阿凡达

Claude成功设计出蛋白质 人类距离“攻克大部分疾病” 还有多远？_我的网站

A |     AI工具正在生物医学领域攻城略地，这次大出风头的是Claude。     2026年8月18日，Anthropic宣布：他们使用自家的Claude模型，从头设计了一批自然界从未出现过的蛋白质。[1]     他们还用设计出的蛋白质，拼出了公司名字“ANTHROPIC”，而且是一个动态演示，就像这样——          图源丨Anthropic官网，如果看不到动画，可单击放大查看     联想到上周末，公司创始人Dario Amodei 刚在X上放出豪言，有了 AI 助力，人类有望在5-10年内攻克大部分疾病。[2]     这才过了几天，难道这么快就开始兑现预言了吗？     要回答这个问题，得先问几个问题：Claude到底做了啥？这个成绩算什么水平？离药还有多远？为什么AI公司都盯上了这块蛋糕？AI设计的蛋白质，安全吗？Amodei是不是在吹牛？     一、Claude到底是怎么做到的？说到蛋白质和AI，多数人第一个想到的是谷歌旗下的AlphaFold。来自AlphaFold的科学家戴密斯·哈萨比斯（Demis Hassabis）、约翰·江珀（John Michael Jumper），因为使用AI解析和预测蛋白质结构，拿下了2024年的诺贝尔化学奖。    同样和他们分享诺奖的另一个人，是戴维·贝克（David Baker），他的研究方向刚好相反，是从头设计蛋白质。    10月20日晚，锂电龙头宁德时代发布2025年第三季度财报。从数字上看，这是一份“好看”的财报，但仔细拆解，会发现一些不寻常的信号。                   一面是利润继续增长：第三季度归母净利润达到185.5亿元，同比增长41.2%，相当于平均每天净赚2.1亿元。                   另一面，营收增速远低于利润增速：第三季度营收1041.9亿元，同比增长12.9%。

B |                    对比宁德时代今年前三季度的营收和利润，差距更大：营收2830.7亿元，同比增速只有9.3%，而归母净利润490.3亿元，同比增速达到36.2%。    而Claude这次做的工作，就和贝克类似。要的是创造，零帧起手，反推出一条自然界没有的结构，难度更高。

C |                    更关键的是，在行业装车量增速高达42.5%的背景下，作为全球龙头的宁德时代，为什么跑输了大盘？                    很多人会说，这是行业周期、价格战、竞争加剧。但这些恐怕都是表象。真正的问题在于：宁德时代的技术优势，为什么没有持续转化为市场增长？                    说到底，这不是能力问题，是位置问题。富士康也是技术龙头，但同样无法掌控终端市场、无法定义产品标准。    Claude设计的产物，严格来说应该叫“蛋白质结合剂”（protein binder），作用是：用新蛋白质，结合已有蛋白质。

D |     不过，也不要把Claude想得太神了。宁德时代技术领先、规模第一，但它是供应商——技术再好，也受制于客户。

E | 它只是一个很强的大语言模型，不是万能的哆啦A梦。                   在产业链里，定义标准的人，比执行标准的人更有话语权。这或许就是供应商的天花板。                   利润狂飙、营收失速，“宁王”怎么了？                    宁德时代这份Q3财报，最值得关注的地方在于，净利润增速远高于收入增速：                    第三季度归母净利润185.5亿元，同比增长41.2%。单看这个数字，似乎还不错。在这次设计蛋白质的实验中，它更像一个赛博科学家，善于驱遣各种科研工具，做成一个装配流水线。    简单来说，Claude设计出蛋白质，经历了以下步骤[3]：     1. 选靶点。但对比营收增速(12.9%)，就会发现：利润增速是它的3倍多。

