【科技资讯】Anthropic最新博客：生物学Agent的瓶颈不在模型，而在数据基础设施

📝 核心摘要

Anthropic最新博客：生物学Agent的瓶颈不在模型，而在数据基础设施机器之心·2026年06月09日 16:41想让AI Agent做科研，先把数据库重修一遍AnthropicC+轮海外2019-02人工智能安全和研究公司36氪报道前沿技术我要联系
当前，Coding Agents 在软件工程领域一路高歌猛进，科学家们看到此场景，也不禁寄予厚望：AI 智能体何时能以同样的速度，帮人类攻克药物设计、病毒监控与生物学建模的重重难关？
然而，一个残酷的现实是，AI 在生物学领域的发展要比编程领域慢得多……
近日，Anthropic 发表了一篇新科学博客 ——《为生物学智能体铺平道路》（Paving the way for agents in biology），文章指出：阻碍生物学 AI Agent 爆发的瓶颈，根本不在于大模型底座的推理能力不够强，而在于人类现有的生物学数据基础设施实在是太落后了。
因此，如果希望 AI Agent 真正参与生物学研究，生物数据基础设施必须变得更适合 Agent 使用。

这篇文章由 Laura Luebbert 撰写，她是一位生物学家与机器学习研究员。

有意思的是，Laura Luebbert 透露，这篇博客是在 Karpathy 官宣加入 Anthropic 之前一周就完成的，因为文中部分内容涉及 Karpathy ，还担心 Anthropic 会不会觉得这篇「Karpathy 味」太重。没想到的是，就在她把初稿发给 Anthropic 的同一天，他们就官宣了……

下面，我们就来详细看一下，这篇文章是如何分析的？
现有生物数据基础设施，对 Agent 来说太难走了
作者用了一个很有意思的类比，让 AI Agent 去操作生物数据基础设施，有点像开车穿过一座在汽车出现前就建好的老城：这座城市也许很美，规划也有其用心之处，但里面到处是狭窄、曲折的街道，现代车辆难以顺畅通行。对应到生物数据领域，就是各种特有的文件格式、分散的数据库，以及一次性的检索脚本。
当然，你也可以试着给这座城市补上交通标志、停车场，甚至偶尔拓宽几条道路，但它最基本的布局仍然难以通行，原因在于它原本就是为另一种交通方式设计的。
相比之下，软件基础设施几乎天然就适合「汽车」，也就是 Agent 使用：铺好的道路、清晰的车道、标准化信号，以及支持从起点到终点快速通…

🔗 阅读原文

👉 Anthropic最新博客：生物学Agent的瓶颈不在模型，而在数据基础设施

🏷️ 标签：数据要素

本文由科普头条 AI 自动采集发布，内容仅代表作者观点