先说说背景。AI究竟能做什么？从宏观角度看，它有望从根本上加速科学发现与医疗创新的步伐。去年秋季我们正式启动生命科学方向的研究以来，始终聚焦三件事：持续提升模型能力、通过MCP（模型上下文协议）和各类技能插件打通科研生态、以及借助合作推动实际落地。今天，我们拿出了迄今最具分量的扩展——Claude Science，一款专为科研工作者打造的AI工作台。这不是普通的插件，而是一个集成应用，把研究者常用的工具和软件包全部整合在一起，产出可追溯、可审计的成果，同时能灵活调配计算资源。

科学研究的繁琐，身处其中的人深有体会。几十个数据库等着你来回切换，每个都有独特的查询语言和数据结构；文件格式五花八门，你得准备专门的数据管道和查看器；工作流从PubMed跳到Jupyter，再到R环境，再连到集群终端——简直是在不同工具的海洋里反复横渡。

Claude Science所做的，正是把这些散落各处的工具拼合到一个统一的研究环境中，让科学家能在单一平台完成从文献分析到多步实验方案执行的完整流程。它能帮你分析文献、执行复杂的研究步骤、生成详细的制品文档，你还可以反复迭代修改图表和论文手稿，直到符合发表标准。最关键的一点：每一步操作都附带完整的可追溯历史，方便你验证和复现结果。与Jupyter Notebook类似，Claude Science可以在你现有的计算环境中工作——本地macOS或Linux、通过SSH连接的远程服务器、甚至HPC（高性能计算）登录节点，全部兼容。

用户交互的入口是一个通用型协调智能体，背后连接了超过60个预先配置好的技能插件和数据连接器，覆盖基因组学、单细胞组学、蛋白质组学、结构生物学、化学信息学等方向。这些智能体能根据需要启用子智能体，也能调用用户自己创建的专用智能体。系统里还有一个专门的审查智能体，负责持续监控引用和计算是否有误，一旦发现问题就会标记并自动纠正。

从今天开始，Claude Science以beta版形式向Claude Pro、Max、Team和Enterprise用户开放。我们会持续收集反馈，不断打磨这个平台。

工作原理

丰富的科学制品，完全可复现。科学研究天然是视觉化的——无论查看分子结构、基因组轨迹还是化学结构，都离不开图形展示。Claude Science直接把图表和论文手稿与生成它们的代码绑定在一起。它能原生渲染多种科学制品，包括3D蛋白质结构、基因组浏览器轨迹、化学结构等。你可以直接用自然语言与智能体对话，图表和手稿上的任何细节都可进行行内标注，智能体明确知道该修改哪里，直到你满意为止。

当它生成一张图表时，Claude Science会同时附上生成过程中使用的确切代码和环境、用通俗语言描述的制作步骤，以及完整的对话历史。这意味着即使几个月后回头查看，也能清楚知道输入了什么、如何计算、结果从何而来，验证和复现变得毫无障碍。如果你想让图表去掉网格线，或者把纵轴改成对数刻度，直接说出需求，智能体就会自动修改代码。

智能管理计算，按需扩展。大型分析任务——比如用AlphaFold进行蛋白质折叠预测，或者对海量数据集运行基因组学流水线——往往会让研究者的注意力从科学问题本身转移到计算配置上：提交作业到集群，等待排队、运行、结束，拉回结果检查是否出错。Claude Science把这个过程自动化了。它会先起草一个方案，在访问新资源前征求你的同意，每个步骤你都可以审查或撤回，然后才把作业提交到你实验室已有的计算资源上（可以是自己的HPC集群通过SSH连接，也可以是Modal账户按需租用云GPU），从单卡到几百卡自由伸缩。

智能体运行在持续会话中，上下文信息保留在内存里。这意味着即使处理海量数据集，也只需要加载一次。一切都在你实验室自己的基础设施上运行——笔记本、Linux服务器或HPC登录节点——大文件或敏感数据根本不需要离开原有系统，只有分析每一步所需的上下文才会发送给Claude。流水线运行时，审查智能体会不断检查输出结果，一旦发现错误引用、无来源数字，或者图表与底层代码不匹配，立刻自动修正。而且你可以在任何时刻对当前会话进行分支，尝试另一种方案，而不丢失原有的研究思路。

开箱即用的领域能力。科学知识散落在成百上千个专业来源中。以生物学为例，相关数据可能存在于UniProt、PDB、Ensembl、Reactome、ClinVar、ChEMBL、GEO等不同数据库，每个都有独特的数据模型和查询语法；此外还需查阅期刊和预印本服务器，调用领域专用的开源模型。现在你用自然语言向Claude Science提问，专用智能体们会替你查询并整合所有这些来源——你无需一个个手动翻查。Claude Science还接入了NVIDIA的BioNeMo Agent Toolkit中的技能，原生连接BioNeMo里的生命科学模型和库，包括Evo 2、Boltz-2和OpenFold3。

