医疗大模型系列之三：不做"AI医生"，先做"医疗水管"——Anthropic如何重塑医疗长文本AI的底座

一个事实：当DeepMind忙着把AI送进模拟诊室时，另一家头部大模型公司Anthropic选择了一条截然不同的路——不造"AI医生"，而是把它的Claude大模型铺成医疗行业的"水管"：医学文献研读、病历解析、科研辅助、药企研发，哪里需要"读懂长文本"，水管就铺到哪里。

一个边界：即使是Claude这样以"低幻觉、高安全"著称的模型，在真实监管场景中依然翻过车——FDA基于Claude打造的AI助手Elsa，曾被曝编造不存在的研究文献。因此，医疗AI没有免检产品。

一个判断：Anthropic的真正赌注，不是做出最聪明的医疗模型，而是成为医疗AI生态的"默认基座"——模型可以换，水管换不掉。

2026年2月27日，美国政府下令联邦机构停用Anthropic的产品；仅仅六周后，Anthropic反手掏出4亿美元，收购了一家不到10个人的生物科技公司。一"出"一"进"之间，藏着这家公司对医疗的全部野心与全部软肋。

在系列前两篇里（医疗大模型系列之一：医疗AI的底层逻辑，模仿、探索与智能涌现；医疗大模型系列之二：当AlphaGo的"屠龙刀"，进入医学世界——从AlphaFold到AI协同医生，DeepMind如何构建医疗认知系统），我们拆解了医疗AI的底层逻辑（学霸LLM与莽夫RL的联姻），以及DeepMind如何用AlphaFold铸出"屠龙刀"、用MedPaLM一路杀进模拟诊室。

这一篇的主角，是牌桌上的另一个重量级玩家：Anthropic——2021年由OpenAI前高管创立、以"安全"为立身之本的大模型公司，旗下Claude系列是当今企业级市场渗透率最高的模型之一。

如果说DeepMind的故事是"铸剑"，Anthropic的故事就是"铺水管"。剑要够锋利，水管要够可靠——漏水的水管，比没有水管更危险。

一、起点：一家"安全公司"凭什么碰医疗？

Anthropic的基因和DeepMind几乎相反。

DeepMind的信条是"用AI解科学难题"，先解决智能，再解决安全。

Anthropic从创立第一天起就把"安全"写在公司宪法里——它的核心技术路线叫"宪法AI"（Constitutional AI，通俗说：给AI立一部成文的行为准则，让它在训练中反复对照准则自我修正，而不是等出问题再人工打补丁）。

这套"先安全、后能力"的哲学，放在聊天机器人上可能只是产品特色，放在医疗上却是刚需。因为医疗场景最怕的不是AI不聪明，而是AI"自信地胡说八道"——也就是第一篇讲过的"幻觉"。Claude系列在业界的口碑恰好是两点：

一是相对诚实。Anthropic长期投入"诚实性"研究，让模型更倾向于说"我不确定"，而不是编一个看似合理的答案。对医疗这种"错一个字可能要命"的领域，"知道自己不知道"是比"什么都知道"更稀缺的品质。

二是超长记忆。Claude支持200K（约20万token，粗略相当于一整本长篇小说的文字量）起步的上下文窗口，2026年发布的新一代模型已扩展到100万token。这意味着它可以一次性"吃下"一份完整病历、多份检验报告、加上几十篇相关文献，再做综合研判——这就是"医疗长文本AI"这个说法的由来：别家模型读的是"病历摘要"，它读的是"病历全书"。

用第一篇的L1-L4框架定位：Anthropic的根据地是L1认知智能（读懂并推理医学知识）的极致化，再通过工具调用向L4执行智能（组织复杂任务）延伸。至于L3科学智能（发现生命规律），它选择了一条和DeepMind完全不同的路——这一点是本文的题眼，我们后面展开。

二、关键节点：六个月，两步棋，一次豪赌

Anthropic进入医疗不是一次发布会，而是一组节奏极快的组合拳。把2025年到2026年的时间线拉出来，你能清楚看到一家"通用模型公司"如何一步步变成"医疗AI底座公司"：

