诺和诺德与 Anthropic 的新合作，核心并不是让 AI 替代科学家筛选新药，而是检验前沿大模型能否在严谨、由研究人员主导的流程里，帮助处理复杂的生物学与药物研发问题。双方于 2026 年 9 月 16 日宣布，诺和诺德将把 Claude 模型和 Claude Science 引入部分研发工作流，这些场景将由公司科学家及计算团队共同筛选。1

先从特定研发难题开始，而非全面铺开

按照双方披露的信息，合作将围绕诺和诺德内部识别出的药物发现难题展开，并为具体科学问题和工作流开发有针对性的解决方案。首要目标是测试 Claude Science 在研发环境中的表现，重点支持科学推理和生物学理解，以服务药物发现与开发。1

这一定义很关键：目前公布的是一次能力与工作流价值的测试，并非宣布 Claude 可以独立选择候选药物，也不是用 AI 取代研发人员。更合理的使用方式，是让科学家提出问题、审阅假设与证据，并在实验和后续研究前核验模型输出。

AI 的价值在于辅助推理，但新药仍要靠实验验证

药物发现往往需要整合规模庞大、类型各异的证据。若模型表现可靠，它可能帮助团队梳理信息、比较不同解释路径，并让研究迭代更高效。诺和诺德和 Anthropic 所强调的，也是围绕具体难题支持生物学推理，而不是在全公司部署一个通用聊天机器人。1

不过，信息整合更快、提出的假设更多，或内部工具更好用，并不自动意味着能够产出有效药物。真正值得关注的指标仍是：合作是否带来可重复、经实验支持的研究结果，以及是否能形成持续的研发改进。

合作也覆盖“智能体软件工程”

这项合作不只涉及科学分析。诺和诺德还计划使用 Anthropic 的前沿模型开展智能体软件工程，即借助 AI 开发、改进和维护软件。1

现代药物研发高度依赖内部数据系统、分析管线和专用科研应用。如果 AI 能帮助团队更高效地建设和维护这些工具，其价值或许能扩散到多个研发环节，而不必押注于某一个单点突破。

诺和诺德此前已有文档自动化实践

双方的合作并非从零开始。Anthropic 表示，诺和诺德此前已使用基于 Claude 的工具自动生成临床研究报告及相关文档。在其案例研究中，Anthropic 称，一项临床研究文档流程的耗时从超过 10 周降至 10 分钟；编制器械验证方案所需资源则减少了 95%。10

这些数字反映的是 Anthropic 披露的文档生产效率，不能直接解读为监管审批更快、临床结果更好，或候选药物成功率已经提高。新合作之所以受到关注，恰恰在于它试图从文档与软件工作，进一步进入经过筛选的科学研发问题。

制药行业正在加码 AI，但门槛远高于“会写文本”

诺和诺德的动作也契合制药行业的整体趋势：药企正投资于建模工具和自动化实验室能力，希望改善靶点发现、分子设计和临床试验规划，同时缓解成本与周期压力。33

这一逻辑并不难理解：医药研发成本高、数据密集、周期漫长。但对这一行业而言，AI 的考验远不止生成流畅的文字或更快的代码。它必须在高度专业的流程中被证明有用，并能让科学家验证其结果。

前沿 AI 的医疗潜力，也带来治理问题

此次合作公布之际，围绕高能力 AI 应以多快速度发展的争论也在持续。路透社报道称，Anthropic 首席执行官达里奥·阿莫代伊、OpenAI 首席执行官萨姆·奥尔特曼和埃隆·马斯克支持对先进 AI 发展进行协调性放缓；Meta 首席执行官马克·扎克伯格则更倾向于由市场主导的保障机制。34

诺和诺德与 Anthropic 的合作正好呈现了这一争论的两面：前沿模型可能为科学和医疗带来实际收益，例如提升研发效率；但当其进入高风险场景时，对可靠评估、人工监督和治理机制的要求也会更高。

接下来应看什么

目前能够确认的是：一家大型药企正在科研人员界定的药物发现工作流中评估前沿 AI。现有证据支持 Claude 在诺和诺德的角色扩展——从临床文档自动化、软件开发，延伸至部分研发场景；但这并不等同于 AI 已经促成某款新药更快问世。110