F |                    前三季度归母净利润（490.3亿元）同比增速达36.2%，更是营收（2830.7亿元）同比增速（9.3%）的4倍左右。                             这意味着，利润增长主要不是靠“卖得更多”，而是靠别的。Anthropic研究人员拟定了一个16000个单词的提示协议，包含设计蛋白质所需的所有经验知识，然后把它喂给Claude的两个版本：Opus 4.8和Mythos Preview，让这两款模型就16个靶点展开内部赛马，耗时24-48小时，筛出15个靶点蛋白质，并确定了靶点的结合表位；     2. 生成结构。基于15个蛋白质靶点，生成结合剂主链结构；     3. 生成序列。

G | 那利润从哪来？                    翻看财报，会发现三个地方在“贡献”利润。                   首先是原材料价格下降带来的毛利率改善。                   制造动力电池的碳酸锂价格从2022年的高点回落，宁德时代的成本压力跟着减轻。

H | 基于主链结构，把结构反推成具体的氨基酸序列；     4. 进行筛选。

I | 对候选序列做评估打分，并进行多轮优化，挑出最有希望成功的蛋白质。从历史数据看，它的毛利率从2022年的20.3%提升到了2023年的22.9%。

J |     最终，针对这15个蛋白靶点，Claude生成了1320个设计。

K |                    从最新财报来看，宁德时代2025年前三季度的毛利率为25.3%，相比2024年同期又高了0.34个百分点。别小看这0.34个百分点，在行业价格战的背景下，宁德时代能保持毛利率稳定甚至略有提升，说明成本控制能力在增强。

L |          AI从头设计蛋白质的流程，图丨九叶刀使用AI制作     Claude能做的事情到此为止。                   其次是利息收入增加了。

M |     接下来，Anthropic的研究人员把设计出来的序列，送到了两家独立的第三方湿实验平台（瑞士Adaptyv Bio和美国Twist Bioscience）进行实地检测。

N |     二、和人类专家比，Claude水平咋样？无论是AI还是人类科学家，只要做的是设计，首先要面对的是蛋白质的汪洋大海。

o |                    宁德时代账上趴着3600多亿现金和理财产品，相当于前三季度净利润的7.5倍。这些钱光是利息，就是一笔不小的收入。

p |                    财报显示，宁德时代前三季度的财务费用为“-70亿元”，负数表示净收益，而去年同期的数字是“-29亿元”，这主要是利息净收入增加带来的。

q |     这“汪洋大海”的规模，要多大有多大。    蛋白质的基础原料是氨基酸，生命编码用的标准氨基酸有20种，通过α螺旋、β折叠和β转角等方式，最终组成蛋白质。    一段只有100个氨基酸的蛋白，可能的序列组合可能性为20100种，大约10130种。    宇宙里所有原子的总数，估计也就1080个。    也就是说，一个包含100个氨基酸的序列，可能组成的蛋白质种类，比全宇宙的原子还多几十个数量级。         氨基酸排列的无数可能，图丨九叶刀使用AI制作     在这片天文数字级别的序列海洋里，能稳定折叠成有用结构的，只是极小一撮。

r | 也就是说，光靠利息收入，宁德时代就多赚了40多亿。                   第三是投资收益涨了。                   宁德时代前三季度的投资收益是52.4亿元，比去年同期多出了21亿元。自然界实际存在的蛋白质折叠类型，加起来大约1000-2000种。

s | 这主要是因为宁德时代参股的公司业绩好了，相应增加了投资收益。

t |                    所以，宁德时代的净利润增长，主要靠的是成本下降、利息收入、投资收益，而不是业务扩张。                   而收入端的增速明显慢下来了。绝大多数随机序列根本不会折叠，要么成团乱麻，要么碎成渣渣。    从头设计，就好比在这个比宇宙还辽阔的空间里做逆向搜索，给你想要的功能和形状，让AI反推那条氨基酸序列。    Claude不是第一个吃螃蟹的。二十多年来，人们一直在研究从头设计蛋白质。                   宁德时代的业务，主要分为两块：动力电池和储能电池。

