcome Sanger Institute、Francis Crick Institute 和 EMBL 等。

同样一份模型能力，交给个人试用和接入机构工作，面对的问题会不同。研究者需要找到适合的任务，机构还要考虑数据来源、工具接口和结果怎样留给其他人复查。

从合作结构看，Anthropic 正在把支持渠道从单个研究者扩展到已有的科研网络。这是本文对布局的判断。它能否带来更持久的影响，要看资源是否最终变成可复用的数据、软件、标准和研究成果。

一张脑图谱，说明为什么开放数据重要

名单中的 FlyWire 是一个容易理解的例子。它重建了成年果蝇的脑连接图，研究者可以沿着神经连接，探索感觉输入与行为输出之间的路径。

这项基础成果早于此次合作。2024 年的原始论文报告，研究团队重建并校对了成年雌果蝇脑中的 139,255 个神经元，同时提供下载、程序访问和浏览器查询工具。

图源：Dorkenwald、Matsliah、Sterling 等，Nature（2024），上述论文图 1；采用 CC BY 4.0 许可，未改动图内容，核查于 2026 年 10 月 31 日。图中的 Codex 是 FlyWire 数据浏览器。这是既有科研资源，不能归为本次 Claude 合作的新成果。

这张图值得看的，不只有左上角的脑重建。它还把标注、程序库、浏览工具和数据接口放在同一张图中。想研究神经回路的人，需要能找到、查询和交叉检查这些材料，才能提出下一步问题。

AI 在其中可以帮助整理代码、探索数据或提出候选分析路径，但结果仍须回到图谱和实验。模型对一个连接的解释是否成立，不能只靠回答听起来流畅。

另一个例子是 gnomAD。它提供人类遗传变异的汇总参考资源。2023 年 v4 的发布说明就已纳入超过 80 万名个体的数据，并详细介绍样本与变异质量控制，以及不同数据来源和人群构成的变化。

它说明科研资源不是把材料堆大就结束了：版本、质量控制和统计背景，都影响数据应怎样被解释。模型如果辅助分析，需要保留这些背景，而不是省略来源，把一个数据库中的频率直接当成完整的科学结论。

FlyWire 和 gnomAD 的共同意义，是让不同团队能在共享基础上继续研究。此次合作支持的是这些项目进一步工作的可能性，不应把它们多年的积累抹掉，重新包装成模型独自完成的发现。

当 AI 走到实验设备前

数据分析之外，Anthropic 与 HHMI Janelia 的合作还涉及 Model Hardware Standard（MHS）。这项共享规范尝试让显微镜、机械臂等具有可编程接口的设备，用更统一的方式被发现、描述和操作。

它针对的是实验室里的现实摩擦：不同厂商的设备往往有不同接口，仪器特性和操作限制也可能散落在手册与研究者经验中。连接这些设备，常常需要额外的集成工作。

MHS 的设想，是把设备能测什么、能调什么以及需要执行的安全限制，更明确地交给控制系统。这样，研究者有机会把注意力更多放在问题和实验设计上，减少反复拼接设备接口的工作。

截至此次合作公告，MHS 仍处于研究预览。其早期说明也保留了专家指导的重要性：例如样本起泡造成的物理问题，不能只当作软件故障处理。这个细节说明，AI 接入仪器后，需要理解的条件会比一段屏幕上的代码更多。

本站此前关于 Mistral 与 NVIDIA 工业 AI 合作的报道，也涉及模型、专业数据与领域工具的连接。本次 Anthropic 的合作则把这一趋势带到更广的基础科学网络。

对关注 AI 行业的普通读者，这条消息提供了一个不同于模型排行榜的观察窗口。接下来值得跟进的，是合作项目公开了哪些工具、哪些流程能被其他团队复用，以及新结果经过怎样的检查。机构、数据与设备之间的连接逐步做好，AI 才更有机会进入可积累、可复查的科研工作。