丹麦制药巨头诺和诺德（Novo Nordisk）于 9 月 16 日宣布与 Anthropic 展开合作。诺和诺德将在研发（R&D）的特定环节试用 Anthropic 的前沿模型以及面向研究人员的 AI 工作环境“Claude Science”，目标是加快新药的发现与开发。同时，公司内部的软件开发也将引入 Anthropic 的模型，为在全公司推广 AI 打下基础。诺和诺德在 2026 年已先后与 OpenAI、Amazon Web Services（AWS）达成合作，此次再添一家伙伴，其“成为全球 AI 应用程度最高的医疗健康企业”的布局又厚实了一层。

首先在研发的特定环节验证 Claude Science

此次合作并非一开始就在全公司铺开。双方将梳理诺和诺德科研人员和计算科学团队面临的新药研发难题，并针对每一个难题定制支持生物学推理的解决方案。在第一阶段，双方将挑选出协同效应最大的课题，在特定的研发工作流中试运行 Claude Science。

Claude Science 是 Anthropic 于 2026 年 6 月底以测试版形式发布的面向研究人员的 AI 工作环境。从文献调研、数据分析到图表和论文初稿的撰写都可以在同一个环境中完成，生成的成果附带所使用的代码、运行环境和对话记录，便于日后验证和复现。它内置了 60 多个针对基因组学、结构生物学、化学信息学等领域的技能和连接器，可以用自然语言跨库检索 UniProt、PDB、ChEMBL 等专业数据库。对制药企业的研发部门而言，能够在保留现有工具的前提下把工作交给 AI 智能体，很可能是决定是否引入的关键。

诺和诺德总裁兼首席执行官 Mike Doustdar 表示，AI 能够提升研发效率、缩短从研究到产品上市的路径，不仅如此，AI 工具还能带来全新的科学机会，帮助人们推理和理解人体生物学与药物作用机制。Anthropic 首席执行官 Dario Amodei 也表示，随着 AI 能力的提升，有望把一个世纪的生物学与医学突破压缩到十年之内，通过让一线研究人员用上安全可信的前沿模型，缩短研究周期并改善成果。

软件开发同样引入 Anthropic 的模型

合作的另一大支柱是强化 AI 驱动的软件开发。诺和诺德把公司内部软件开发转向 AI 主导，视为把 AI 推广到全公司的重要基础。公司计划在其中引入 Anthropic 的前沿模型，推进智能体式的软件工程。Anthropic 在 5 月也与百时美施贵宝（Bristol Myers Squibb）签订了覆盖全公司的协议，在其工程和数据科学部门部署 Claude Code，此次与诺和诺德的合作延续了同样的方向。

此外，合作的金额和期限并未公布。双方表示，此次合作以完善的数据治理和人工监督为前提进行设计，将按照诺和诺德的伦理与合规标准负责任地使用 AI。在新药研发领域，AI 的输出不能照单全收，因此双方明确了由人来做最终判断的机制。

继 OpenAI、AWS 之后的第三项大型 AI 合作

对诺和诺德来说，这是 2026 年以来与 AI 企业达成的第三项合作。4 月，公司与 OpenAI 合作，提出从新药研发到商业部门在全公司范围引入 AI 的方针。8 月 10 日，公司又选定 AWS 为首选云服务商兼战略 AI 合作伙伴，并在伦敦的现有基地设立了汇聚双方工程师和科学家的联合创新中心。在与 AWS 的合作中，公司计划利用以生物学数据训练模型的 Amazon Bio Discovery，以及 AI 智能体构建平台 Amazon Bedrock AgentCore，来锁定药物靶点并实现研究工作流的自动化。

也就是说，诺和诺德并非依赖某一家公司，而是采取了分别借助 OpenAI、AWS、Anthropic 各自优势的策略。此次与 Anthropic 的合作，重点放在直接深入研究人员工作环境的 Claude Science 以及软件开发领域。

放眼整个制药行业，AI 企业与大型药企的合作在今年明显提速。除了前述的百时美施贵宝，Anthropic 在发布 Claude Science 时还宣布与英伟达（NVIDIA）的 BioNeMo Agent Toolkit 集成。OpenAI 也在与赛诺菲（Sanofi）、Moderna 合作，谷歌 DeepMind 孵化的 Isomorphic Labs 则与诺华（Novartis）、礼来（Eli Lilly）签订了新药研发合作。各大药企同时与多家 AI 企业合作的趋势，预计还会持续下去。

总结

诺和诺德将与 Anthropic 合作，在研发的特定环节试点 Claude Science，并把 Anthropic 的模型引入公司内部的软件开发。这是继 OpenAI、AWS 之后诺和诺德 2026 年的第三项 AI 合作，公司分别借力多家 AI 企业的姿态更加清晰。由于金额未公开，且首先从有限的环节开始验证，新药研发速度究竟能提升多少，还需要等待后续成果。