u | 贝克实验室是这条路上最早也最执着的探路者。动力电池占营收的七成左右，是核心业务。         根据中国汽车动力电池产业创新联盟的数据，2025年前三季度，中国动力电池行业的装车量同比增长42.5%。                   粗略地做个对比：行业在以42.5%的速度狂奔，宁德时代只跑了6.8%。2003年，他们做出了Top7，这是第一个自然界里不存在的全新折叠结构，证明来从头设计这事确实可行。但当时做这一个结构，就要消耗大量计算资源，离实用差得远。                   为什么会有这么大差距？其主要原因是，它在动力电池市场的份额在下滑。[4]     之后的十几年，整个领域都因为低命中率而苦苦挣扎。

v | 传统从头设计结合剂，成功率大概为10%-15%，一个靶点磨上几个月是常态。                   2025年9月，宁德时代在中国市场的装车量为32.51 GWh，占行业总量76.0 GWh的42.8%。

w |     2017年，贝克实验室在《自然》杂志上发表的迷你蛋白库，2万多个设计里，高亲和力结合剂命中率为11.6%[5]。    同年，该实验室的Rocklin 等人在《科学》杂志上做了更大规模的折叠测试，首轮成功率只有个位数百分比，而且不同结构之间差距悬殊，螺旋结构简单，成功率好歹能到23%，但某些混合结构直接归零。[6]     也就是说，在这片比宇宙还大的搜索空间里，人类专家拿着最好的工具，命中的概率百分比，经常也只有个位数。从季度趋势看，2025年第三季度整体市占率为41.7%，较第一季度的44.9%、第二季度的42.6%继续下滑，创5年来新低。    这就是Claude出手之前的状态。                   虽然9月单月数据因为是销售旺季，与Q3季度数据相比略有反弹，但这两个数据相比2024年全年的45.2%（CarNewsChina），都反映出一点：宁德时代依然保持行业第一，但份额在下降，而且这不是偶然的波动。                   要知道，2020年～2021年，宁德时代曾连续两年保持50%左右的市场份额。这意味着，行业增长的蛋糕，宁德时代分到的比例在变少。     Claude这次设计尝试，最吸引人的就是人机成绩的鲜明对比。    同期的人类专家竞赛里，RBX1这个靶点，人类选手的命中率只有3.7%，Claude单靶点做到了40%，它最优的设计，还超越了人类冠军。                   其次是储能业务的拖累。                   宁德时代的储能业务被资本市场寄予厚望，但当前还处于“爬坡过坎”的阶段，这个业务2024年和2025年上半年的收入都出现了负增长。                   储能市场的竞争比动力电池更激烈，价格战更残酷。而且，市场化程度低于动力电池，很多项目依赖政策补贴，盈利模式还不清晰。    它也啃下了公认难搞的硬骨头：TNFα。                   到这里，答案就清晰了：宁德时代的利润在涨，但动力电池业务跑输大盘，储能业务负增长，整体增长遇到了瓶颈。它是修美乐等重磅药物的作用靶点，结合位点藏在两个蛋白拷贝拼出来的凹槽里，设计难度极大。                   供应商的天花板，强大却没有话语权                    在行业高速增长的时候，宁德时代为什么反而慢下来了？                    要回答这个问题，得跳出财报数字，看看宁德时代在产业链里处于什么位置。Opus 4.8把它搞定了，但整体能力更强的Mythos Preview反而没成功。Anthropic由此也得出结论，蛋白设计已经非常精专，但更强的模型仍有可能在某个具体结构上失手。

x |     不过Claude成功和栽跟头都没啥规律。                   我们先从一个市值对比说起。一个MBP靶点，90个设计，一个都没结合成功。截至目前，特斯拉的市值是1.49万亿美元，宁德时代港股市值是2.48万亿港币（约3180亿美元）。特斯拉的市值，几乎是宁德时代的5倍。这个蛋白又大又软，表面光滑亲水，结合剂无处下手。                   这个差距合理吗？从技术角度看，宁德时代的电池技术并不比特斯拉差。

y | 麒麟电池的能量密度达到255Wh/kg，神行超充可以做到“充电10分钟，续航400公里”，凝聚态电池的能量密度更是达到了500Wh/kg的实验室水平。而特斯拉的4680电池，从技术指标上看，并没有明显优势。                   为什么市场给特斯拉的估值更高？差距不在技术，而是产业链位置。                   特斯拉掌控的是整个产业链：从电池到整车，从软件到服务，从充电网络到自动驾驶。

