[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-anthropic-buys-coefficient-bio-400m-biotech-ai-zh":3,"tags-anthropic-buys-coefficient-bio-400m-biotech-ai-zh":33,"related-lang-anthropic-buys-coefficient-bio-400m-biotech-ai-zh":48,"related-posts-anthropic-buys-coefficient-bio-400m-biotech-ai-zh":52,"series-industry-1de1078a-b39d-42af-9afe-4451779a214c":89},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":11,"published_at":25,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":32,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":23},"1de1078a-b39d-42af-9afe-4451779a214c","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",[13,14,15,16,17,18,19,20],"Anthropic","Coefficient Bio","生技AI","Claude","生命科學","藥物研發","AI收購","LLM","zh",1,false,"2026-04-10T12:03:33.686734+00:00","2026-04-10T12:03:33.618+00:00","done","4e913003-1c37-4f28-bf87-49e59d84eb2a","anthropic-buys-coefficient-bio-400m-biotech-ai-zh","industry","6933b807-3f8c-4547-a435-22ff3c4ff133","published","2026-04-11T09:00:07.859+00:00",[34,36,38,40,42,44,45,47],{"name":14,"slug":35},"coefficient-bio",{"name":15,"slug":37},"生技ai",{"name":13,"slug":39},"anthropic",{"name":20,"slug":41},"llm",{"name":16,"slug":43},"claude",{"name":17,"slug":17},{"name":19,"slug":46},"ai收購",{"name":18,"slug":18},{"id":30,"slug":49,"title":50,"language":51},"anthropic-buys-coefficient-bio-400m-biotech-ai-en","Anthropic’s $400M Bet on Biotech AI","en",[53,59,65,71,77,83],{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":29},"c3b45aac-c24c-4c09-9e95-73ff729d9a62","why-ai-infrastructure-is-now-the-real-moat-zh","為什麼 AI 基礎設施才是真正的護城河","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778875851377-xatg.png","2026-05-15T20:10:37.227561+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":29},"cd078ce9-0a92-485a-b428-2f5523250a19","circles-agent-stack-targets-machine-speed-payments-zh","Circle 推出 Agent Stack，瞄準機器速度支付","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778871663628-uyk5.png","2026-05-15T19:00:44.16849+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":29},"96d96399-f674-4269-997a-cddfc34291a0","iren-signs-nvidia-ai-infrastructure-pact-zh","IREN 綁上 Nvidia AI 基建","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778871057561-bukp.png","2026-05-15T18:50:37.57206+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":29},"de12a36e-52f9-4bca-8deb-a41cf974ffd9","circle-agent-stack-ai-payments-zh","Circle 推出 Agent Stack 做 AI 付款","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778870462187-t9xv.png","2026-05-15T18:40:30.945394+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":29},"e6379f8a-3305-4862-bd15-1192d3247841","why-nebius-ai-pivot-is-more-real-than-hype-zh","為什麼 Nebius 的 AI 轉型比炒作更真實","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778823044520-9mfz.png","2026-05-15T05:30:24.978992+00:00",{"id":84,"slug":85,"title":86,"cover_image":87,"image_url":87,"created_at":88,"category":29},"66c4e357-d84d-43ef-a2e7-120c4609e98e","nvidia-backs-corning-factories-with-billions-zh","Nvidia 出資 Corning 工廠擴產","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778822450270-trdb.png","2026-05-15T05:20:27.701475+00:00",[90,95,100,105,110,115,120,125,130,135],{"id":91,"slug":92,"title":93,"created_at":94},"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":96,"slug":97,"title":98,"created_at":99},"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":101,"slug":102,"title":103,"created_at":104},"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":106,"slug":107,"title":108,"created_at":109},"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":111,"slug":112,"title":113,"created_at":114},"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":116,"slug":117,"title":118,"created_at":119},"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":121,"slug":122,"title":123,"created_at":124},"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":126,"slug":127,"title":128,"created_at":129},"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":131,"slug":132,"title":133,"created_at":134},"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":136,"slug":137,"title":138,"created_at":139},"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"]