Anthropic 花 4 億美元買生技 AI 團隊
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。
Anthropic 傳出砸下 4 億美元股票，買下Coefficient Bio。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。
這筆交易先由The Information與Eric Newcomer披露。Anthropic 今年也推出Claude for Life Sciences，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。
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。
Anthropic 為什麼要買生技人才
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
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 GenentechPrescient Design 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。
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。
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，工具一旦嵌進流程，替換成本就高很多。這種黏性，才是大公司最愛的。
- 傳聞交易金額：4 億美元
- 團隊規模：約 10 人
- 公司年紀：約 8 個月
- 創辦人背景：Genentech Prescient Design
- 目標市場：生命科學與藥物研發
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。
Claude 進軍生命科學不是偶然
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。
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。
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。
“The future of AI is not about replacing people, it’s about augmenting human capabilities.” — Dario Amodei
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 變成研究流程的一部分。
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。
4 億美元到底貴不貴
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。
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。
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。
- OpenAI 主打通用模型與企業工具
- Google DeepMind 長期投入蛋白質與生物研究
- Anthropic 近來把 Claude 往專業工作流推進
- Genentech 是這批創辦人的實戰背景來源
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。
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。
生命科學 AI 的產業脈絡
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。
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。
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。
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。
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。
接下來要看什麼
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。
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。
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。
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。