[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-anthropic-buys-coefficient-bio-400m-biotech-ai-zh":3,"article-related-anthropic-buys-coefficient-bio-400m-biotech-ai-zh":28,"series-industry-1de1078a-b39d-42af-9afe-4451779a214c":85},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":25,"created_at":26,"published_at":27,"topic_cluster_id":11},"1de1078a-b39d-42af-9afe-4451779a214c","anthropic-buys-coefficient-bio-400m-biotech-ai-zh","Anthropic 花 4 億美元買生技 AI 團隊","\u003Cp>\u003Ca href=\"\u002Fnews\u002Fanthropic-managed-agents-enterprise-ai-work-zh\">Anth\u003C\u002Fa>ropic 傳出砸下 \u003Cstrong>4 億美元\u003C\u002Fstrong>股票，買下\u003Ca href=\"https:\u002F\u002Fwww.coefficient.bio\" target=\"_blank\" rel=\"noopener\">Coefficient Bio\u003C\u002Fa>。這家公司很低調，團隊大約只有 10 人。說真的，這筆錢買的不是人數，是生技領域的實戰經驗。\u003C\u002Fp>\u003Cp>這筆交易先由\u003Ca href=\"https:\u002F\u002Ftheinformation.com\" target=\"_blank\" rel=\"noopener\">The Information\u003C\u002Fa>與\u003Ca href=\"https:\u002F\u002Fx.com\u002Fericnewcomer\" target=\"_blank\" rel=\"noopener\">Eric Newcomer\u003C\u002Fa>披露。Anthropic 今年也推出\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fnews\u002Fclaude-for-life-sciences\" target=\"_blank\" rel=\"noopener\">Claude for Life Sciences\u003C\u002Fa>，現在再把團隊收進來，方向很明確：它想把 Claude 往科學工作流推得更深。\u003C\u002Fp>\u003Cp>這種買法很有意思。你可能會想問，10 個人值 4 億美元嗎？如果這 10 個人懂藥物研發、懂資料管線、懂研究現場，那答案就沒那麼荒謬。講白了，Anthropic 買的是能直接落地的 domain knowledge。\u003C\u002Fp>\u003Ch2>Anthropic 為什麼要買生技人才\u003C\u002Fh2>\u003Cp>Coefficient Bio 不是亂槍打鳥的 AI 新創。它是 Samuel Stanton 和 Nathan C. Frey 共同創辦，兩人都做過 Genentech\u003Ca href=\"https:\u002F\u002Fwww.gene.com\u002Fscience\u002Finnovation\u002Fprescient-design\" target=\"_blank\" rel=\"noopener\">Prescient Design\u003C\u002Fa> 的計算藥物研發。這背景很硬，因為他們不是只會寫 demo，而是碰過真實研發流程。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775822632924-97kl.png\" alt=\"Anthropic 花 4 億美元買生技 AI 團隊\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>生技 AI 跟一般聊天機器人差很多。聊天產品看的是日活和留存，生技產品看的是準確率、可追溯性、和研究人員願不願意拿來做決策。錯一個字，可能只是聊天翻車。錯一個假設，可能整個實驗週期都浪費掉。\u003C\u002Fp>\u003Cp>Anthropic 這步棋也很像在買「進場門票」。在消費級市場，使用者很容易跳槽。今天用 GPT，明天換 Claude，後天又跑去別家。可是在藥廠、研究機構、CRO 這種場景，\u003Ca href=\"\u002Fnews\u002Fact-wisely-tool-use-agentic-multimodal-models-zh\">工具\u003C\u002Fa>一旦嵌進流程，替換成本就高很多。這種黏性，才是大公司最愛的。\u003C\u002Fp>\u003Cul>\u003Cli>傳聞交易金額：\u003Cstrong>4 億美元\u003C\u002Fstrong>\u003C\u002Fli>\u003Cli>團隊規模：約 \u003Cstrong>10 人\u003C\u002Fstrong>\u003C\u002Fli>\u003Cli>公司年紀：約 \u003Cstrong>8 個月\u003C\u002Fstrong>\u003C\u002Fli>\u003Cli>創辦人背景：\u003Cstrong>Genentech Prescient Design\u003C\u002Fstrong>\u003C\u002Fli>\u003Cli>目標市場：\u003Cstrong>生命科學與藥物研發\u003C\u002Fstrong>\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我覺得 Anthropic 不是單純在買公司。它是在買速度。自己從零打造一支懂生技的團隊，可能要花更久，還不一定找得到對的人。直接收購，反而省掉一堆磨合成本。\u003C\u002Fp>\u003Ch2>Claude 進軍生命科學不是偶然\u003C\u002Fh2>\u003Cp>Anthropic 早就把 Claude 的定位往專業工作推了。從寫程式，到企業知識管理，再到生命科學，它一直在找高價值場景。這些場景有一個共通點：資料多、流程長、容錯低。