科学家手里往往已有自己信赖的模型、数据集和流水线。Claude Science能接入这些资产：你可以把任何现有流水线保存成可复用的技能，或者用连接器接入实验室偏好的工具；以后的会话会自动继承这些配置。这样一来，你可以在同一对话中同时调用Claude的能力、实验室自己的专有数据以及你验证过的工具。得益于合作伙伴的专业平台和经验，Claude Science能做的事情越来越多，反过来，更多科学家也能通过Claude接触到他们需要的工具。

科学家们正在用Claude Science做什么

过去几个月里，已有部分科研团队在beta版中尝试了Claude Science。应用场景包括单细胞RNA测序分析、CRISPR筛选设计、蛋白质结构预测、化学信息学研究等。

Manifold Bio 专注于设计组织靶向药物——让药物精准命中特定器官或细胞类型，同时将对身体其他部分的影响降到最低。他们同时测试数百万个候选结合物（对应数百个靶点）在活体内的分布情况。Manifold用Claude Science来提名最新实验的靶点。针对每种组织和每个靶点，Claude Science评估了表面表达、转运和安全性，并根据Manifold从长期内部专有数据中总结的标准进行排名。Manifold团队评价：Claude Science与通用编码辅助工具最大的区别在于它能端到端完成这件事——收集正确的数据，结合之前项目的上下文，做出正确的判断。

Jérôme Lecoq，艾伦研究所的神经科学家，用Claude Science搭建了一个包含约20个自定义技能的“计算化综述生成模板”，专门用于撰写长篇综述论文。子系统智能体先通读数千篇论文，提取核心观点和关键定量结果，存入一个证据状态数据库。然后流水线根据这些数据构建叙事框架，分章节撰写综述，每个章节授权一个独立的专用智能体负责。在每个章节内部，专用智能体直接从证据数据库中生成跨研究的定量对比图表。这套工作流的关键创新是使用了“生成-批评”对齐机制：一个智能体负责创造内容，另一个独立的审查智能体负责评估内容的准确性和引用忠实度。

在Claude Science出现之前，Lecoq的团队撰写这样一篇综述可能需要两年时间。现在他手头已有大约10篇、每篇超过100页的综述，引用都经过审查智能体核实过。团队正在与领域专家合作，进一步优化这些AI批评智能体的性能。

Stephen Francis，加州大学旧金山分校脑瘤中心的副教授、流行病学家，用Claude Science支持关于神经胶质瘤分子流行病学的研究。他的实验室研究的是数以千计的微效生殖系变异如何组合在一起，影响个体的患病易感性。虽然在引入Claude Science之前这项工作已经开始，但Francis表示，这个应用大幅加速了分析进程——过去需要很长时间完成的全面生殖系分析，现在大约只用十分之一的时间就能搞定，而且能从多个角度同时推进。他的团队独立验证了Claude Science的分析结果，确认它既能产出快速的成果，也能保证分析的稳健性。

如何开始使用Claude Science

Claude Science目前以beta版形式在macOS和Linux上向Pro、Max、Team和Enterprise用户开放。我们选择早期发布，就是希望科学家们能先拿它解决真实问题，再告诉我们哪里需要改进。

Team和Enterprise用户需要管理员先启用Claude Science。针对高校和非营利研究机构中的活跃科研实验室，我们现在推出了折扣版Team计划，可以了解具体信息。此外，我们还将支持最多50个Claude Science "AI for Science"项目，每个项目提供最高3万美元的积分支持。Modal也会为部分项目额外提供最高2000美元的计算资源。我们寻找的是跨领域、能探索科学边界的项目，初期重点关注生物学和生物医学研究。申请截止日期是2026年7月15日，7月31日前发送评审结果。项目运行期从2026年9月1日到12月1日。

从现有案例来看，Claude Science的价值在于：它真正把科研流程中的各种碎片工具整合到了一起，让科学家可以专注于科学问题本身，而不是被工具切换和计算管理牵着鼻子走。这不仅仅是单纯的效率提升——在Manifold的靶点筛选、Lecoq的综述生成以及Francis的基因组分析这些场景里，它带来的是质的变化。比如Lecoq把需要两年的综述压缩到了不到原来十分之一的时间，这不只是快，而是让过去做不到的事情成为了可能。

当然，这只是个开始。beta版还有很多需要打磨的地方，但方向很明确：让AI真正融入科学家的日常工作流，而不是作为一个独立的工具存在。至少从目前的使用反馈来看，这个方向是对的。