諾和諾德（Novo Nordisk）同 Anthropic 的新合作，重點唔係叫 AI 自己揀藥物候選物，亦唔係單純用生成式 AI 寫文件或寫程式快啲，而係測試前沿 AI 能否喺科學家主導下，協助處理複雜嘅生物學推理同新藥研發問題。

兩家公司於 2026 年 9 月 16 日公布合作。諾和諾德會將 Claude 模型及 Claude Science 納入部分由其科學家和計算團隊選定嘅研發（R&D）流程，聯手處理特定藥物發現挑戰，開發針對個別科研問題嘅解決方案。1

最初會點樣用 Claude？

諾和諾德首階段會測試 Claude Science 喺特定研發流程中嘅表現，目標係支援科學推理及理解生物學問題，從而協助藥物發現與開發。1

換句話講，AI 會係科研工作流程入面嘅輔助工具：研究人員提出問題、審視證據、檢查輸出，再決定下一步。公告並冇表示 Claude 會獨立作出研發決定、取代科學家，或者已經找到新藥。

AI 有咩潛在價值？真正門檻又係乜？

新藥研發要整合大量而且類型唔同嘅資料。能力足夠嘅模型，理論上可以幫團隊整理資訊、比較不同解釋和假設，令研究迭代得更快。今次合作嘅定位亦相當明確：集中處理具體科研問題，支援生物學推理，而唔係向全公司派發一個通用聊天機械人。1

不過，資訊整理得快、產生更多假設，唔代表一種藥最終有效又安全。一個值得信賴嘅科研成果，仍要經得起實驗重複、驗證，以及往後嘅臨床測試。今次本質上係測試 AI 能力同工作流程價值；最有分量嘅指標，會係有冇帶來可重現、受實驗支持嘅研究結果。

合作亦包括「代理式」軟件開發

今次協議唔只關乎科學分析。諾和諾德亦計劃用 Anthropic 的前沿模型做「代理式軟件工程」（agentic software engineering），即由 AI 協助開發、改善同維護軟件。1

現代藥物研發相當依賴內部數據系統、分析流程同專門科研應用程式。如果 AI 能令團隊更有效率地建立及維護呢啲工具，效益可能滲透到多個工作流程，而唔係只靠單一科研突破。

諾和諾德早已有文件自動化案例

諾和諾德同 Anthropic 的合作並非由零開始。Anthropic 表示，諾和諾德此前已用 Claude 相關工具自動化臨床研究報告及相關文件工作；在一個所引述嘅流程中，製作臨床研究文件所需時間由超過 10 星期降至 10 分鐘，而製作醫療器械驗證方案所需資源則減少 95%。10

呢啲數字反映嘅係 Anthropic 報告嘅文件處理效率，唔應該直接解讀為審批更快、臨床結果更好，或者候選藥物成功率已提高。今次宣布值得留意之處，正正在於應用範圍由行政文件同軟件工作，擴展至經挑選嘅科學研發問題。

點解製藥業特別重視？

整個製藥業都正加快採用 AI。藥廠投資建模工具同自動化實驗室能力，希望改善藥物標靶發現、分子設計及臨床試驗規劃，同時減低成本和時間壓力。33

原因唔難明：藥物研發昂貴、資料密集，而且周期長。但呢個行業對 AI 嘅要求，遠高過寫得流暢嘅文字或產出更快嘅程式碼。模型要喺嚴謹、具領域知識嘅流程內證明有用，而且結果必須由科學家驗證。

前沿 AI 的治理矛盾

合作公布之際，業界亦正爭論能力愈來愈強嘅 AI 應該以幾快速度發展。路透社報道，Anthropic 行政總裁 Dario Amodei、OpenAI 行政總裁 Sam Altman 同 Elon Musk 支持協調放慢先進 AI 的發展步伐；Meta 行政總裁 Mark Zuckerberg 則傾向由市場主導保障措施。34

諾和諾德與 Anthropic 的合作，正好呈現呢個難題：前沿模型有機會帶來真實嘅醫學和科研效益，例如提升研發效率；但用喺高風險範疇，亦更需要可靠評估、人類監督同嚴格治理。

接落來應該睇乜？

目前可以確認嘅係，一間大型藥廠正測試前沿 AI 用喺由科學家界定嘅藥物發現流程。現有證據支持 Claude 喺諾和諾德嘅角色擴大——由臨床文件自動化、軟件開發，走向部分研發工作；但未足以證明 AI 已經加快任何一款新藥面世。110

