6月30日，Anthropic推出Claude Science。它不是一款新模型，而是一间面向科学家的工作台。

真正让人觉得这件事意外的，并非工具更厉害，而是科研流程头一回被完整打包进同一个界面

以前，研究人员经常得在文献库、分析软件、计算环境之间跑来跑去换，现在，检索、分析、制图、写作，可能就只需要一句自然语言指令就行。

AI真正改变的，不是科学家的能力，而是科学家处理重复劳动的方式。

Claude Science预先设置了超过60个科学数据库，涵盖基因组学、蛋白质结构、化学信息学等方面，系统还设置了主管智能体和审核智能体，分别负责拆分任务和检查结果。

最值得留意的不是它能做什么事，而是它会不会留下证据链，每一张图表都保存着代码、运行环境和对话记录，好让之后能再重现，这刚好就戳中了科研里比较敏感的环节之一。

从E-E-A-T视角来看，这类工具的价值不只是在演示那一块，还要接受真实科研场景的检验，生物信息学研究者就关心它能不能加快文献挑选和数据整理的速度，药物研发团队看重它能不能简化候选化合物筛查中多余的环节，实验室管理者就聚焦在它能不能降低跨平台协作的沟通与适配成本。

科研工具的竞争，已经从“谁更聪明”转向“谁更可复现”。

这也是为什么，早期合作机构的意义很大。艾伦研究所、Manifold Bio等机构已参与测试，说明它不是停留在概念层面的展示，而是开始进入真实科研流程。

更重要的是，Anthropic为科研项目提供算力支持，并且还着重指出，数据会留存于实验室自己的计算环境中，仅必要的上下文会被发送出去，这样的设计，直接便回应了科研人员最为关心的安全和隐私问题。

如果说AlphaFold改变了结构生物学的某个关键环节，这样Claude Science试图改变的是整条工作流。前者解决“怎么预测”，后者解决“怎么把预测变成可用成果”。

真正的分水岭，不是科学家会不会用工具，而是科研流程会不会因此重新组织。

从这个角度看，这类工作台的意义不在于替代研究人员，而在于把高重复、低创造性的工作剥离出去，让人把精力留给判断、验证和发现。

对于科研行业来讲，这也许不只是一次单纯的产品升级，而是一次工作方式的重新组合，将来实验室里最缺少的，也许不再只是算力，而是能够实实在在把流程连接起来的能力。

是不是一个既可以保存完整证据链、又能支持团队一起工作并且还能保证实验能重复的科研工作台，会变成新一代实验室的标准配置