\u003C\u002Fp>\u003Cp>生命科學尤其適合 LLM。研究人員每天要看大量論文，要比對前人做過什麼，也要整理實驗紀錄。這些工作很吃時間，但又不是最核心的創造力。AI 如果能把前處理時間砍掉，研究節奏就會順很多。\u003C\u002Fp>\u003Cp>但別把它想得太神。LLM 不會自己發明新藥。它比較像超強助理，能幫你整理文獻、生成假設、草擬實驗步驟。真正的實驗驗證，還是得靠人和實驗室。這點很重要，不然很容易把 AI 想成萬能神棍。\u003C\u002Fp>\u003Cblockquote>“The future of AI is not about replacing people, it’s about augmenting human capabilities.” — Dario Amodei\u003C\u002Fblockquote>\u003Cp>這句話是 Anthropic 共同創辦人 Dario Amodei 說的。拿來看這筆交易，還蠻貼切的。Anthropic 不是只想做一個更會聊天的模型，它想讓 Claude \u003Ca href=\"\u002Fnews\u002Fsim1-physics-aligned-deformable-worlds-zh\">變成\u003C\u002Fa>研究流程的一部分。\u003C\u002Fp>\u003Cp>而且這種布局也很符合企業市場邏輯。企業客戶不愛花俏功能，他們愛的是可控、可驗證、可整合。生命科學剛好把這三件事都考得很重。\u003C\u002Fp>\u003Ch2>4 億美元到底貴不貴\u003C\u002Fh2>\u003Cp>如果只看人數，4 億美元真的很誇張。10 個人平均攤下來，等於每個人對應 4,000 萬美元的交易價值。當然這不是員工薪資，而是團隊、技術、專業知識和未來整合價值的總和。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775822636204-8wdk.png\" alt=\"Anthropic 花 4 億美元買生技 AI 團隊\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>但如果拿 AI 市場來比，這價格就沒那麼離譜。現在很多 AI 公司不是在買營收，而是在買稀缺能力。特別是生技、醫療、材料這種領域，真正懂流程的人不多。能把模型輸出變成研究工具的人，更少。\u003C\u002Fp>\u003Cp>這裡可以看幾個對照。一般 SaaS 收購常看 ARR 倍數。可是在早期 AI 新創，尤其是沒有公開產品的公司，估值更多看人才密度和未來可整合性。說白了，市場在賭這支團隊值不值得被大模型公司直接收編。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 主打通用模型與企業工具\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fdeepmind.google\" target=\"_blank\" rel=\"noopener\">Google DeepMind\u003C\u002Fa> 長期投入蛋白質與生物研究\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa> 近來把 Claude 往專業工作流推進\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.genentech.com\" target=\"_blank\" rel=\"noopener\">Genentech\u003C\u002Fa> 是這批創辦人的實戰背景來源\u003C\u002Fli>\u003C\u002Ful>\u003Cp>我覺得這筆交易還透露一個訊號：AI 競爭開始從模型分數，轉向垂直場景的整合能力。誰能把模型接進真實工作流，誰就比較有機會留下來。\u003C\u002Fp>\u003Cp>這也不是第一次看到這種劇本。先有通用模型，再有專業化團隊，再來就是大公司出手收購。這套路很老，但現在跑得更快。\u003C\u002Fp>\u003Ch2>生命科學 AI 的產業脈絡\u003C\u002Fh2>\u003Cp>生命科學一直是 AI 最想碰的領域之一。原因很直接：資料量大，單次試驗成本高，錯誤代價也高。只要 AI 能幫忙少走幾次冤枉路，價值就很明顯。\u003C\u002Fp>\u003Cp>台灣開發者可能會覺得，這跟我們有什麼關係？其實關係不小。台灣有不少半導體、醫材、藥廠與研究單位，也有大量資料工程、MLOps、雲端部署需求。AI 不只是在寫程式碼，還會進到研究、製造和法規流程。\u003C\u002Fp>\u003Cp>另一個脈絡是監管。生技和醫療都很重視可追溯性。模型不能亂講，資料來源要清楚，輸出也要能回頭查。這和一般消費級 AI 完全不同。你在聊天 App 裡亂回，最多被罵。你在研究場景裡亂回，可能整個專案都要重來。\u003C\u002Fp>\u003Cp>所以 Anthropic 收 Coefficient Bio，某種程度上是在補齊最後一哩路。模型本身很重要，但懂產業的人更重要。沒有那些人，模型常常只會停在 demo。\u003C\u002Fp>\u003Cp>我也想吐槽一下，現在很多公司都愛講 AI for X。可是真正能把 X 做深的，沒幾家。因為那不是把 prompt 寫漂亮就能解決的事，而是要理解資料、流程、風險、和使用情境。\u003C\u002Fp>\u003Ch2>接下來要看什麼\u003C\u002Fh2>\u003Cp>如果這筆交易真的完成，下一步就很關鍵。Anthropic 會不會把 Coefficient Bio 的 know-how 變成研究人員每天都會用的工具？還是只停在一個很貴的內部團隊？這差很多。\u003C\u002Fp>\u003Cp>我自己的判斷是，接下來 12 個月，會有更多 AI 公司去買小型專業團隊。醫療、化學、材料科學，這幾個領域最容易出現類似交易。因為這些地方的 know-how 太分散，自己慢慢養太慢了。\u003C\u002Fp>\u003Cp>如果 Anthropic 做得好，市場會看到一個很清楚的訊號：AI 競爭不只是看模型誰更強，也看誰更懂產業。對開發者來說，這代表未來的高價值 AI 工作，可能不是做一個通用聊天產品，而是把模型接進某個垂直流程。\u003C\u002Fp>\u003Cp>所以我的問題是，下一波你要做的 AI 專案，會不會也該往垂直場景走？如果你在做資料、工作流、或研究工具，現在真的該認真想想，模型之外還缺什麼。