在AI制药竞赛日趋白热化的今天，SandboxAQ选择了一条与众不同的道路。这家从Google母公司Alphabet剥离而来的量子与AI公司，于近日宣布将旗下核心药物发现模型集成到Anthropic的Claude平台中。与众多同行执着于比拼模型精度不同，SandboxAQ将赌注押在了“可及性”上——他们坚信，真正阻碍药物研发的并非计算能力不足，而是能力无法被非计算专家所使用。
当Claude遇上量子化学
SandboxAQ的前身是Google的量子计算团队，独立后专注于将AI与量子物理方法应用于复杂科学问题，药物发现是其核心赛道之一。该公司开发的Aqemia平台能够利用物理启发的深度学习模型，在虚拟空间中对数十亿分子进行筛选和性质预测。然而，这类工具通常需要研究人员掌握Python编程、云计算配置甚至量子化学知识，无形中将大量生物学家和医学研究者拒之门外。
此次与Claude的整合，意味着用户只需用自然语言描述需求——“找到一种能穿过血脑屏障、且不与现有药物产生交叉反应的分子”——Claude便能自动调用SandboxAQ的模型进行搜索、筛选和可视化。Anthropic方面表示，Claude会通过其工具使用（tool use）能力，在对话中无缝触发SandboxAQ的API，并在几秒内返回结构化结果。
“药物发现是一个高度跨学科的领域，但目前的AI工具往往要求用户同时是化学家和软件工程师。”SandboxAQ产品副总裁Sarah Kim在声明中表示，“我们正在拆除这堵墙——通过Claude，任何一位拥有基础科学训练的研究者都能直接调用最前沿的分子模拟能力。”
赛道分化：比精度还是比入口？
SandboxAQ的选择折射出AI制药领域日益明显的路线分化。由DeepMind孵化的Isomorphic Labs近年来持续发布高精度蛋白质结构预测模型，其最新系统在配体结合亲和力预测上已达到实验级精度；而斯坦福背景的Chai Discovery则利用扩散模型在全新分子骨架生成上不断刷新纪录。这些公司都把重心放在“模型能力”本身，希望通过更强大的AI来直接缩短研发周期。
然而SandboxAQ认为，单纯提升模型性能存在边际递减效应。根据该公司内部调研，超过70%的药物化学家在过去的项目中从未尝试过任何AI工具，主要原因是“不知道如何开启”以及“配置环境太麻烦”。当最先进的模型被封在复杂的代码库和命令行中时，再高的精度也只能是纸上谈兵。因此，SandboxAQ选择与Claude这样高月活的聊天助手合作，将模型直接嵌入到研究者日常使用的交互界面中。
从“专家系统”到“对话式科学助手”
这种“模型即服务（Model-as-a-Service）叠加对话式AI”的模式并非SandboxAQ首创——去年底，英伟达BioNeMo云服务就曾接入Llama 3用于分子生成，但SandboxAQ是首家将商业级药物发现模型直接与Claude工具链绑定的公司。Anthropic的Claude以其长上下文和复杂推理能力著称，能够理解多步骤的化学请求，甚至主动提示用户补充缺失参数（如溶解度范围或毒性阈值）。
在演示案例中，一位虚拟的肿瘤研究员向Claude提问：“筛选出针对L858R突变型EGFR的抑制剂，且logP在1到3之间，合成可及性分数高于6。”Claude自动将其转化为SandboxAQ模型的查询参数，10秒后返回了候选分子列表，并针对排名第一的分子生成了结合模式的可视化描述。整个过程无需一行代码。
不过，这一模式也面临挑战。Claude的API调用会引入额外延迟和费用，且模型输出的科学准确性仍需人类专家核实。SandboxAQ表示，他们正在开发一种“验证闭环”，让Claude在返回结果后检查是否与已知化学规则冲突，并在必要时重新运行模型。
编者按：AI制药的“iPhone时刻”还缺一个App Store？
SandboxAQ与Claude的合作给行业提供了一个有趣的新视角：AI制药的瓶颈或许已从“造出更聪明的脑袋”转向“让聪明的脑袋更好用”。过去两年，AI模型在分子对接、属性预测甚至临床试验模拟上的表现屡屡突破上限，但药物研发的整体周期并未显著缩短——问题可能出在采纳率上。当研究人员需要耗费数周学习工具，或需要仰仗内部算法工程师团队时，AI就只是少数大玩家的特权。
如果对话式助手能成为药物发现的“通用遥控器”，那么科技巨头通过云服务平台向药企输出模型能力，可能会比自研模型更早产生商业回报。当然，这也意味着SandboxAQ需要将自己的关键技术绑定在Anthropic的生态上，存在一定依赖风险——但至少目前，Claude的数百万用户基数提供了一片足够肥沃的试验田。
本文编译自TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接