6 月 30 日，Anthropic 和 OpenAI 同时在 AI4S 赛道投下了各自的筹码。
Anthropic 发布了科研智能体工作台 Claude Science，明确表态 " 不依赖新模型 "，通过工作流整合现有能力来承包科学家的日常研究流程。
OpenAI 推出了 GeneBench-Pro，一套覆盖基因组学、定量生物学等 10 个领域的评测基准，其测试数据显示，在 129 个真实科研 workflow 题目中，即便是最强的 GPT-5.6 Sol，端到端通过率也只有 28.7%。
两家巨头的方向看似不同，但都是基于同一个判断：AI4S 的瓶颈已不是模型不够强，而是模型远未做到真正的端到端。
基于这一共识，Anthropic 的选择是把现有模型装进可扩展的工作台，用工具链和流程弥补模型的不可靠；OpenAI 的选择则是抢先定义 " 什么是科研任务的完成 "，把话语权锁进标准里。
而在此之前，Google DeepMind 已凭借 AlphaFold 等基础模型在 AI+ 科学领域深耕多年，其 Gemini for Science 平台正将专有资产与数据库捆绑，以平台整合的方式切入同一市场。
AI4S 的战局，已经悄然进入 " 巨头生态混战 " 阶段，从模型能力的单点比拼，全面切换到了生态位卡位与工作流整合的战场。
01
AI4S 撞上了一块怎样的 " 天花板 "
为什么三大巨头偏偏在这个时间点，不约而同地把战火烧到 AI4S 的底层基础设施？
开头提到，OpenAI 这次在 GeneBench-Pro 中设计了 129 道题目，完整模拟了真实科研工作流：从原始数据清洗、质控、建模、诊断，一直到得出结论。评分标准是严苛的二元制：只有全部决策正确才算通过。也就是说，哪怕中间分析步骤全对，只要最终结论错了，这道题就是零分。
数据显示，OpenAI 最强的 GPT-5.6 Sol 在 Max 推理设置下的通过率也只有 28.7%，而在非 GPT 模型中表现最强的 Claude Opus 4.8，其通过率仅达到 16.0%。
这说明，模型是能够注意到数据异常，识别出局部诊断信号的，但无法将这一认知转化为下游的方法论调整，做出相应的正确分析决策。注意到了问题，但没有改变行动—— OpenAI 在论文中将这一缺陷，命名为 "notice-act gap"。
" 识别 " 与 " 行动 " 之间的这道鸿沟从何而来？珞米科技创始人兼 CEO 吴昊从技术层面指出，通用大语言模型在生命科学领域存在三重结构性短板：
其一，难以直接理解生物原始数据的特殊结构；
其二，生物学中的许多现象无法简单套用文本的 tokenization 规则，比如基因表达本身具有随机性；
其三，生物学数据中普遍存在大量未知缺失值。
科研成本也是不可忽视的一个因素。GeneBench-Pro 数据显示，单道题的人工专家成本高达数千美元。当模型不可靠时，科研机构不得不继续依赖昂贵的人力。除此之外，生命科学领域也对数据合规有着极其严苛的要求。
这就是混战发生在当下的原因。模型能力触及了 "notice-act gap" 的天花板，堆算力的老路在科研场景里走不通，工程化整合、生态卡位和数据主权，变成了更务实的突破口。三大巨头不约而同的入局，是 " 撞 " 天花板撞出来的必然。
02
同一张牌桌，三种不同打法
在这块天花板面前，三家巨头选择了截然不同的 AI4S 方向，雷峰网注意到，它们都指向同一个终点：成为科学家工作不可或缺的底层基础设施。
Anthropic 的打法最直白。Claude Science 本质上是一个专门的工作台——主 AI 助手像项目经理一样拆分任务，拆解后分发给子助手执行，再由事实核验器交叉验证。它连接了 60 多个科学数据库，预建了基因组学、蛋白质结构和化学等工具包。
