AI agent 科學發現實測：約 950 個 Claude 跑 21 小時找到類 CRISPR 酵素系統
AI agent 已經能在既有資料裡找到人類沒注意到的新東西。 能不能算完整的科學發現，要等實驗證實功能。Anthropic 在 2026 年 9 月 23 日公布，約 950 個 Claude agent 花 21 小時搜尋 DNA 資料庫，找到一個前人沒描述過、帶有類 CRISPR 重複序列的酵素系統。
本文發稿日是 2026 年 9 月 25 日，距離官方公告兩天。這兩天 Hacker News 討論串累積 766 分、785 則留言，吵的就是一件事：這到底算不算發現。我們把事實、爭議和對台灣中小企業的用法一次拆清楚。
Anthropic 的 Claude agent 到底發現了什麼？
Claude 找到一個以逆轉錄酶為核心的未知酵素系統，旁邊伴隨一串非編碼 DNA 重複序列和一個功能不明的輔助蛋白。Anthropic 把它命名為 ART（陣列相關逆轉錄酶），目前功能仍未知，官方已釋出預印本。
先解釋三個詞：
- 逆轉錄酶（reverse transcriptase, RT）：一種把 RNA 抄寫回 DNA 的酵素。
- 噬菌體（bacteriophage）：專門感染細菌的病毒。這次的 RT 出現在一種基因體特別大的噬菌體裡。
- CRISPR：細菌 DNA 裡一段不尋常的重複序列，後來被改造成基因編輯工具，是現今基因編輯藥物的基礎。
依 Anthropic 官方說明，這個 RT 本身在過去研究中已被找到過，但 Claude 看起來是第一個注意到它周邊兩個特徵的：一串非編碼 DNA 陣列，以及一個功能不明的輔助蛋白。這組特徵過去只在少數系統中同時出現，而那些系統全都可編程，能對 DNA 做剪切、複製、貼上這類操作。
CRISPR 先驅、MIT 與 Broad Institute 教授張鋒（Feng Zhang）看過預印本後表示，與逆轉錄酶相關的 RNA 重複陣列「確實耐人尋味，值得進一步研究」（來源）。他用的詞是「值得研究」，沒有說「已證實」，這個分寸要看清楚。
約 950 個 agent 跑 21 小時，這個流程怎麼運作？
人類只給一個初始指令，請 Claude 在大型 DNA 資料庫裡找有趣的新逆轉錄酶；之後約 950 個 agent 自行分頭搜尋、研究不同 RT 家族、用自己的判斷挑候選。人類再回到實驗室做驗證。
| 項目 | 官方公布數字 | 出處 |
|---|---|---|
| 平行 agent 數量 | 約 950 個 | Anthropic 公告 |
| 搜尋時間 | 21 小時 | Anthropic 公告 |
| token 用量 | 2.1 億（210 million） | Anthropic 公告 |
| 人類介入範圍 | 初始指令＋實驗室工作 | Anthropic 公告 |
| 運算金額成本 | 官方未公布 | — |
| 系統功能 | 尚未確定，研究中 | Anthropic 公告 |
有兩點要特別提醒。第一，部分轉述提到篩選序列總數與候選數，我們在 Anthropic 公告原文裡找不到這些數字，本文不採用。第二，官方原文的 token 用量是 210 million，也就是 2.1 億，引用前請務必核對原文，別跟百萬級的數字搞混。
這個研究組是 Anthropic 在 2026 年春天成立的生命科學團隊，自建實驗室，從訓練 Claude 的生物學能力到跑濕實驗都由同一組人負責（來源）。換句話說，agent 找到的線索能直接進實驗室驗證，這條路是事先鋪好的。
這算真正的原創科學發現嗎？
Claude 找出一個前人沒描述過的基因排列，這是實在的貢獻。它離完整的科學發現還差兩步：功能要用實驗證實，應用要做得出來，這兩步目前都還沒發生。在這種狀態下把它包裝成新一代 CRISPR，是過度宣傳。
