🌟🌟🌟With Anthropic's recent acquisition of Coefficient Bio, it is now a 3 way superpower war between Anthropic, OpenAI and $Alphabet(GOOG)$ in Life Science.
Google has DeepMind through Isomorphic Labs. Powered by AlphaFold, Isomorphic has already secured multi billion dollar drug discovery partnerships with $Eli Lilly(LLY)$ and $Novartis AG(NVS)$ , pushing AI designed molecules into real world clinical trials.
OpenAI has GPT Rosalind for its life science research. It will invest at least USD 1 billion into researching cures for diseases like Alzheimer's.
Exciting times are ahead for life science with these 3 Big Tech going full throttle to discover the latest drugs to cure diseases in the future.
@Tiger_comments @Tiger_SG @TigerStars
【🎢AI風向追蹤】Anthropic斥資4億美元收購Coefficient Bio！生命科學會唔會係AI第二戰場？
@愛吃辣的小老虎：小虎們，前兩天愛吃辣的小老虎給大家講了谷歌以及SpaceX，他們都在各自的AI領域遭遇了一定的困境。那麼今天的AI風向追蹤，我們來看看Anthropic的收購案，生命科學是否是AI第二戰場呢？ Coefficient Bio什麼來頭呢？ 近期，AI獨角獸企業Anthropic花費4億美元通過換股方式受夠了一家生物科技初創企業Coefficient Bio，在許多AI巨頭在卷算力、大模型、token的時候，Anthropic的操作引起了業內熱議。這不僅是科技生物（Tech-Bio）領域的首次重大收購，也可能是科技巨頭改變「AI+生命科學」遊戲規則的新轉折點。 根據公開資料顯示，這家公司僅成立了一年不到的時間，總部位於美國紐約，長期處於封閉運營狀態，屬於以隱身營運（Stealth Mode）方式發展。其官網也沒有任何關於公司技術的詳細介紹。截至被收購前，公司員工不足10人。 而Coefficient Bio最大的資產並非是其研發的產品，而是頂尖的科研團隊，這纔是Anthropic所需要的。 兩位聯合創始人Nathan Frey和Samuel Stanton都來自生物科技公司Genentech 旗下的機器學習團隊。其中Nathan Frey在生物基礎模型、蛋白質及生物分子設計、AI藥物發現和生物醫學機器學習等方面頗有建樹。公司CEO Aris Theologis等人也曾在Evozyne、Paragon Biosciences、Roche等大型生物企業、藥企等從事AI科研工作，在AI生物科技領域有着豐富經驗。 與很多AI製藥公司專注於藥物設計不同的是，Coefficient Bio更注重打造可以支持整個新藥研發的AI系統流程，簡單來說就是打造一款能運用在生物製藥的AI Agent，功能包括： 制定藥物研發策略 分析生物醫學文獻 協助設計臨牀試驗 管理法規與監管文件 發掘潛在藥物靶點及候選藥物 Coefficient Bio的願景就是利用AI提升科研決策效率，希望未來可以達到製作出「面向科學研究的人工超級智能」的目標（Artificial Superintelligence for Science），希望AI可以成為科研人員的工作夥伴，而並非簡單聊天工具。 由此大家就能理解為什麼Anthropic要為這10人不到的初創團隊開出4億美元的價格了吧，在收購完成後，該團隊將納入醫療保健團隊，Nathan Frey出任Anthropic的生命科學負責人。 大家還記得嗎？谷歌DeepMind副總裁兼工程院士John Jumper前不久在社交平臺上宣佈將離開近9年的DeepMind，在休息一段時間後加入Anthropic。