諾和諾德（Novo Nordisk）同 Anthropic 的新合作，標誌住 Claude 的角色由文件處理同軟件工作，進一步走入科學研發。焦點唔係把研發決定交畀 AI，而係測試前沿生成式 AI 可唔可以幫科學家處理複雜嘅生物學推理，從而改善早期藥物發現與開發決策的速度和質素。1

初期會點用？

諾和諾德會先喺由其科學家及計算團隊界定嘅指定研發問題上，測試 Anthropic 的 Claude 模型及 Claude Science。兩間公司所講的重點，是讓模型協助科學推理及理解生物學，以支援藥物發現和開發流程；並非讓 AI 全盤取代研究人員作判斷。1

換句話講，呢次合作更似係將 AI 當成研究助手：協助整理、推敲同提出值得跟進的方向，而唔係讓它直接宣告「呢個候選藥可以用」。

AI 對科學研發有咩潛在幫助？

理論上，模型可協助研究人員綜合規模龐大而且來源各異的生物醫學證據、提出及比較假說，並找出藥物靶點、生物通路與實驗結果之間可能存在的關聯。咁樣或可令研發工作更容易反覆驗證和調整，提高生產力。1

但要分清楚：呢啲係潛在效益，唔係證明 AI 能夠獨立發現一款安全、有效的新藥。任何模型輸出仍然要經實驗複現、臨床測試，以及符合監管標準的嚴格審核。1

唔止做科學，也會支援內部軟件開發

合作另一部分係「代理式軟件工程」：利用模型協助諾和諾德建立、維護和改良內部的研發軟件及數據流程。若果可以更快開發出經驗證的工具，效益就可能唔止落喺單一研究項目，而係擴散至整個研發體系。1

已有文件自動化的成績，但未等於新藥更快面世

諾和諾德早已使用以 Claude 為基礎的系統，自動處理臨床研究報告等文件。Anthropic 曾表示，在一個引用的工作流程中，準備臨床研究文件的時間由超過 10 星期減至約 10 分鐘；製作醫療裝置驗證方案所需資源亦減少 95%。10

不過，呢啲屬於公司報告的營運成果，未能直接證明藥物會更快獲監管機構批准，亦未證明臨床療效更好。文件工作快咗，當然可以騰出人手同時間，但新藥最終仍要過實驗、試驗與安全性審核幾關。

點解製藥業特別關注？

整個製藥業正加大 AI 投入，嘗試用新型建模工具、專門科學工具和自動化實驗室，加快研發流程、壓低成本及縮短時間線。6

真正高價值的考驗，唔係 AI 產生咗幾多文字、程式碼或者研究假說，而係它能否帶來可重複、可由實驗驗證的候選線索。只有做到呢一步，AI 對藥物研發的承諾先至算得上有實質證據。6

醫療潛力背後，亦有 AI 管治難題

這項宣布正值 AI 業界就模型發展速度出現分歧。Anthropic 行政總裁 Dario Amodei、OpenAI 行政總裁 Sam Altman 和 Elon Musk 支持協調放慢發展步伐，或加強節制；Meta 的 Mark Zuckerberg 則傾向由市場主導保障措施。7

諾和諾德與 Anthropic 的合作，正好呈現呢個矛盾：能力愈強的前沿模型，或可為醫學與科學帶來重要好處；但同時亦會引起濫用、可靠性、保安和管治方面的憂慮。17

簡單講，呢次合作係一個值得留意的真實研發測試，而唔係 AI 已經改寫製藥業的證明。 它的醫學意義，最終要視乎諾和諾德能否展示經驗證的科學成果，以及能否持續縮短藥物開發時間，而唔只係公布自動化效率數字。

諾和諾德（Novo Nordisk）同 Anthropic 的新合作，標誌住 Claude 的角色由文件處理同軟件工作，進一步走入科學研發。焦點唔係把研發決定交畀 AI，而係測試前沿生成式 AI 可唔可以幫科學家處理複雜嘅生物學推理，從而改善早期藥物發現與開發決策的速度和質素。1

初期會點用？

諾和諾德會先喺由其科學家及計算團隊界定嘅指定研發問題上，測試 Anthropic 的 Claude 模型及 Claude Science。兩間公司所講的重點，是讓模型協助科學推理及理解生物學，以支援藥物發現和開發流程；並非讓 AI 全盤取代研究人員作判斷。1

換句話講，呢次合作更似係將 AI 當成研究助手：協助整理、推敲同提出值得跟進的方向，而唔係讓它直接宣告「呢個候選藥可以用」。

AI 對科學研發有咩潛在幫助？

理論上，模型可協助研究人員綜合規模龐大而且來源各異的生物醫學證據、提出及比較假說，並找出藥物靶點、生物通路與實驗結果之間可能存在的關聯。咁樣或可令研發工作更容易反覆驗證和調整，提高生產力。1

但要分清楚：呢啲係潛在效益，唔係證明 AI 能夠獨立發現一款安全、有效的新藥。任何模型輸出仍然要經實驗複現、臨床測試，以及符合監管標準的嚴格審核。1

唔止做科學，也會支援內部軟件開發

合作另一部分係「代理式軟件工程」：利用模型協助諾和諾德建立、維護和改良內部的研發軟件及數據流程。若果可以更快開發出經驗證的工具，效益就可能唔止落喺單一研究項目，而係擴散至整個研發體系。1

已有文件自動化的成績，但未等於新藥更快面世

諾和諾德早已使用以 Claude 為基礎的系統，自動處理臨床研究報告等文件。Anthropic 曾表示，在一個引用的工作流程中，準備臨床研究文件的時間由超過 10 星期減至約 10 分鐘；製作醫療裝置驗證方案所需資源亦減少 95%。10

不過，呢啲屬於公司報告的營運成果，未能直接證明藥物會更快獲監管機構批准，亦未證明臨床療效更好。文件工作快咗，當然可以騰出人手同時間，但新藥最終仍要過實驗、試驗與安全性審核幾關。

點解製藥業特別關注？

整個製藥業正加大 AI 投入，嘗試用新型建模工具、專門科學工具和自動化實驗室，加快研發流程、壓低成本及縮短時間線。6

真正高價值的考驗，唔係 AI 產生咗幾多文字、程式碼或者研究假說，而係它能否帶來可重複、可由實驗驗證的候選線索。只有做到呢一步，AI 對藥物研發的承諾先至算得上有實質證據。6

醫療潛力背後，亦有 AI 管治難題

這項宣布正值 AI 業界就模型發展速度出現分歧。Anthropic 行政總裁 Dario Amodei、OpenAI 行政總裁 Sam Altman 和 Elon Musk 支持協調放慢發展步伐，或加強節制；Meta 的 Mark Zuckerberg 則傾向由市場主導保障措施。7

諾和諾德與 Anthropic 的合作，正好呈現呢個矛盾：能力愈強的前沿模型，或可為醫學與科學帶來重要好處；但同時亦會引起濫用、可靠性、保安和管治方面的憂慮。17

簡單講，呢次合作係一個值得留意的真實研發測試，而唔係 AI 已經改寫製藥業的證明。 它的醫學意義，最終要視乎諾和諾德能否展示經驗證的科學成果，以及能否持續縮短藥物開發時間，而唔只係公布自動化效率數字。