第一步：面向科研（2025年10月）。Anthropic发布Claude for Life Sciences（生命科学版Claude），面向药企和科研机构，预置了一批连接器（Connector，可以理解为"数据插头"：让Claude直接读取外部专业数据库，而不是只靠训练时的记忆）：PubMed（全球最大生物医学文献库）、Benchling（实验室研发数据管理平台）、BioRender（科研绘图工具）、10x Genomics（单细胞基因组学数据）等。赛诺菲、诺和诺德、艾伯维等跨国药企成为早期用户。

第二步：面向临床（2026年1月）。在全球医疗投资界最重要的J.P. Morgan医疗健康大会上，Anthropic发布Claude for Healthcare（医疗版Claude），主打医疗机构合规场景：EHR解析（把电子病历系统里格式杂乱的数据读懂、理顺）、临床文档处理、事先授权审核（美国医保流程中最耗人力的环节之一：医生开治疗方案前要先向保险公司申请批准）。合规层面做到HIPAA-ready（HIPAA是美国医疗数据隐私联邦法律；"ready"的意思是：Anthropic愿意签署法定数据保护协议BAA，医疗机构在签署后就可以在合规框架内使用）。同时接入CMS医疗数据库（美国医疗保险和医疗补助服务中心的官方报销与诊疗规范库）、ICD-10（国际疾病分类编码，全球通用的"疾病字典"）等权威数据源。

第三步：买人（2026年4月）。这就是本文开头那笔4亿美元的交易。4月3日，Anthropic以全股票方式收购Coefficient Bio——一家2025年才成立、处于隐身状态、员工不到10人的生物科技公司，没有产品、没有收入，只有一页极简官网。但它的人均估值超过4000万美元，创下AI生物科技领域"人才收购"（acqui-hire，即收购的核心目标是团队而非产品）的纪录。

这支不到10人的团队是什么来头？两位联合创始人出自基因泰克（Genentech，罗氏旗下的传奇药企，全球生物科技的发源地之一）的AI药物研发部门Prescient Design，是这个交叉领域公认的顶级研究者。他们搭建的平台覆盖三件事：药物研发计划制定、临床与监管申报策略管理、新药候选分子探索。

读到这里你可能会问：4亿美元买10个人，疯了吗？放在行业里看就不疯了：全球药企每年研发投入约2500亿美元，单个新药上市平均要花10到15年、10亿到20亿美元；而AI药物研发市场正以年均约30%的速度膨胀。Anthropic买的不是现成产品，而是"把AI推理能力嵌入药物研发全流程"的入场券和操盘手。这笔全股票交易还把团队利益和Anthropic的长期发展绑死——赌的是五年后，不是下个季度。

第四步：工作台（2026年6月）。发布Claude Science（科学版Claude，公测版），一个面向科研工作者的"AI实验台"：原生集成PubMed文献检索、Jupyter（交互式编程分析环境）、R语言（统计计算）、高性能计算集群，并且每一步分析都生成"可审计工件"（auditable artifacts——代码、计算环境、完整对话记录全部留档，任何结果都可复现、可审查）。艾伦研究所、加州大学旧金山分校脑肿瘤中心已是早期用户。

四步走完，Anthropic的医疗版图成形：科研端有Life Sciences和Science，临床端有Healthcare，研发端有Coefficient Bio的顶级团队，再加上2月完成的300亿美元G轮融资（估值3800亿美元）提供的弹药。这不是试水，是全面进场。

三、路线之争：DeepMind造模型，Anthropic造"调用模型的系统"

现在来到本文最核心的分析。同样是做医疗AI，DeepMind和Anthropic的打法几乎是镜像对称的。

DeepMind的打法是"纵深"：自己造科学模型。AlphaFold预测蛋白质结构、AlphaGenome解析基因组——这些L3科学智能的核心资产，DeepMind全部自研、全部自有。

