SandboxAQ接入Claude实现无代码药物研发模型应用

药物研发，堪称现代工业里代价最为高昂的领域之一。找到一个有希望的候选分子，动辄需要投入十年光阴和数十亿美元，而绝大多数尝试最终仍以失败告终。过去几年，一波又一波的AI初创公司都承诺要碘伏这个行业，但它们推出的工具，大多只是让本就具备深厚技术背景的研究人员工作起来稍微顺手了一些。

然而，在SandboxAQ看来，问题的关键瓶颈或许并不在于模型能力本身，而在于谁能用、怎么用。这家公司最近与Anthropic合作，将其核心的科学AI模型直接集成到了Claude对话界面中。这意味着，那些强大的药物研发和材料科学工具，现在可以通过最自然的对话方式来调用，用户不再需要自己搭建任何专业的计算基础设施。

SandboxAQ大约五年前从Alphabet拆分出来独立运营，公司董事长是谷歌前CEO埃里克·施密特。截至目前，它已从投资者那里筹集了超过9.5亿美元，业务线也拓展到多个方向，其中就包括网络安全。但最引人注目的，还是其“大型定量模型”业务。

所谓大型定量模型，是SandboxAQ的专有模型。它们的独特之处在于，其构建基础是“物理规律”——也就是说，模型是基于现实世界的物理法则和科学方程式来训练的，而不是像普通大语言模型那样，依赖于海量文本数据的统计规律。这类模型能够执行量子化学计算，并模拟分子动力学乃至微观动力学，后者专门研究化学反应在分子层面是如何一步步发生的。这种能力至关重要，因为它可以在科研人员走进实验室、投入真金白银之前，就预测出候选分子在真实环境里可能的表现。

用公司自己的话说：“LQM在真实实验室数据和科学方程式上训练，是专为‘定量经济’设计的AI模型。这个经济领域的规模超过50万亿美元，横跨生物制药、金融服务、能源和先进材料等行业。”这番话清晰地划定了赛道：SandboxAQ瞄准的，不是再造一个聊天机器人或代码助手，而是AI技术原本最该去改造的那个庞大实体经济领域。

当下，像Chai Discovery和Isomorphic Labs这样获得巨额融资的玩家，正将重心放在科学模型本身的突破上。而SandboxAQ则把目光投向了另一端：如何让这些高深莫测的模型，真正被需要它们的人用起来。

“这是第一次，有人能够通过自然语言，直接使用前沿定量模型与前沿大语言模型的组合能力。”SandboxAQ AI仿真业务总经理纳迪亚·哈尔亨这样描述此次合作的意义。在此之前，用户如果想运行SandboxAQ的LQM，还必须自己搞定一整套数字基础设施，这无疑将许多潜在使用者挡在了门外。

那么，究竟是谁在用这些工具？SandboxAQ的客户主要是来自大型制药公司或工业企业里的计算科学家、研究科学家或实验科学家。他们的日常工作，就是寻找那些有潜力转化为商业产品的新材料或新分子。

“客户找到我们，往往是因为他们已经试遍了市面上其他所有软件，但问题的复杂程度超出了那些工具的能力边界。”哈尔亨解释道，“在试图将研究结果转化为现实世界的应用时，他们要么走不通，要么得不到正向的结果。”

Q&A

为了更清晰地理解SandboxAQ的定位与价值，下面我们以问答形式梳理几个关键点。

Q1：SandboxAQ的大型定量模型与普通大语言模型有什么区别？

核心区别在于构建基础与应用场景。LQM是以物理规律为基础构建的专有模型，依托真实实验室数据和科学方程式进行训练，能够执行量子化学计算、模拟分子动力学和微观动力学，从而预测候选分子在真实物理世界中的行为。而普通大语言模型主要基于文本数据的统计规律，擅长语言理解、生成和推理任务，但并不具备对物理世界进行定量计算和模拟的能力。两者的定位有本质差异。

Q2：SandboxAQ与Anthropic合作将模型接入Claude，对用户来说有什么实际意义？

最直接的意义是大幅降低了使用门槛。此前，用户需要自行搭建和维护专业的数字基础设施才能运行LQM；接入Claude后，用户只需通过自然语言对话即可调用这些强大的科学模型，无需具备专业的计算技术或编程背景。这相当于为更多一线科研人员打开了一扇门，让他们能直接上手使用原本高不可攀的工具。

Q3：SandboxAQ的目标客户是哪些人？他们为什么会选择这家公司的工具？

主要客户是供职于大型制药公司或工业企业的计算科学家、研究科学家和实验科学家。他们通常面对的是极其复杂的科学问题，比如设计一种具有特定性质的新材料。这些客户往往是在尝试了市面上其他所有软件却无法解决问题之后，才转向SandboxAQ。因为其他工具在面对如此高复杂度的问题，尤其是在需要将理论研究结果落地为真实世界应用时，常常力不从心。