Claude开始改写科研的工作方式

Anthropic发布的《Claude-Shaped Science》，把AI辅助科研的讨论推进到了一个更具体的问题：当模型能够写程序、运行分析、组织任务，科学家会不会反过来按照AI的能力重新设计研究方法？

**截至2026年10月2日，讨论这件事需要先分清时间和对象。**补充资料中的DeepTech报道发表于7月1日，介绍的是6月30日发布的Claude Science科研工作台；《Claude-Shaped Science》则是本次讨论的官方文章题目，两者不能直接画等号，也不能把6月底的产品发布写成10月刚发生的新闻。本文以这篇官方文章提出的话题为主线，结合已有产品报道分析科研工作流的变化，不把尚未核实的版本、价格和人员变动当作最新事实。

**Claude-Shaped Science所指向的核心变化，是AI的能力边界开始影响研究流程的组织方式。**过去，科学家确定问题、拆解步骤，再让软件完成计算；现在，一部分原本因为编程成本高、流程太碎而被放弃的分析，可以先交给模型试跑。工具不只加快既定路线，也开始影响研究者选择哪条路线。

这个变化有用，而且可能比一次模型跑分更新更重要。但它离“AI独立做科学”还很远。

科研工作台的价值，首先在于把零散步骤接起来

**Claude Science是补充报道所描述的、面向科学研究任务的AI工作台。**按照DeepTech的报道，它将数据库、编码工具、计算资源和科研流程放到同一工作环境中，产品重点落在模型的使用方式，而不是单独推出一种新的科研模型。

**科研工作流是从研究问题、数据处理到分析和验证的一组可追踪步骤。**一项基因数据分析可能先要核对样本信息，再统一文件格式、处理缺失值、运行统计模型，最后检查图表是否对应正确的样本分组。这些步骤看起来琐碎，却决定了后面的结论是否成立。

**通用聊天助手与科研工作台的差别，主要在于能否持续执行和保存研究过程。**聊天窗口可以给出分析建议，但建议仍要由研究者搬到实际环境中执行。能够访问工具、运行程序并检查输出的系统，则有机会把“你可以这样做”推进到“已经完成这一步，发现了这些异常，下一步需要确认这个条件”。

**Claude Code是Anthropic面向编程任务的智能体工具，也是理解这种工作方式的一条线索。**科学研究中已有大量任务以代码和数据为载体：物理模拟、图像分析、序列处理、统计建模。模型如果能在这些环境里执行任务，就不必先具备一套完整的科学家能力，才能对研究产生实际影响。

**科研工具的好坏，要看它能否交付可检查的中间产物。**一个会讲解统计方法的助手，与一个能够留下输入文件、分析脚本、运行日志和异常记录的助手，价值并不相同。前者帮助理解问题，后者才有机会进入实验室的日常生产流程。

| 研究环节 | 常见人工工作方式 | AI参与后的工作方式 | 应保留的验证依据 | | --- | --- | --- | --- | | 文献整理 | 逐篇阅读并手动记录 | 提取候选证据、整理不同研究的结论 | 原文位置、实验条件、引用来源 | | 数据处理 | 编写脚本并逐项排错 | 生成和执行处理流程、提示异常 | 原始数据、转换规则、质量检查结果 | | 分析探索 | 优先运行少数熟悉的方法 | 尝试多个分析方案并整理差异 | 方法选择理由、参数、失败记录 | | 图表制作 | 修改代码后反复导出 | 用自然语言提出修改并更新程序 | 图表对应的数据、代码和环境 | | 结果审核 | 研究者复查计算与解释 | 自动检查部分引用、数值和一致性 | 独立计算、原始证据、人工判断 |