Anthropic的打法是"横向"：不造专业模型，而是让通用大模型学会调用一切专业工具。它的工具生态ToolUniverse汇集了600多个经过验证的科研工具，其中就包括AlphaFold——DeepMind的屠龙刀，在Anthropic的体系里只是工具架上的一件。

哪种路线更强？2026年6月Anthropic官方技术分享中披露的一个案例，给出了很能说明问题的线索：在一项病毒学基准测试（VirBench）中，同一个Claude模型处理生物学数据的准确率，从16.9%跳升到92.8%——靠的不是换成更新更贵的模型，而是给它接上了一个确定性的数据工具（deterministic tool，即输出完全由规则决定、不存在"随机发挥"的传统计算工具）。Anthropic自己总结："可靠的数据集构建，不应该依赖最新或最贵的模型。"

这句话道破了Anthropic路线的精髓：在医疗这种高容错成本领域，可靠性主要来自"脚手架"——工具调用、数据验证、流程审计——而不是模型本身的聪明程度。一个90分聪明但偶尔幻觉的模型，配上可靠的脚手架，比一个98分聪明但裸奔的模型更适合医疗。

这场路线之争还有第三个玩家：OpenAI在2026年4月发布了GPT-Rosalind（专门为生物推理微调的专用模型），采取"窄门"策略——研究预览版只开放给通过资质审核的企业客户，安进、莫德纳、诺和诺德等拿到早期入场券。于是同一个市场出现了三种打法：DeepMind靠"别人没有的自研模型"，OpenAI靠"严选客户的专用模型"，Anthropic靠"向所有人开放的工作流和生态"。谁对？现在下结论为时过早，但这场实验的结果，大概率会定义未来十年AI进入其他垂直行业（法律、金融、工程）的标准姿势。

四、阴影与局限：低幻觉≠无幻觉，水管也会漏

如果这篇文章只写到上面，那就是一篇公关稿。Anthropic在医疗上的挫折，同样值得逐条拆开——因为它暴露的问题，恰恰是全行业的问题。

挫折1：Elsa事件——"低幻觉"招牌的实战翻车

2025年6月，FDA（美国食品药品监督管理局）上线全机构AI助手Elsa，底层正是Claude，部署在经过政府最高安全认证的云环境里，由咨询巨头德勤专门定制。结果一个月后，CNN曝光：Elsa会向FDA审评人员编造不存在的研究文献、歪曲真实研究结论。FDA局长不得不在公开场合承认问题。

注意这件事的讽刺性：以"低幻觉"为金字招牌的模型，在真实监管场景、有专业团队定制优化的情况下，照样幻觉。原因不难理解——幻觉是大模型"预测下一个词"机制的内生属性（第一篇讲过），工程手段可以压低它，但无法归零。Elsa的教训是：当你把AI的输出写进药品审评的行政记录，每一个编造的引用都可能成为日后法律挑战的弹药。

挫折2：政治黑天鹅——六天丢掉整个联邦医疗市场

2026年2月27日，因Anthropic坚持"技术不得用于自主武器和大规模监控"的立场与政府发生冲突，美国总统签署指令，要求所有联邦机构停用Anthropic产品，国防部将其列为"国家安全供应链风险"。几天之内，美国卫生与公众服务部（HHS）全面停用Claude；FDA的Elsa被迫在30天内从Claude切换到Google Gemini——整个检索增强管线（RAG，让AI回答前先查资料库的系统）要重新设计、重新验证。同一份药品申报资料，2月由Claude版的Elsa审、5月由Gemini版的Elsa审，产生的AI分析可能不一致——律师们已经指出，这在法律上足以构成挑战监管决定的理由。

虽然法院随后颁布初步禁令、为该指令的合法性打上问号，Anthropic也在诉讼中反击，白宫还在为其新一代模型重返联邦政府牵线——但伤害已经造成。这件事给所有"押注单一AI供应商"的机构上了一课：模型切换不再是技术问题，而是政治问题。