Hacker News 上被推到最前面的一則留言給了很冷靜的版本：Claude 在一個已知的逆轉錄酶周邊，找到一段過去沒被描述的基因排列，「沒那麼性感」，但它證明了 AI 可以用來解析既有資料、找出新的生物學（來源）。同一則留言也提到，基因治療的應用目前主要卡在遞送技術。換句話說，多一個新酵素，不會立刻改變醫療現場。
| 說法 | 宣傳版本 | 冷靜版本 | 我們的判斷 |
|---|---|---|---|
| 找到什麼 | 類 CRISPR 新系統 | 已知 RT 周邊的新基因排列 | 冷靜版本較準確 |
| 功能 | 可能用於基因編輯 | 功能未知 | 官方也說未知 |
| AI 角色 | 自主科學家 | 大規模模式辨識工具 | 介於兩者之間，偏後者 |
| 意義 | 改寫生物學 | 示範 AI 能從舊資料挖新線索 | 後者已成立，前者待驗證 |
另一派質疑是可重現性。一位自稱常用 Claude Science 的研究者說，它找 DNA 模式非常強，例如會提醒「引子可以放這裡，但那段看起來是 Alu 重複序列，最好別放，否則引子不夠專一」；他認為這次公告大致是比這種模式辨識再高一階的能力（來源）。接著有人追問：靠 LLM 找出這種結果，是不是有點複雜、又難以重現？還有留言提醒，這類模型「會漏東西，就算被叫去找也會漏」。
這些質疑都對，也都沒有推翻核心事實：agent 看見了人沒看見的東西，而且人可以回頭驗證它。
AI agent 大軍最適合做哪一種工作？
最適合做「窮舉篩選」：資料量大到人看不完、每一筆都要花一點判斷、而且找到的候選可以被人低成本驗證。Anthropic 這次示範的正是這種工作，它跟寫程式或聊天客服是不同類型的用途。
生物學史上幾個大突破，都是有人在自然界的大量變異裡「注意到怪東西」。Anthropic 的文章自己舉了三個例子：限制酶從細菌免疫系統被發現，催生了生技產業；Taq 聚合酶來自黃石公園溫泉裡的細菌，成為 PCR 檢測的基礎；CRISPR 最早只是某些細菌 DNA 裡一段奇怪的重複序列。
以前「注意到怪東西」靠少數科學家的眼力與運氣。agent 大軍把這件事變成可以規模化的工作：一千個 agent 同時看，每個都能讀很長的上下文、做初步判斷、寫下理由。人類的角色從「一筆一筆看」退到「定義要找什麼」和「驗證前幾名」。
適合交給 agent 大軍的任務有三個共同條件：
- 資料已經數位化，agent 能直接讀。
- 問題能寫成一句清楚的指令，例如「找出跟一般樣本長得不一樣的」。
- 驗證比篩選便宜很多，人只要看前面幾十筆，就能判斷 agent 有沒有找對。
三個條件缺一個，就別急著上 agent 大軍。
這對台灣中小企業意味著什麼？
你不需要更聰明的 AI，你需要找出手上哪一堆舊資料值得被 agent 全部讀過一遍。多數公司都有累積多年、沒人力全看的紀錄，這正是 Anthropic 這套做法能直接移植的地方。
我們的立場很明確：中小企業導入 agent 的第一個專案，優先考慮「舊資料窮舉篩選」，排在客服機器人之前。 理由有三個：資料是自己的、結果可以用人驗證、做錯的代價是多看幾筆，不會直接得罪客戶。
| 你手上的資料堆 | agent 要回答的問題 | 人類驗證方式（對應 Anthropic 的實驗室） | 主要風險 |
|---|---|---|---|
| 5 年品管異常紀錄 | 哪些異常反覆出現、卻被分在不同類別？ | 品管主管抽看前 20 筆 | 早期紀錄格式不一致 |
| 客訴與退貨信件 | 哪些抱怨指向同一個尚未處理的產品問題？ | 業務或客服主管確認 | 含個資，須先去識別化 |
| 專利與競品公開文件 | 哪些技術組合還沒被人申請？ | 專利代理人判斷 | agent 漏讀，不能當唯一依據 |
| 法規與公告更新 | 哪些條文變動會影響我們現行流程？ | 法務或顧問複核 | 解讀錯誤有法律責任，必須人把關 |
| 採購與報價歷史 | 哪些品項價格長期偏離市場？ | 採購主管查證 | 資料散在不同系統 |
可以照這三步試算：
- 挑一堆資料：公司內最多、最舊、最少人碰的那一堆，先確認它是數位檔。