下一步最值得留意嘅，係具體而可核實嘅成果：究竟邊類流程有改善、研究人員點樣評估模型輸出，以及有冇產生超越現有自動化效率數據、並獲實驗驗證嘅科學進展。

諾和諾德（Novo Nordisk）同 Anthropic 的新合作，重點唔係叫 AI 自己揀藥物候選物，亦唔係單純用生成式 AI 寫文件或寫程式快啲，而係測試前沿 AI 能否喺科學家主導下，協助處理複雜嘅生物學推理同新藥研發問題。

兩家公司於 2026 年 9 月 16 日公布合作。諾和諾德會將 Claude 模型及 Claude Science 納入部分由其科學家和計算團隊選定嘅研發（R&D）流程，聯手處理特定藥物發現挑戰，開發針對個別科研問題嘅解決方案。1

最初會點樣用 Claude？

諾和諾德首階段會測試 Claude Science 喺特定研發流程中嘅表現，目標係支援科學推理及理解生物學問題，從而協助藥物發現與開發。1

換句話講，AI 會係科研工作流程入面嘅輔助工具：研究人員提出問題、審視證據、檢查輸出，再決定下一步。公告並冇表示 Claude 會獨立作出研發決定、取代科學家，或者已經找到新藥。

AI 有咩潛在價值？真正門檻又係乜？

新藥研發要整合大量而且類型唔同嘅資料。能力足夠嘅模型，理論上可以幫團隊整理資訊、比較不同解釋和假設，令研究迭代得更快。今次合作嘅定位亦相當明確：集中處理具體科研問題，支援生物學推理，而唔係向全公司派發一個通用聊天機械人。1

不過，資訊整理得快、產生更多假設，唔代表一種藥最終有效又安全。一個值得信賴嘅科研成果，仍要經得起實驗重複、驗證，以及往後嘅臨床測試。今次本質上係測試 AI 能力同工作流程價值；最有分量嘅指標，會係有冇帶來可重現、受實驗支持嘅研究結果。

合作亦包括「代理式」軟件開發

今次協議唔只關乎科學分析。諾和諾德亦計劃用 Anthropic 的前沿模型做「代理式軟件工程」（agentic software engineering），即由 AI 協助開發、改善同維護軟件。1

現代藥物研發相當依賴內部數據系統、分析流程同專門科研應用程式。如果 AI 能令團隊更有效率地建立及維護呢啲工具，效益可能滲透到多個工作流程，而唔係只靠單一科研突破。

諾和諾德早已有文件自動化案例

諾和諾德同 Anthropic 的合作並非由零開始。Anthropic 表示，諾和諾德此前已用 Claude 相關工具自動化臨床研究報告及相關文件工作；在一個所引述嘅流程中，製作臨床研究文件所需時間由超過 10 星期降至 10 分鐘，而製作醫療器械驗證方案所需資源則減少 95%。10

呢啲數字反映嘅係 Anthropic 報告嘅文件處理效率，唔應該直接解讀為審批更快、臨床結果更好，或者候選藥物成功率已提高。今次宣布值得留意之處，正正在於應用範圍由行政文件同軟件工作，擴展至經挑選嘅科學研發問題。

點解製藥業特別重視？

整個製藥業都正加快採用 AI。藥廠投資建模工具同自動化實驗室能力，希望改善藥物標靶發現、分子設計及臨床試驗規劃，同時減低成本和時間壓力。33

原因唔難明：藥物研發昂貴、資料密集，而且周期長。但呢個行業對 AI 嘅要求，遠高過寫得流暢嘅文字或產出更快嘅程式碼。模型要喺嚴謹、具領域知識嘅流程內證明有用，而且結果必須由科學家驗證。

前沿 AI 的治理矛盾

合作公布之際，業界亦正爭論能力愈來愈強嘅 AI 應該以幾快速度發展。路透社報道，Anthropic 行政總裁 Dario Amodei、OpenAI 行政總裁 Sam Altman 同 Elon Musk 支持協調放慢先進 AI 的發展步伐；Meta 行政總裁 Mark Zuckerberg 則傾向由市場主導保障措施。34

諾和諾德與 Anthropic 的合作，正好呈現呢個難題：前沿模型有機會帶來真實嘅醫學和科研效益，例如提升研發效率；但用喺高風險範疇，亦更需要可靠評估、人類監督同嚴格治理。

接落來應該睇乜？

目前可以確認嘅係，一間大型藥廠正測試前沿 AI 用喺由科學家界定嘅藥物發現流程。現有證據支持 Claude 喺諾和諾德嘅角色擴大——由臨床文件自動化、軟件開發，走向部分研發工作；但未足以證明 AI 已經加快任何一款新藥面世。110

下一步最值得留意嘅，係具體而可核實嘅成果：究竟邊類流程有改善、研究人員點樣評估模型輸出，以及有冇產生超越現有自動化效率數據、並獲實驗驗證嘅科學進展。