z | 它不仅生产电动车，还定义了什么是“好的电动车”。

| 但公认难做的β折叠结构，它反而做出来了。

| 4680电池、超级充电网络、FSD自动驾驶系统，这些都是特斯拉定义的标准。

|                    而宁德时代是给车企供应电池的厂商。    另外，大部分计算设计的结合剂都是α螺旋束，就是几根螺旋拧在一起。它的技术领先，但无法主导产业链节奏。麒麟电池、神行超充研发出来后，能不能装车、装多少车、什么时候装车，还需要客户“点头”，配合车企的新车开发和改款周期。β折叠那种扁平带状结构更难做对，容易错折叠。这次Claude在6个靶点上产出了15个含β折叠结构的结合剂，说明它的结构推理能力不止于最简单的套路。                   这就是定义标准和执行标准的差距。         一种名为SUMO-1蛋白的二级结构图，其中，红色结构是α螺旋，蓝色结构是β折叠，图源丨参考文献[11]     总结一下，15个靶点中，有14个给出了能结合的蛋白；一轮设计下来，命中率22%-35%，行业通常只有10%-15%；每个靶点两天内出结果，过去靠计算专家手工编排，要几周的时间。宁德时代所处的供应商这个角色本身，就有一些很难突破的限制。                   先看下游。过去几年，车企对宁德时代的依赖度的确很高。    在比宇宙原子还多的搜索空间里，把命中率从百分之一二拉升至百分之二三十，把时间从几周压缩到两天，这个进步的确值得赞叹。但车企都在用一些方式，比如“多元化采购”和自研电池，降低这种依赖。

|                    电池占整车成本的30%～40%，如果车企长期依赖某一家供应商，就意味着成本、技术、供应全都受制于人。                   蔚来CEO李斌曾公开算过一笔账：电池占整车成本近40%，以20%的毛利率来算，蔚来如果自己造电池，就能多出约8个点的毛利。                   这笔账，其他车企也会算。    但设计结合剂，只是药物开发的第一步。                   所以，有能力的车企都在引入二供、三供，甚至自研电池。特斯拉一边从宁德时代采购磷酸铁锂电池，一边从LG新能源、松下采购三元锂电池，同时还大力推进自研的4680电池。大众除了从宁德时代采购电池，投资了国轩高科，还在欧洲自建电池工厂。后续的可制造性、稳定性、毒理、剂量、临床试验、监管审批，仍然需要人类完成。到今天为止，还没有一款用AI从头设计的蛋白类药物成功上市。理想、小鹏、蔚来也是一样，除了合作宁德时代，都在积极引入欣旺达、中创新航、亿纬锂能，以及自研电池。    而且，这次Anthropic只是秀了秀Claude的技术肌肉，断然不会下场做湿实验，也不涉足实际管线，不分析疾病数据，更不会自造底层科学模型，反正专业开源工具已经足够。    三、从蛋白质到药物，还有多远？很多媒体在讨论Claude设计蛋白质的时候，忽略了一个问题：蛋白质是蛋白质，药是药，它们之间到底是什么关系。                   再看上游。碳酸锂价格在过去几年剧烈波动，给电池厂都带来了成本压力。    简单地说，现代药物大致分三类：     化学药，也就是小分子药物，比如阿司匹林、布洛芬；     生物药，用生物体生产的蛋白质、核酸或多糖类药物，比如胰岛素、各种单抗、疫苗；     核药，利用放射性同位素杀伤肿瘤的新型药物。    蛋白药的地位有多重要呢？很多生物药本身就是蛋白质。