- 寫一句問題：比照 Anthropic 只給「找有趣的新 RT」這種高層指令，你也只寫一句，例如「找出重複出現但從沒被結案的異常」。
- 算驗證成本：如果 agent 給你 50 筆候選，懂行的人一個下午能看完，這個專案就值得做；如果驗證要花跟重看全部一樣久，就放棄。
別被 950 個 agent 的規模嚇到。中小企業的資料量通常小得多，同一個邏輯用幾個到幾十個 agent 就能跑。規模要跟資料量對等，沒必要一開始就追求大。
如果你想先知道 AI 引擎現在怎麼回答你這個產業的問題，可以從 AIRUN AEO 看起。
用 agent 窮舉篩選舊資料，最容易踩哪些坑？
最大的坑是把 agent 的候選清單當成答案。Anthropic 也是在 agent 找到線索後，再做分析與實驗室測試，才確認這是一個未被描述的系統。候選清單只是起點，驗證才是交件。
從這次案例和 HN 討論裡能整理出四個常見錯誤：
- 沒留紀錄：每一筆候選都要附上 agent 的判斷理由和原始資料位置，否則事後無法追查，結果也難以重現。
- 以為沒找到就是沒有：模型會漏。agent 篩過一遍，只能說「找到這些」，不能說「只有這些」。
- 跳過人工驗證：法規、合約、品質判定這類有責任歸屬的事，最後一關一定是人。
- 資料沒清理就丟進去：客戶個資、營業秘密要先處理，這是底線。
我們的判斷：AI agent 能做科學發現嗎？
能，而且已經做到「發現線索」這一段。Anthropic 這次最有價值的示範，是證明 agent 大軍可以把「在大量資料裡注意到怪東西」變成可規模化、可重複執行的工作，人只負責出題和驗證。
ART 最後會不會成為下一個 CRISPR，沒人知道，官方自己也說功能還在研究。但這不影響我們的結論：對台灣中小企業來說，這個案例能直接拿來用的，是那套分工方式。今天就去找出公司裡那堆沒人讀完的舊資料，寫一句問題，讓 agent 先讀一遍，再由最懂的人驗前幾名。這是目前 agent 投入少、風險可控、最容易看到結果的用法。
常見問題
Anthropic 的 Claude 發現的酵素系統叫什麼？
Anthropic 將它命名為 ART（array-associated reverse transcriptases，陣列相關逆轉錄酶）。它存在於感染細菌的病毒（噬菌體）中，核心是一個逆轉錄酶，旁邊伴隨一串非編碼 DNA 重複序列與一個功能不明的輔助蛋白。官方在 2026 年 9 月 23 日公布時表示，主要功能仍在研究中。
這次發現用了多少 AI 資源？
依 Anthropic 官方公告，約 950 個 Claude agent 花 21 小時搜尋 DNA 資料庫，共使用 2.1 億（210 million）個 token。人類只負責下初始指令與後續實驗室驗證。官方沒有公布這次運算的金額成本，網路上的成本估算都不是官方數字。
ART 系統可以拿來做基因編輯嗎？
目前不知道。Anthropic 表示 ART 具備的特徵組合，過去只在少數可編程、能剪切或複製貼上 DNA 的系統中同時出現過，CRISPR 就是其中之一。但 ART 本身的功能尚未證實，是否能做基因編輯要等後續實驗結果，現在把它說成新一代 CRISPR 言之過早。
為什麼有人說這不算真正的科學發現？
Hacker News 上有留言者指出，這個逆轉錄酶在過去研究中已被找到，Claude 的貢獻是注意到它周邊一段沒被描述過的基因排列。較冷靜的說法是：AI 在既有資料裡發現了新的生物結構線索。這仍有價值，但距離證實功能、做出應用還有很長的路。
中小企業可以怎麼借用這個模式？
挑一堆公司已經數位化、但從來沒人力全部看完的舊資料，例如品管異常紀錄、客訴信件、專利或法規文件，讓 agent 依明確問題逐筆篩出異常候選，再由懂行的人驗證前幾名。關鍵在於問題要寫清楚，而且人工驗證的成本要比全部重看低很多。
AIRUN 對抗式創業體檢 AgentFlow Solutions（双云行銷試運行）