AI降低的不是科学难度，而是试一次的成本

**AI最直接的科研收益，是减少把一个想法转成可运行分析的成本。**研究者经常不是没有问题，而是暂时没有时间处理一套陌生的数据格式、安装依赖、重写脚本，再解决运行过程中出现的错误。许多值得探索的支线，就在这些环节被搁置了。

**探索成本下降，会改变研究者愿意尝试的问题范围。**例如，一支团队原本只检查一种样本分组方式，现在可能有余力比较不同分组标准、不同异常值规则，以及不同统计方法下结论是否稳定。这里的潜在收益不只是更快完成原任务，而是发现原任务的假设是否过于脆弱。

**敏感性分析是检查结论是否会随合理的假设或参数变化而改变的方法。**它特别适合体现AI的执行价值：人确定哪些变化在科学上合理，模型负责运行、汇总和标记异常。如果一个结果只在某个狭窄参数组合下成立，团队就应该降低对它的信心。

**更多尝试也可能带来更多假阳性。**假阳性是把实际上不存在的效应判断为存在。假设团队围绕同一批数据尝试了20种分析方案，只展示其中最显著的一种，即使每次计算都没有错误，最终叙述仍可能夸大证据强度。这个数字是解释问题的假设场景，并非Claude的实测数据。

**AI参与科研后，记录失败尝试会变得更重要。**如果模型让探索变得便宜，实验记录就必须保存“试过什么、为什么修改、哪些结果没有通过”。否则，研究过程越快，最终论文与真实探索过程之间的距离可能越大。

“像研二学生”能说明可用性，不能替代能力评测

**“相当于研二学生”是一个容易传播、却不适合直接当作性能指标的评价。**补充报道转述，哈佛大学物理学家Matthew Schwartz使用Claude Code开展科学项目，并给出了类似判断。这可以帮助读者理解模型已经能承担部分研究任务，但不足以证明它在不同学科中具有统一的研究生水平。

**科研能力必须拆到具体任务上才能比较。**复现公开代码、清洗数据、发现推导错误、提出可检验假设、解释反常结果，需要的能力并不相同。一个系统能够顺利完成前两项，不意味着它也能可靠完成后面三项。

**现有补充材料不足以支持精确的性能或成本结论。**报道提到早期用户案例，包括艾伦研究所的计算审查流程，以及加州大学旧金山分校团队的胶质瘤相关分析，但所附摘录没有提供统一的任务数量、耗时基线、失败率和总成本。因此，不能据此写出“效率提高几倍”，也不能推导它已经胜过某个竞品。

**开发者评估科研智能体，应统计经过验证的任务成本。**智能体是能够围绕目标调用工具、执行步骤并根据结果继续行动的AI系统。对这样的系统，订阅价格只是费用的一部分；模型用量、计算资源、人工复核和错误返工，都应进入成本账本。

一份看起来完整、最后却需要研究者逐行重做的分析，可能比手工完成更贵。

复现能力，比自动生成漂亮图表更关键

**可重复性是研究者使用相同数据、方法和环境重新得到一致结果的能力。**DeepTech报道提到，Claude Science生成部分科研图形时，会附带相关代码、运行环境说明和对话历史。这种设计方向值得肯定，因为科研交付物必须能够回到产生它的过程。

**对话历史只是复现材料的一部分。**自然语言记录“删除异常样本”，仍然无法回答删除了哪些样本、阈值是什么、规则是否在看到结果后修改。真正可用的记录还要包含数据版本、软件依赖、参数、随机种子，以及每一步产生的文件。

自然语言修改图表，也可能悄悄改变分析含义。“让趋势更明显”可以指调整字体和颜色，也可能被执行成改变坐标范围、移除数据点或增加平滑处理。科研工作台必须让使用者看见这些操作的差别，特别是哪些操作只改变展示，哪些操作改变了证据。

