一家毫无生物学背景的投资机构，前几天在社交平台上放了颗卫星：宣称他们用未发布的 Claude 模型，只靠写提示词，就在一个周末里做出了抗蝎毒血清。
消息传得神乎其神，仿佛药企上百亿美元的研发管线马上要被几行自然语言掀翻。但这篇被包装成提示词炼药神话的实验，随着毒理学界拆解与媒体核实，迅速露出了底牌。Anthropic 官方报告在正文里写得很克制：这只是针对蝎神经毒素的蛋白质结合剂筛选，团队从未声称做出了抗毒血清。
剥开营销话术，这项实验的真实全貌是一份昂贵且效率平平的早期筛选记录。
- 发生了什么.投资机构 Citrini Research 联手 Anthropic，让 Claude 调用 12 款生物计算工具从头设计抗蝎毒蛋白，并把候选方案送入实体实验室检验。
- 真实代价.消耗约 10,000 个 GPU 小时、花了 20 万美元（5 万美元算力加 15 万美元外包实验），耗时整整两个多月。
- 实际产出.算法生成 318,484 个构象，筛选后送检 211 个，体外结合达标的仅 17 个，命中率 8.1%，无任何细胞中和实验，无任何活体动物数据。
宣传口径与科研事实的温差
┌───────────────────────────────┐ ┌───────────────────────────────┐
│ Citrini 的社交媒体叙事 │ │ Anthropic 官方技术报告 │
│ "用 Claude 发明了抗蝎毒血清" │ │ "设计出针对蝎神经毒素的结合剂"│
│ 提示词直接跨界颠覆药企 │ VS │ 明确声明未生产出抗毒血清 │
│ 周末 64 小时完成新药研发 │ │ 仅提供体外亲和力筛选数据 │
└───────────────────────────────┘ └───────────────────────────────┘20万美元换来的8.1%命中率
全球每年有数千人死于蝎蜇伤。传统抗毒血清靠给马匹或山羊注射减毒毒素、再从血液中提取抗体，不仅成本高、批次不稳定，还伴随严重的血清过敏风险。计算生物学界一直想用生成式算法直接构建人工微蛋白结合体，替代天然血清。
Citrini 找上 Anthropic，想证明非专业人员靠大模型就能颠覆这个行业。
在 64 小时内，集群消耗约 10,000 个 GPU 小时，生成了 318,484 个候选蛋白结构，算力花销约 5 万美元。随后，筛选出的 211 个方案被外包给 Adaptyv Bio 和 Twist Bioscience 两家实验室做物理合成与表面等离子体共振测试。这两家机构用了两个月完成检测，收费近 15 万美元。
重金砸下去，结果摆在台面上：
- 211 个送检方案里，只有 17 个达到预设的结合标准，命中率仅 8.1%。
- 表现最好的分子 Cn2-B1 和 Cn2-B2 亲和力达到了纳摩尔级，但这是针对单一墨西哥蝎毒素 Cn2 的定制结果。
- 试图应对多毒素的 151 个广谱方案全部落选，对烈性毒素 Ts1 的设计颗粒无收。
- 这份成果目前仅以技术博客形式挂在网上，没有经过同行评审期刊的检验。
在专用蛋白质设计领域，开源算法 BindCraft 在类似靶点上的平均命中率是 46.3%。相比之下，通用大模型加人类干预拿出的 8.1%，很难称得上惊艳。
更关键的是人类在其中的权重。Citrini 声称没有生物学经验，但实验记录显示，初始运算遭遇瓶颈后，人类团队给出了 4 次关键方向提示，重构过滤条件并捞回被剔除的候选物。拿下最佳成绩的分子 Cn2-B1，正是在人类第三次干预后才被重新选中的。
黏住毒素不等于解毒
把体外结合分子叫作抗毒血清，违背了毒理学的基本常识。
蝎毒里的神经毒素之所以致命，是因为它能像锁芯里的断匙一样，死死卡住神经细胞上的钠离子通道，引发不可逆的神经电风暴。摩洛哥巴斯德研究所抗毒素专家 Naoual Oukkache 指出，在生化机理上，黏在毒素上与阻断毒性完全是两回事。
在试管里测出结合力，只能说明人工分子和毒素表面有几何接触。如果它贴合的部位没有盖住毒素破坏离子通道的核心活性区，毒素依然会致死；如果结合后分子的代谢半衰期只有几分钟，或者进入血液后引发剧烈的免疫排斥，它就毫无临床价值。
Anthropic 报告中提到的小鼠保护数据，全部来自对照组使用的已知历史抗体 LR，并非 Claude 设计的分子。整个项目根本没有进行细胞电生理中和测试，更没有推进到任何小鼠活体攻毒实验。
对比 2025 年发表在《Nature》上的一项蛇毒中和研究，科研团队不仅用 AI 跑完了体外结合，还扎实完成了小鼠活体攻毒保护实验，交出了清晰的存活曲线。将没有活体中和数据的体外黏附剂包装成解毒药物，是对生物学严谨性的蔑视。
调度员成不了发明家
淮南子讲过一句话：听疾而疾，听徐而徐。意思是顺着规矩做事的人，脚步快慢全看工具与客观法则，自己并不能凭空生巧。
Claude 在这场实验里展现的真正长处，从来不是无中生有的科学灵感，而是一个合格的高级调度员。生命科学研究者往往要花几个月写脚本、转格式、把一个软件的输出手动喂给下一个工具。Claude 的价值在于，它能用自然语言理解人类意图，自动串起 RFdiffusion、ProteinMPNN、ColabFold 等 12 个专有生物软件，把两三个星期的管线拼接压缩到几十个小时。
这种自动化对提升筛选通量确实有帮助。但底层决定蛋白质如何折叠、能量如何稳定的，是专有扩散模型与物理化学规律，不是通用语言模型的概率预测。
软件行业习惯了代码编译的即时反馈，误以为物理世界也是个敏捷迭代的沙盒。但真实生物体系不是 GitHub 仓库。算力可以轻易吐出 30 万个漂亮的氨基酸序列，但只要一进真实的反应釜与细胞系，99% 的虚拟方案就会因为不溶、聚集、变性或无活性而直接报废。
资本市场需要一个 AI 治愈绝症的故事来支撑估值，投资机构需要兜售剧变焦虑来推销研报，但碳基生命的复杂性从不向公关辞令低头。
接下来衡量大模型制药能力的真实指标，从来不是云端又刷出了几十万个候选分子，而是看实体实验室里有没有哪只小鼠，真靠它设计的分子在蝎毒攻毒后活了下来。在那一天到来之前，一切喧闹都只是隔靴搔痒。