Anthropic 的湿实验室交出第一份成绩单：949 个 Claude agent 在约 21.5 小时内，自主追踪到一个此前未知的酶系统。不是查文献、不是复述已知结论，而是从海量序列里把一个没人标注过的东西揪出来。
规模感藏在几个数字里。整个过程烧掉 215.6M tokens，搜索了 1.94B 个蛋白质簇，最终回收 198,290 个 RT 簇。拆开看，这相当于一支不知疲倦的队伍同时铺开几亿条线索，再按模式收敛到少数候选。人类研究者做同样的事，通常以月甚至年为单位计时，中途还得吃饭、睡觉、写经费申请。Agent 不需要。真正值得注意的不是速度，而是搜索空间的量级——1.94B 这个数字意味着 AI 已经在处理人类注意力物理上限之外的区域。
但别急着喊范式转移。湿实验室三个字才是关键：Anthropic 把计算端的候选推进到真实实验环境，说明这套流程正在形成干湿闭环，而不只是纸面上的推理游戏。215.6M tokens 的成本也不是小数目，能这么玩的门槛依然很高。更根本的问题在验证——算法回收的 RT 簇是否真对应有功能的酶系统，得靠试管说话。AI 把发现的速度提了上去，判断什么算"发现"的权力，暂时还在人手里。