**同一底层模型的自查，应被视为一道辅助检查。**补充报道描述了用于核对引用和计算的事实检查机制，同时指出它使用相同的底层模型。这样的检查可能发现格式错误、数值矛盾或遗漏，但也可能重复生成阶段的错误假设。

**独立验证是通过不同的证据或实现路径检查结论。**引用需要回到论文原文，关键数值需要重新计算，重要发现需要在保留数据、外部样本或后续实验中接受检验。增加一个“审核助手”，并不会自动产生这些独立证据。

工作流智能体与专用科学模型，解决的是不同问题

**专用科学模型是围绕明确科学对象或任务训练的模型。**例如，AlphaFold 3的官方GitHub仓库提供了该模型的代码及使用说明，其任务聚焦于生物分子结构预测。科研工作台则试图组织资料、程序和计算工具，覆盖一项研究中的多个环节。

**Claude式工作流与AlphaFold式专用模型具有互补关系。**前者的优势在于处理任务之间的连接，后者的价值在于完成定义明确、需要专门建模的预测任务。工作台可以帮助准备输入、组织计算和检查结果，但调用了一个科学模型，不代表它已经理解了该模型的全部适用边界。

| 路线 | 代表对象 | 主要解决的问题 | 评估重点 | | --- | --- | --- | --- | | 通用智能体参与科研 | Claude Code及报道中的Claude Science | 任务拆解、程序执行、工具协调、过程记录 | 完成率、错误率、人工复核量、总成本 | | 专用科学模型 | AlphaFold 3 | 明确科学对象上的结构预测 | 预测质量、适用范围、实验验证 | | 人工主导的研究流程 | 研究者与既有科研软件 | 问题选择、方法判断、异常解释 | 证据质量、可重复性、结论稳健性 |

**实验室采购时，应先判断瓶颈在哪一层。**如果时间主要消耗在数据整理和脚本维护上，智能体可能很快产生价值；如果核心困难是预测任务本身缺少可靠模型，增加一层工作台未必能解决；如果瓶颈是实验周期和样本获取，软件提速对总进度的影响还会进一步受限。

科研方法被AI塑造，也需要防止研究问题被工具牵着走

**Claude-Shaped Science值得关注的深层问题，是工具会影响哪些研究更容易被开展。**代码可运行、数据可读取、结果可快速检查的任务，更适合当前智能体介入。缺少数字化资料、依赖现场经验、需要长期实验的方向，则更难获得同样直接的收益。

**这种差异可能改变团队分配注意力的方式。**当一种研究路径可以迅速得到图表和报告，另一种路径需要等待数月，前者自然更容易进入讨论。但“容易被AI执行”和“值得科学家研究”是两套标准，实验室需要主动维持后者的优先级。

**真正有用的落地方式，是把判断节点保留在研究流程里。**对准备引入这类工具的开发者和科研团队，首先值得落实的是四件事：

• 在执行前明确研究问题、成功标准和允许模型自行决定的范围。
• 将数据处理、探索分析和结论验证分别记录，保存每次关键修改。
• 要求重要结论对应具体证据，包括原文、数据、程序输出和验证结果。
• 将人工复核耗时计入评估，比较完成一个可信任务需要的总成本。

**Anthropic这条路线的吸引力，在于它瞄准了科研中大量真实存在的执行摩擦。**科学家确实需要少花时间修脚本、多花时间理解结果。但它能否从好用的助手变成可靠的研究基础设施，最终取决于错误能不能被发现、过程能不能被追踪、结果能不能由别人重新做出来。

AI已经开始影响科学研究怎么做。下一步更值得观察的，是实验室能否在扩大探索范围的同时，把证据标准守住。

参考来源

• DeepTech：Anthropic发布Claude Science，AI开始像研二学生一样做科研：2026年7月1日的中文报道，提供科研工作台、早期使用案例和可重复性设计等信息；文中的产品细节按二手报道引用。
• AlphaFold 3官方GitHub仓库：提供专用科学模型的代码、使用说明及相关研究信息，用于解释结构预测模型与科研工作流工具的区别。

原始主题来源为Anthropic官方文章《Claude-Shaped Science》；依照本文的链接域名限制，参考列表不附其站外链接。