吴昊分析指出，其技术实质是通过 MCP 协议调用外部垂直模型（如 scGPT 处理单细胞数据、DNABERT 解析基因序列等）执行具体计算，Claude 自身只承担自然语言理解、任务拆解和结果解读的角色。
这种分工使得 Anthropic 确实无需依赖新模型，也带来了现实优势：一方面避免了通用大模型直接处理生物矩阵时的高昂推理成本；另一方面，垂直模型可以独立迭代，无需等待通用大模型的长周期更新。更重要的是，生命科学领域严格要求数据合规，这种做法能让敏感数据在本地 MCP Server 上处理，无需上传云端。
如果说 Anthropic 的做法，相当于 " 包揽 " 了一整条跑道，那么 OpenAI 的逻辑，就是用 GeneBench-Pro 当裁判，定义 " 什么是好的 AI4S"，再用专用模型 GPT-Rosalind 当运动员，去冲击高分。
除了这次最新发布的 GeneBench-Pro，OpenAI 早在四个月前，就推出了 GPT-Rosalind，这个模型专门做生物推理微调，以研究预览版形式向美国合格企业客户开放，需通过安全审查。
Google DeepMind 则握着独一无二的王牌。它拥有 AlphaFold、AlphaGenome 等基础科学模型，均为自有专有资产，并与 Gemini for Science 深度捆绑，整合 30 多个生命科学数据库。
关键优势在于，其他玩家只能以调用工具的方式接入的模型，在 Google 这里是自家的底层基础设施。或许其他厂商能做一个更好的工作台，或者定义更严苛的基准，但蛋白质结构预测的核心能力在 Google 手里。
在市场打法上，三家巨头的选择也各有不同：
Anthropic 走宽，靠订阅普及化，Pro、Max、Team 和 Enterprise 订阅用户均可使用 Claude Science。值得一提的是，近期 Anthropic 还推出了 $30,000 credits 的资助计划，面向 50 个博士后和研究生项目，申请截止 7 月 15 日，试图在青年科学家成为独立 PI 之前，先把他们锁定在自己的工作台里，让下一代科研人员养成使用 Claude Science 的学术习惯。
OpenAI 走窄，标准公开，允许更多人入局使用，但模型封闭，靠企业门禁建立门槛。
Google 走深，靠专有资产构筑壁垒，模型即平台，越用越深，越深越离不开。
三套打法，其实对应了三种不同的思路和风险。
Anthropic 赌天花板短期撞不穿，先用工程化把工作流铺开，核心风险在于模型突破万一提前到来，或许会沦为只能做排列组合的工具箱。
OpenAI 赌天花板迟早会破，先占住标准等模型能力追上来，但这种 " 自封裁判身份 " 的做法，存在不被科学界买账的可能。
Google 赌天花板之上还有一层——谁掌握了基础模型的源头，谁就永远有牌可打，壁垒确实够高，但生态相对封闭。
三家各有筹码，各有盲区，没有一家拿到了必胜的手牌，但它们都在同一时间窗口里，把自己手上的筹码一次性推上了桌。
目前来看，胜负难以预测，至少头部客户尚未被任何一家锁定：制药巨头 Novo Nordisk 同时出现在 Anthropic（Claude Science 案例客户）和 OpenAI（Rosalind 早期合作伙伴）的名单里。同一家甲方，正在并行试用多家方案，意味着市场还在开放竞争期，没有哪一家的工具链已经强到让科学家愿意把完整 workflow 迁移上去。
AI4S 的终局，大概率不会被任何一家巨头单独决定。当三大玩家在同一天撞上天花板，它们不约而同地选择了入局，但突围的方向还没有共识。真正的答案仍在科学家手中——他们如何在数据主权、学术独立性和研究效率之间取舍，又将信任的一票投给谁。这个答案，可能比任何技术参数都更能决定终局。
有关 AI4S 的更多进展与行业观点，欢迎添加雷峰网作者微信 LorraineSummer 交流讨论。
