諾和諾德（Novo Nordisk）與 Anthropic 的新合作，代表 Claude 的用途正從文件製作與軟體工程，延伸到藥物研究與開發（R&D）的科學工作。重點不只是減少行政時間，而是嘗試讓前沿生成式 AI 協助研究人員處理複雜的生物學推理，改善早期研發決策的速度與品質。19

初期會怎麼用？

諾和諾德將由旗下科學家與運算團隊選定研發問題，測試 Anthropic 的 Claude 模型及 Claude Science。合作的焦點是藥物發現與開發所需的科學推理、對生物學的理解，以及雙方能力最可能帶來影響的研究環節；這並不表示把研究決策全面交給 AI。19

AI 在科學上可能帶來什麼幫助？

理論上，這類模型可協助研究團隊：

• 整合來源多元、格式不一的大量生醫證據；
• 提出並比較研究假說；
• 尋找藥物標靶、生物路徑與實驗結果之間可能的關聯；
• 讓資料分析與研究流程更能反覆迭代。

這些能力可能提高研發生產力，但不等於 AI 已能獨立找出安全且有效的藥物。任何模型產出的線索，仍須經過實驗複現、臨床試驗，以及符合藥品法規要求的嚴格審查。1

不只做研究，也要改善研發軟體

合作也涵蓋「代理式」軟體工程，也就是讓模型協助建立、維護及改善內部研發軟體與資料流程。若研發工具能更快完成開發並通過驗證，AI 的效益就可能不只停留在單一科學任務，而是擴散至整個研發作業鏈。1

既有案例：文件作業大幅縮時，但不能直接推論療效

諾和諾德先前已使用以 Claude 為基礎的系統自動化臨床研究報告相關文件。Anthropic 所引述的一項工作流程顯示，臨床研究文件的準備時間可從超過 10 週縮短至約 10 分鐘；裝置驗證計畫所需資源則減少 95%。1014

不過，這些是公司公布的營運效率成果，不能據此推論藥品會更快取得核准，也不能證明臨床結果更好。從文件自動化走到藥物研發核心，仍有一段必須以科學驗證跨越的距離。

為何製藥業特別關注這類合作？

製藥業正加速導入 AI 模型、專業科學工具與自動化實驗室，希望改善標靶發現、分子設計及臨床試驗規劃，並緩解研發成本與時程壓力。6

因此，這項合作真正的高價值測試，不是模型能產生多少文字、程式碼或研究假說，而是它能否帶來可重現、經實驗驗證的候選線索，並在長期確實改善研發時程。

醫療潛力與 AI 治理的拉鋸

合作宣布之際，AI 產業對模型能力應以多快速度推進仍存在明顯分歧。Anthropic 執行長達里奧・阿莫迪（Dario Amodei）、OpenAI 執行長山姆・奧特曼（Sam Altman）與 Elon Musk 支持協調減速或更嚴謹地控制節奏；Meta 的馬克・祖克柏（Mark Zuckerberg）則較傾向由市場導向的機制處理保障問題。7

諾和諾德與 Anthropic 的合作正好呈現這項兩難：前沿模型可能為醫學與科學帶來實質上行空間，但能力提升也伴隨濫用、可靠性、資安與治理風險。17

**結論是：**這是一項值得關注的前沿 AI 真實研發測試，但其醫療意義尚未獲得證實。只有當諾和諾德能提出經驗證的科學成果，以及可持續的開發時程改善，而不只是自動化指標，這項合作的真正價值才會明朗。

諾和諾德（Novo Nordisk）與 Anthropic 的新合作，代表 Claude 的用途正從文件製作與軟體工程，延伸到藥物研究與開發（R&D）的科學工作。重點不只是減少行政時間，而是嘗試讓前沿生成式 AI 協助研究人員處理複雜的生物學推理，改善早期研發決策的速度與品質。19

初期會怎麼用？

諾和諾德將由旗下科學家與運算團隊選定研發問題，測試 Anthropic 的 Claude 模型及 Claude Science。合作的焦點是藥物發現與開發所需的科學推理、對生物學的理解，以及雙方能力最可能帶來影響的研究環節；這並不表示把研究決策全面交給 AI。19

AI 在科學上可能帶來什麼幫助？

理論上，這類模型可協助研究團隊：

• 整合來源多元、格式不一的大量生醫證據；
• 提出並比較研究假說；
• 尋找藥物標靶、生物路徑與實驗結果之間可能的關聯；
• 讓資料分析與研究流程更能反覆迭代。

這些能力可能提高研發生產力，但不等於 AI 已能獨立找出安全且有效的藥物。任何模型產出的線索，仍須經過實驗複現、臨床試驗，以及符合藥品法規要求的嚴格審查。1

不只做研究，也要改善研發軟體

合作也涵蓋「代理式」軟體工程，也就是讓模型協助建立、維護及改善內部研發軟體與資料流程。若研發工具能更快完成開發並通過驗證，AI 的效益就可能不只停留在單一科學任務，而是擴散至整個研發作業鏈。1

既有案例：文件作業大幅縮時，但不能直接推論療效

諾和諾德先前已使用以 Claude 為基礎的系統自動化臨床研究報告相關文件。Anthropic 所引述的一項工作流程顯示，臨床研究文件的準備時間可從超過 10 週縮短至約 10 分鐘；裝置驗證計畫所需資源則減少 95%。1014

不過，這些是公司公布的營運效率成果，不能據此推論藥品會更快取得核准，也不能證明臨床結果更好。從文件自動化走到藥物研發核心，仍有一段必須以科學驗證跨越的距離。

為何製藥業特別關注這類合作？

製藥業正加速導入 AI 模型、專業科學工具與自動化實驗室，希望改善標靶發現、分子設計及臨床試驗規劃，並緩解研發成本與時程壓力。6

因此，這項合作真正的高價值測試，不是模型能產生多少文字、程式碼或研究假說，而是它能否帶來可重現、經實驗驗證的候選線索，並在長期確實改善研發時程。

醫療潛力與 AI 治理的拉鋸

合作宣布之際，AI 產業對模型能力應以多快速度推進仍存在明顯分歧。Anthropic 執行長達里奧・阿莫迪（Dario Amodei）、OpenAI 執行長山姆・奧特曼（Sam Altman）與 Elon Musk 支持協調減速或更嚴謹地控制節奏；Meta 的馬克・祖克柏（Mark Zuckerberg）則較傾向由市場導向的機制處理保障問題。7

諾和諾德與 Anthropic 的合作正好呈現這項兩難：前沿模型可能為醫學與科學帶來實質上行空間，但能力提升也伴隨濫用、可靠性、資安與治理風險。17

**結論是：**這是一項值得關注的前沿 AI 真實研發測試，但其醫療意義尚未獲得證實。只有當諾和諾德能提出經驗證的科學成果，以及可持續的開發時程改善，而不只是自動化指標，這項合作的真正價值才會明朗。