\u003C\u002Fp>","Anthropic 傳出用 4 億美元股票收購 Coefficient Bio，直接把 10 人生技 AI 團隊收進來，瞄準藥物研發與生命科學工作流。","techcrunch.com","https:\u002F\u002Ftechcrunch.com\u002F2026\u002F04\u002F03\u002Fanthropic-buys-biotech-startup-coefficient-bio-in-400m-deal-reports\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775822632924-97kl.png","industry","zh","6933b807-3f8c-4547-a435-22ff3c4ff133",[17,18,19,20,21,22,23,24],"Anthropic","Coefficient Bio","生技AI","Claude","生命科學","藥物研發","AI收購","LLM",4,"2026-04-10T12:03:33.686734+00:00","2026-04-10T12:03:33.618+00:00",{"tags":29,"relatedLang":44,"relatedPosts":48},[30,32,34,36,38,40,41,43],{"name":18,"slug":31},"coefficient-bio",{"name":19,"slug":33},"生技ai",{"name":17,"slug":35},"anthropic",{"name":24,"slug":37},"llm",{"name":20,"slug":39},"claude",{"name":21,"slug":21},{"name":23,"slug":42},"ai收購",{"name":22,"slug":22},{"id":15,"slug":45,"title":46,"language":47},"anthropic-buys-coefficient-bio-400m-biotech-ai-en","Anthropic’s $400M Bet on Biotech AI","en",[49,55,61,67,73,79],{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"e9a0851d-34e0-46c8-8ec0-661de6e628bc","nike-mcdonalds-sneaker-drop-desert-hunt-zh","為什麼 Nike 和 McDonald’s 把球鞋發表做成沙漠尋寶","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780512474179-wpn9.png","2026-06-03T18:47:23.262279+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"c09600da-ac41-403d-b17a-b44c61d4b4c8","hartenstein-knicks-quote-clean-recap-zh","Hartenstein 這句話怎麼拆成乾淨 recap","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780509792468-kdul.png","2026-06-03T18:02:47.679684+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"fbeae011-dff8-4a96-935b-8c85fbbfb95a","why-thunder-should-keep-isaiah-hartenstein-zh","為什麼雷霆應該留下 Isaiah Hartenstein","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780508870211-j7jr.png","2026-06-03T17:47:23.43928+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"6d302c53-10ca-4bba-869d-b3703efe49f3","4-thunder-contract-notes-isaiah-hartenstein-zh","4 個 Hartenstein 合約重點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780507072782-87so.png","2026-06-03T17:17:23.111077+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":13},"d6084857-cf2c-471a-9a1b-da4b49a1c1a3","trumps-voluntary-ai-safety-order-is-too-weak-zh","為什麼川普的自願式 AI 安全命令太弱","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780506173551-djf6.png","2026-06-03T17:02:22.577607+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":13},"a7570dbf-a7da-4afc-905e-371761c3b3d5","backrooms-movie-opens-may-29-in-theaters-zh","《Backrooms》電影 5\u002F29 上映","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780502576692-fidh.png","2026-06-03T16:02:32.641054+00:00",[86,91,96,101,106,111,116,121,126,131],{"id":87,"slug":88,"title":89,"created_at":90},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":92,"slug":93,"title":94,"created_at":95},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":132,"slug":133,"title":134,"created_at":135},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]