| 我们小时候打过的乙肝疫苗，起作用的成分之一，就是重组蛋白；治疗癌症的热门药物PD-1抑制剂，本质也是蛋白质；这几年很火的ADC（抗体偶联药物），抗体部分也是蛋白质。    所以，Claude设计出蛋白质结合剂，确实是AI迈出了一大步，但对AI制药来说，仍是微不足道的一小步。宁德时代作为龙头，一样很难把价格压力完全、快速地传导给下游车企。         从蛋白质设计，到生物药，Claude只完成了第一步，后面的工作流程还很长，图丨九叶刀使用AI制作     因为设计一组自然界并不存在的蛋白质，不等于一夕之间就能直接拿来治病。

|     一款新药从发现到上市，平均10-15年，花10亿-20亿美元。                   这就导致宁德时代的毛利率，在原材料价格上涨时承压明显，在原材料价格回落时才有所修复。临床试验和FDA审批这些必需流程，AI都搞不定；阿尔茨海默、多数癌症、自身免疫病、衰老，这些也是公认难攻克的问题，历史上相关蛋白药失败案例，更是数不胜数。利润空间高度依赖外部因素，说明它对产业链的掌控力还不够强。    AI可能会让新药发现效率提高100倍，但无法让药物上市速度快100倍。

|     有意思的是，虽然Amodei豪言人类会很快用AI攻克大部分疾病，但自己在2024年那篇Machines of Loving Grace的长文章中，又承认了这些瓶颈，他如实列出了数据、物理世界速度、内在复杂性、临床试验等问题。                   宁德时代的技术储备很强，覆盖了现有和未来的多种技术路线；规模优势也很明显，全球36.8%的市场份额，远超所有竞争对手。[7]     Amodei为何改变了想法？是AI进步太快，还是人类太乐观，又或是因为要冲击IPO的Anthropic，要吹高公司市梦率了？     AI科研的确是个值得掘金的宝库，更重要的是，Claude的同行们已经先行一步了。

|                    但在汽车这个传统制造业里，供应商始终要围绕车企的需求来运转。    四、在科研AI赛道，AI御三家各自什么段位？贝克实验室创始人戴维·贝克（David Baker）曾说过，AI彻底改变了蛋白质设计的研究工作，但AI只是个工具。    而随着工具越来越顺手，这个“金铲子”也越来越值钱了。

|     2026年，Anthropic在科研AI领域动作频频。不仅大手笔收购，还重金挖人，同时高调发布AI科研平台。    说到底，还是看中了生命科学这头现金牛。技术再好，也得客户愿意用；产能再大，也得客户下订单。

| 趋势已经很明显：科研AI（AI for Science），尤其AI制药，有望成为继AI编程之后的下一块营收金矿。                   这就是供应商的天花板：强大，但被动；领先，但受限。                   换电、出海能否破局？                    “供应商”这个角色，既是宁德时代的舒适区，也是它的天花板。    Anthropic的Claude for Life Sciences和Claude Science工作台都是付费产品，签下的客户包括：诺华、礼来、赛诺菲、艾伯维、阿斯利康、BMS等跨国巨头药企。市场份额流失、利润空间被挤压、估值受限，长期来看都不可避免。

|     如今，包括Anthropic在内的科研AI御三家，已经成型。

|          科研AI御三家     功底最深的是谷歌，但如今略显踟蹰。

| 虽然它拥有诺奖级成果AlphaFold，分拆出来的Isomorphic Labs 却至今没把一款药送进临床，多个项目还停在IND准备阶段，首个新药申请预计2026年底才提交。

| 2026年又突然拆分AlphaFold团队，关键科学家约翰·江珀（John Jumper）直接跳槽到Anthropic，媒体一度盛传，连核心人物哈萨比斯也退居二线，差点跑路；     OpenAI最稳，走的是垂直科学模型+药企合作网的路线。

| 它的动作比Anthropic早了半步。                   宁德时代显然不想一直做供应商。GPT-Rosalind是专门的生命科学推理模型，GPT-4b micro联手Retro Biosciences重新设计了山中因子（诱导多能干细胞用的蛋白），湿实验验证效率提升50倍。    Anthropic是急行军。