「我非常感謝這段時光，Demis Hassabis（DeepMind CEO）就讓我領導AlphaFold團隊，這真是一次大膽的嘗試。整個DeepMind團隊教會了我很多關於如何開展卓越科研的知識。」他寫道。 John Jumper在芝加哥大學攻讀博士學位時期就開始用機器學習方法做蛋白質結構預測，畢業後半年就被招募至谷歌，最終在AlphaFold 2問世，解決了困擾生物學長達50年之久的重要挑戰。他與Demis Hassabis共同獲得2024年諾貝爾化學獎，當時小老虎也有跟大家提到過，現在的諾貝爾獎都頒給了AI。 隨着John Jumper加入和Coefficient Bio的收購，Anthropic在生命科學領域的實力大大增強，其估值已經飆升至1萬億美元，超過競爭對手OpenAI。而這也將會成為未來上市的重要故事之一。 但也有人擔心估值暴升的背後，這些大模型落地場景的可行性。有業內分析師表示，目前大多數AI模型雖然功能豐富且強大，但更多應用在幫助用戶處理簡單的工作任務，比如編寫和發送郵件、制定和完善工作計劃等，創造的實際營收無法匹配萬億估值。但生命科學與醫療保健領域，成為了AI巨頭們證明自身價值、場景運用與變現的最佳試驗場。 圖源：網絡 生命科學是AI第二戰場？ 今年年初，「木頭姐」Cathie Wood接受採訪時提出，她已經將目光從科技巨頭轉向醫療保健板塊，同時強調未來五年，製藥行業在5年將面臨3000億美元的「專利懸崖」，這種恐懼和謹慎會帶來大量的投資機會。 她預測到2030年，整個人類基因組的測序成本可能下降10倍，從目前的約100美元下降至僅10美元。那麼生命科學會是AI第二戰場嗎？ 目前AI已經開始改變編程、消費者服務、工作與生活等多個場景，下一個被認為具有潛力的就是生命科學，原因很簡單，全球新藥研發成本高達數十億美元，研發週期大約在10至15年，其中大量工作屬於資料整理及實驗設計，非常適合AI自動化。因此，一旦AI能提升研發效率，即便只改善一小部分流程，也可能創造巨大價值。 除了Anthropic外，OpenAI和谷歌也在這個領域深耕。 今年4月，OpenAI面向生命科學研究推出了GPT-Rosalind，主要目標是支持藥物發現和轉化醫學等研究，它可以幫助研究者實現假設生成、實驗設計等，也可以通過Codex接入生命科學工具和數據庫。不久，該工具加入了GPT-5.5的agentic coding 和工具調用能力，同時發布了Life Sciences Research和Life Sciences NGS Analysis兩個Codex插件，讓模型不僅可以完成基本工作，還可以在同一個工作區內檢索證據、分析組數據等，保留過程和產物。 不僅如此，OpenAI也將生命科學列為未來一年至少投入10億美元的學科，重點方向包括阿爾茲海默症、高死亡率、低投入疾病等。「2026年的AI for Science，會像2025年的AI for Software Engineering。」當時負責該部門的Kevin Weil講道。 谷歌DeepMind在推出AlphaFold後邊成立了Isomorphic Labs，目標是利用 AI 重塑整個藥物研發流程。但後者不再只是科研平臺，而是直接面向製藥行業開展商業合作。目前累計融資約27億美元。 為了實現AI發現藥物靶點、設計候選藥物、縮短研發週期等願景，2024年DeepMind發布了AlphaFold 3，可以進一步預測蛋白質與 DNA、RNA 相互作用、抗體及其他生物分子的相互作用等。簡單來說，它可以模擬整個生物分子系統，而並非單一蛋白質，因此被認為是AI藥物發展的重要突破。 從上述美國三家頂級的AI大科技在生命科學的佈局來看，Isomorphic Labs選擇直接對接臨牀和管線；OpenAI選擇垂直模型和合作網絡，把資源都放在Codex上；Anthropic則是「混合發展」，在模型中賦予生物能力，通過招募頂級人才積累生命科學的經驗。 圖源：AgeClub 小虎們，你們認為生命科學是AI第二戰場嗎？ 🎁評論即可得獎品如下噢~ 🐯對以下帖子的所有有效評論都將收到5個老虎硬幣。 🐯前10名和後10名有合格評論的小虎將獲得另一個10個老虎硬幣。 🐯前5名最受歡迎和高質量的評論將獲得另一個15老虎硬幣。 （備註：話題虎幣打賞出於隨機抽取與鼓勵新用戶真誠分享高質量觀點性質，嚴謹刷屏及惡意行為。）
Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.
