人工智能公司Anthropic近期正式发布面向全球科研群体的专用AI工具Claude Science，该产品并非全新迭代的大语言模型，而是整合多类科研资源的统一工作台，可帮助科研人员省去在不同数据库、计算管线、分析工具间反复切换的繁琐流程，大幅降低计算类科研工作的操作成本，目前已面向公立科研机构开放优先试用申请。
对于计算类科研方向的从业者而言，工具切换的繁琐一直是影响效率的核心痛点：做一组基因测序数据分析，要先在学术数据库下载原始数据，跳转到代码编辑器跑预处理脚本，再导出到专门的统计工具做分析，全程至少要打开4到6款不同软件，光是格式适配就要耗费近3成的项目时间。
近两年，各大AI厂商都在押注科研垂直场景，先后推出了多款经过科研文献、专业代码预训练的垂直大模型，但这些产品大多停留在单点能力输出层面：要么只能做文献问答，要么只能生成特定领域的计算代码，始终没有打通科研工作的全链路。
第三方调研显示，超过72%的计算类科研人员日均要切换至少5款不同工具完成同一研究项目，数据在不同软件间传输的过程中，还经常出现丢失、格式错误等问题，反而给科研工作增加了额外负担。
和行业普遍的思路不同，Anthropic这次并没有推出参数更高、基准测试得分更好的全新Claude基础模型，而是基于现有的Claude 3 Opus模型能力，打造了一个覆盖完整科研流程的统一工作台。
据介绍，Claude Science底层已经打通了arXiv、PubMed等主流学术数据库，以及PyTorch、TensorFlow等常用计算框架的接口，用户可以在同一个界面内完成文献检索、数据清洗、计算管线生成、结果可视化的全流程操作，不需要再手动做不同工具之间的接口适配，也不必担心跨平台的数据兼容性问题。
Anthropic负责科研产品线的负责人表示，科研用户对AI的核心需求从来不是“能回答更难的问题”，而是“能减少不必要的重复劳动”，流程优化带来的效率提升，远比单纯的模型参数升级更有感知。
Claude Science的推出，也给整个AI行业的垂直场景竞争提供了新的方向。此前很长一段时间，AI厂商的竞争都集中在基础模型层面，拼参数规模、拼公开基准测试的得分，但对于很多垂直领域的用户而言，基础模型的能力已经出现了明显的“过剩”，普通人根本用不到千亿参数模型的全部能力。
接下来，垂直领域AI产品的竞争核心，将会从单纯的模型能力转向工作流整合能力：谁能把AI能力和垂直领域的常用工具、常用流程结合得更好，谁能给用户提供“开箱即用”的完整解决方案，谁就能在垂直赛道占据优势。
目前Claude Science已经面向全球公立科研机构开放了优先试用通道，后续还会推出适配工业界研发团队的付费版本。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号