| 它能不能跳出“给别人做电池”的角色，变成“定义游戏规则”的那个人？                    换电业务、海外扩张，是它在趟的两条路。最近靠挖人、收购、把生物能力嵌入通用模型，站到了谷歌和贝克实验室两大巨人的肩头。虽然没有在研管线，也不自造科学模型，蛋白设计用的全是开源工具，但在砸钱补闭环，可谓不遗余力。                   换电是最直接的一步。逻辑不难理解：如果只是卖电池，宁德时代就只能被动等待车企下订单。但如果做换电，就可以直接面对终端用户，掌握运营数据，甚至反向影响车企的产品设计。

|     在御三家之外，值得注意的还有卖铲子的亚马逊，它不造第一方科学模型，但提供基建底座。而且，卖电池是一锤子买卖，换电服务是持续性收入。多数药企（比如Modera研发的mRNA癌症疫苗）和AI制药公司都在用AWS算力跑研发。    这些综合型AI公司的AI科研能力，和专业AI制药公司相比，又是什么水平？     英矽智能以端到端模式做新药研发，Rentosertib在2026 年7月已启动Ⅲ期临床试验；     晶泰科技有上万平米湿实验室和机器人集群，合作研发的PEP08、RTX-117均已进入Ⅰ期临床，还开辟了生物制造合作业务；     深势科技物理精度打底、正在补实验闭环，DeePMD还拿过 2020年戈登贝尔奖。

|                    宁德时代在这条路上押注不小。    总的来说，各家仍在各显神通的阶段，谁也没有胜出，而且谁也无法证明Amodei那句“5-10年能治愈大部分疾病”的预言。    对Claude这样的AI工具来说，这时候拿出从头设计蛋白质的新闻，算是个不错的PR手段，但也不免让人担心——     五、AI设计新蛋白质，安全吗？对人体而言，AI设计的蛋白质的首要问题是安全，那么现有的技术和监管，能保证这一点吗？     万一AI不小心设计出来一个结构扭曲的怪物蛋白呢？     这么说可能有点抽象，但如果我说，朊病毒，你可能会更容易理解。这是一种因为错误折叠而形成的危险蛋白质，它不仅不能发挥正常功能，还有类似病毒的特性，能把它所接触到的正常蛋白质变成错误结构。2022年成立换电品牌EVOGO，2024年底升级为“巧克力换电”，推出标准化的换电模块，目标是覆盖市场上80%以上的新能源车型。朊病毒能导致人或动物神经元死亡，感染朊病毒的动物，大脑呈海绵状空洞，比如疯牛病、库鲁病和克-雅病。         正常蛋白结构（左）和朊病毒的蛋白结构（右），图丨参考文献[12]     但暂时不用害怕。由于AI设计蛋白质流程有严格的筛选机制，首先要消灭的就是错误的折叠和聚集，所以这种意外可能性不大。

| 退一万步说，就算设计失败，出现聚集现象，甚至无法表达，也不代表会出现新型的朊病毒，全新设计的蛋白质如果没有正常蛋白与之匹配，就不能造成错误结构。                   2025年，宁德时代调整了策略，从独立自建转向合作共建，先后与蔚来、中国石化合作，目标2025年合作建设不少于500座换电站，长期目标达10000座。    万一人体不认识新蛋白呢？     这是真实存在的风险。                   这是一个务实的调整。不过，换电这条路最大的障碍不是盈利，也不是技术路线竞争，而是“车企是否愿意加入”。

|                    车企担心，一旦采用宁德时代的换电标准，将在核心的平台化设计和电池资产管理上受制于人。没有足够多的车企加入，就无法形成规模效应；但如果没有足够多的换电站覆盖，车企就没有动力加入。全新设计的蛋白质，很容易被免疫系统当成外来异物消灭掉，这个消灭的过程，就是免疫，它可能引发炎症。