挫折3：合规远比广告复杂

"HIPAA-ready"不等于"HIPAA合规"。Anthropic的数据保护协议（BAA）只覆盖API和企业版产品；普通消费者用的Claude.ai免费版、个人版、团队版，永远不在合规范围内——不管跑的是哪个模型。医院采购时需要逐层确认：哪个产品层级、哪个数据保留策略、审计链条归谁管。医疗AI的门槛，一半在技术，一半在法务。

挫折4：基准成绩并不耀眼

在OpenAI发布的HealthBench（医疗健康对话基准，由医生制定评分细则，专门测AI在真实医疗咨询中的表现）困难子集上，包括Claude在内的所有通用大模型得分都相当低——早期版本的Claude甚至垫底，最高分的模型也没超过及格线一半。当然，Anthropic的策略本来就不是"裸模型答题"，而是"模型＋工具＋流程"，但这个基准提醒了一件事：单靠大语言模型本身的医学能力，离临床要求还差得远——无论谁家。

五、未来三年：Anthropic的医疗故事看什么？

把进度条往前拨，有三个可观察的坐标：

第一，Coefficient Bio团队的产出。4亿美元买来的人，能不能在Claude for Life Sciences里长出真正的"AI药物研发流水线"？观察指标很直接：未来两年，有没有药企用这套系统把候选分子推进到临床申报阶段。

第二，重返联邦政府的谈判。如果Anthropic新一代模型获准重新进入FDA等机构的工具箱，说明"安全立场"与"政府生意"可以共存；如果谈崩，它在政府医疗市场的份额将被Gemini和ChatGPT实质性瓜分。

第三，"水管模式"能否成为行业标准。当医院、药企、监管机构的AI工作流都长在Claude的连接器、技能包和审计框架上，切换成本就会高到几乎不可能——到那时，模型本身的优劣反而成了次要变量。这正是所有平台公司的终极梦想，也是所有客户最该警惕的锁定风险。

结语：造刀的、铺管的、开窄门的

回看这个系列的三家公司图景，分工正在清晰起来：

DeepMind想把AI炼成一把刀——自研科学模型，从最底层理解生命本身，刀锋直插蛋白质结构和诊室一线。

Anthropic想把AI铺成一套水管——不拥有任何一把刀，但要让所有刀都插在它造的刀架上，让所有数据都流过它铺的管道，可靠、可审计、合规、换不掉。

OpenAI想把AI做成一扇窄门——专用模型、严选客户，在最高价值的场景里做最深的定制。

三种路线没有高下，只有赌注不同。DeepMind赌的是"基础模型的突破速度"，Anthropic赌的是"生态和信任的粘性"，OpenAI赌的是"顶级客户的付费深度"。

而医疗行业真正需要的，可能和第一篇的结论一样：不是任何单一形态，而是这些能力的系统融合——要有AlphaFold这样的"科学智能"去发现规律，也要有Claude这样的"可靠水管"去承载日常，更要有制度和人的判断守住最后的责任线。

唯一确定的是：在这场竞赛里，没有一家公司能只靠"模型更聪明"赢到最后。医疗考验的从来不只是智力，而是信任——而信任，是这个世界上最难被规模化的东西。

AI医疗 · 用最笨的方法做最扎实的内容 本文不构成任何医疗建议。

信源说明

Claude for Life Sciences / Claude for Healthcare / Claude Science：Anthropic官方公告（2025年10月、2026年1月、2026年6月）及TechCrunch等媒体报道

Coefficient Bio收购：The Information、TechCrunch、FierceBiotech、BioSpace等媒体报道（2026年4月），交易细节以公开报道为准

Elsa事件及FDA模型迁移：CNN（2025年7月）、STAT News、NOTUS、POLITICO、Clinical Leader法律分析（2026年2-3月）

HealthBench基准数据：OpenAI HealthBench论文及UK AISI inspect_evals复现结果

VirBench案例：Anthropic官方技术分享（2026年6月），转引自行业媒体报道

融资与估值：Anthropic G轮融资公开报道（2026年2月）

GPT-Rosalind及三家路线对比：TechCrunch（2026年6月）

本文L1-L4分析框架为作者基于公开技术信息的独立分析，承接系列第一、二篇