下一阶段最有价值的信息，将是可具体核验的结果：哪些工作流得到改善、研究人员如何评估模型输出，以及这些工作是否带来了超越既有自动化指标的、经验证的科学进展。

诺和诺德与 Anthropic 的新合作，核心并不是让 AI 替代科学家筛选新药，而是检验前沿大模型能否在严谨、由研究人员主导的流程里，帮助处理复杂的生物学与药物研发问题。双方于 2026 年 9 月 16 日宣布，诺和诺德将把 Claude 模型和 Claude Science 引入部分研发工作流，这些场景将由公司科学家及计算团队共同筛选。1

先从特定研发难题开始，而非全面铺开

按照双方披露的信息，合作将围绕诺和诺德内部识别出的药物发现难题展开，并为具体科学问题和工作流开发有针对性的解决方案。首要目标是测试 Claude Science 在研发环境中的表现，重点支持科学推理和生物学理解，以服务药物发现与开发。1

这一定义很关键：目前公布的是一次能力与工作流价值的测试，并非宣布 Claude 可以独立选择候选药物，也不是用 AI 取代研发人员。更合理的使用方式，是让科学家提出问题、审阅假设与证据，并在实验和后续研究前核验模型输出。

AI 的价值在于辅助推理，但新药仍要靠实验验证

药物发现往往需要整合规模庞大、类型各异的证据。若模型表现可靠，它可能帮助团队梳理信息、比较不同解释路径，并让研究迭代更高效。诺和诺德和 Anthropic 所强调的，也是围绕具体难题支持生物学推理，而不是在全公司部署一个通用聊天机器人。1

不过，信息整合更快、提出的假设更多，或内部工具更好用，并不自动意味着能够产出有效药物。真正值得关注的指标仍是：合作是否带来可重复、经实验支持的研究结果，以及是否能形成持续的研发改进。

合作也覆盖“智能体软件工程”

这项合作不只涉及科学分析。诺和诺德还计划使用 Anthropic 的前沿模型开展智能体软件工程，即借助 AI 开发、改进和维护软件。1

现代药物研发高度依赖内部数据系统、分析管线和专用科研应用。如果 AI 能帮助团队更高效地建设和维护这些工具，其价值或许能扩散到多个研发环节，而不必押注于某一个单点突破。

诺和诺德此前已有文档自动化实践

双方的合作并非从零开始。Anthropic 表示，诺和诺德此前已使用基于 Claude 的工具自动生成临床研究报告及相关文档。在其案例研究中，Anthropic 称，一项临床研究文档流程的耗时从超过 10 周降至 10 分钟；编制器械验证方案所需资源则减少了 95%。10

这些数字反映的是 Anthropic 披露的文档生产效率，不能直接解读为监管审批更快、临床结果更好，或候选药物成功率已经提高。新合作之所以受到关注，恰恰在于它试图从文档与软件工作，进一步进入经过筛选的科学研发问题。

制药行业正在加码 AI，但门槛远高于“会写文本”

诺和诺德的动作也契合制药行业的整体趋势：药企正投资于建模工具和自动化实验室能力，希望改善靶点发现、分子设计和临床试验规划，同时缓解成本与周期压力。33

这一逻辑并不难理解：医药研发成本高、数据密集、周期漫长。但对这一行业而言，AI 的考验远不止生成流畅的文字或更快的代码。它必须在高度专业的流程中被证明有用，并能让科学家验证其结果。

前沿 AI 的医疗潜力，也带来治理问题

此次合作公布之际，围绕高能力 AI 应以多快速度发展的争论也在持续。路透社报道称，Anthropic 首席执行官达里奥·阿莫代伊、OpenAI 首席执行官萨姆·奥尔特曼和埃隆·马斯克支持对先进 AI 发展进行协调性放缓；Meta 首席执行官马克·扎克伯格则更倾向于由市场主导的保障机制。34

诺和诺德与 Anthropic 的合作正好呈现了这一争论的两面：前沿模型可能为科学和医疗带来实际收益，例如提升研发效率；但当其进入高风险场景时，对可靠评估、人工监督和治理机制的要求也会更高。

接下来应看什么

目前能够确认的是：一家大型药企正在科研人员界定的药物发现工作流中评估前沿 AI。现有证据支持 Claude 在诺和诺德的角色扩展——从临床文档自动化、软件开发，延伸至部分研发场景；但这并不等同于 AI 已经促成某款新药更快问世。110

下一阶段最有价值的信息，将是可具体核验的结果：哪些工作流得到改善、研究人员如何评估模型输出，以及这些工作是否带来了超越既有自动化指标的、经验证的科学进展。