|                    宁德时代也在寻找突破口，比如，与滴滴合资，推广网约车换电；探索车网互动（V2G/B2G），赚取电费差价或辅助服务收益。    人类设计蛋白引发免疫系统攻击，历史上有真实案例，比如Abicipar，这是一款蛋白类眼药，疗效不输对照组，但因高达15.4%的炎症发病率，最终使产品功败垂成。[8]     万一针对A目标的蛋白质，实际却对B目标起作用了呢？     这也是真实存在的风险。在人类改造蛋白质的历史中，也发生过这类事件。比如药企尝试研发高效胰岛素，结果药是研发出来了，代号AspB10，但降糖效果太好太持久，而且还控制了另一个促进细胞生长和分裂的受体，动物实验显示，它导致良性和恶性肿瘤的比例高得惊人。但短期内，很难改变换电业务的基本面。最终，这款强效降糖药被迫放弃。[9]     万一这些被不怀好意的邪恶天才利用了呢？     这种可能性不仅存在，而且是最该警惕的风险。                   相比之下，海外扩张尤其是抓住欧洲市场，更现实一些。

|     2025年一项来自《科学》的研究展示了这样一个过程：研究者用开源的AI蛋白设计工具，生成了超过7.5万个危险蛋白变体，用四家主流基因合成筛查软件测试，结果大量变体成功逃过了检测。原因是AI生成的新蛋白序列太新了，现有的筛查工具全靠相似度比对，效率自然不高。                   看两组数字就明白了。国内市场，宁德时代的份额从50%降到了42.8%。而在欧洲市场，它的份额从2024年的35%左右，提升到了2025年前4个月的44%左右。                   为了深耕欧洲，宁德时代将港股上市募资（约325亿元人民币）额中的90%用于匈牙利工厂建设，这是它目前为止最大的一笔海外投资。

| 而这些检测工具打了补丁之后，仍有约3%的危险变体漏网，这是个相当危险的数字。                   为什么是欧洲？一是政策确定性强。[10]     也正因此，Anthropic把蛋白质设计技术列为“双重用途”，承认在没有安全措施时，AI工具可能被用于生物武器研发，而Claude现有的蛋白设计功能，目前也不向普通用户开放。Anthropic也表示，正在筹备一个科学家准入计划，但没有时间表。欧盟2035年禁售燃油车。这个目标不会轻易改变。    那这次公布的Claude设计蛋白的新闻，意义在哪里呢？可能是另一项开放科研能力：化学分析。二是本土的竞争对手还没成长起来，给宁德时代留下了一个窗口期。三是在当地建厂，可以规避贸易壁垒。这不仅省钱，更重要的是降低了政策风险。    Anthropic宣布，任何Opus 5用户都可以把原始核磁或质谱文件丢给Claude，它用不到25分钟就能出一份完整分析报告，纯度测定 96.4%，和专业实验室手工测出的96.33%不相上下。                   不过，考虑到地缘政治风险（欧盟《新电池法》等严苛法规）、本地化成本（欧洲建厂成本是国内的3-5倍）、竞争加剧（LG新能源、三星SDI等韩国厂商都在争夺欧洲市场），宁德时代这个后来者，要抢市场也面临难度。                   宁德时代的困境，本质上是一个关于“位置”的故事。

| 这让人想起富士康和比亚迪的对比。    也算是“展示实力”的另一种方式。富士康是全球最大的电子代工厂，但它始终是“供应商”，利润率常年在3%左右。    回到最开始的问题，Amodei所设想的“5-10年攻克人类大部分疾病”的预言，离现实到底有多远？     大概有M78星云那么远吧。比亚迪，从电池供应商起家，选择了垂直整合，自己造车。     。                   宁德时代面前的两条路都不容易。换电，投入巨大，回报不确定，更像是战略防御。出海，是对冲国内市场份额下降最现实的一条路，但的确存在客观挑战。                   宁德时代的选择，也是中国制造业转型的一个缩影：是继续做“世界工厂”，还是向产业链上游攀升，掌握话语权？                    每一种选择，都有代价，也都有机会。                   本文来自：定焦One（dingjiaoone），作者：金玙璠，编辑：魏佳。

|

Current article:http://9ls6ve8.xiadiaosengchengcun.shop/eya3l03/20260826/7160232.html

Published on:12:26:13