Anthropic首席执行官Dario Amodei在8月16日公开回应围绕AI行业的信任争论时表示，华丽的正面宣传无法重新赢得公众信任，“AI将治愈癌症”已经变成容易被视为欺骗的陈词，真正有效的方法是实际取得医学成果。他同时承认，包括Anthropic在内的AI公司尚未兑现许多造福社会的宏大承诺，这是外界最准确的批评之一。

Amodei称Anthropic正在快速加强生物学和医学投入，希望未来几年出现重要结果，并在未来几个月看到一些早期迹象。这是一项方向性表态，不是临床成果公告。公司没有在这段回应中公布新药、试验数据、监管申请或已经治愈某种癌症的证据，因此标题中的“治愈”必须理解为他提出的信任标准，而不是已经完成的科学事实。

这番话之所以引发广泛讨论，是因为它把AI行业长期使用的社会价值叙事反过来变成了考核。过去公司常用加速科研、发现药物和改善医疗来解释庞大的算力投入；现在公众越来越关心这些投入是否产生了可复现的研究、能否进入临床、是否真正降低患者成本。模型在基准测试中提高几个百分点，与一种疗法安全有效之间存在漫长距离。

癌症也不是一个单一疾病。不同肿瘤的分子机制、患者群体、治疗路径和治愈标准差异很大。AI可能帮助识别靶点、预测蛋白结构、设计候选分子、选择试验患者或分析病理图像，但任何一个环节的改进都不能自动等同于治愈癌症。把复杂的医学进展压缩成一句口号，正是Amodei此次试图与之拉开距离的问题。

AI进入医学后，最难的不是生成答案而是建立证据链

在软件场景中，模型输出错误通常可以通过重试、人工修改或版本回滚处理。医学研发不同：候选药物可能在细胞实验有效，却在动物或人体中失败；一个看似准确的预测也可能受到训练数据偏差、样本选择和测量误差影响。真正有价值的系统必须让研究人员追溯数据、方法和不确定性，而不是只给出一个听起来合理的结论。

药物研发还受到时间结构约束。模型可以在几小时内筛选大量分子，但毒理、剂量、生产工艺和临床试验仍需要现实世界验证。AI若把早期发现周期缩短一半，仍不代表整体审批周期同步减半。行业应该分别报告在哪个环节节省了多少时间、失败率是否下降，以及结果是否由独立团队复现。

数据质量同样关键。医疗数据包含隐私、代表性不足和不同机构标准不一致等问题。若模型主要从少数医院或特定人群学习，性能可能无法推广到更广泛患者。企业扩大生物医学投入时，不仅需要更多计算资源，还需要临床伙伴、伦理治理、数据授权和长期随访能力。这些工作往往比训练新模型更慢，却决定结果能否进入真实医疗。

AI公司的角色也需要边界。模型可以提供研究工具和假设，但医疗责任最终涉及医生、药企、试验机构和监管部门。若企业用突破性语言吸引资本，却把失败归因于合作方，信任只会进一步下降。反过来，若它愿意公开阴性结果、方法限制和验证过程，哪怕进展没有口号那么快，也更容易建立长期信誉。

从“相信未来”到“展示结果”，AI公司需要新的成绩单

第一类成绩单应当是科研产出：是否提出了新的、可验证的生物学假设，是否有同行评议或独立复现，模型相比传统方法提高了什么。仅展示案例演示不足以判断普遍价值，因为成功案例可能经过选择，失败尝试没有被计入。

第二类是转化效率：候选分子进入临床的比例、研发时间和成本是否下降，以及AI参与后是否减少了无效试验。即使暂时没有治愈疾病，若能够稳定缩短某一阶段并降低失败率，也是真实贡献。企业需要给出分母和对照，而不是只列举少数明星项目。

第三类是患者结果。最终标准不是模型多聪明，而是诊断是否更早、治疗是否更有效、副作用是否更少、医疗资源是否更可及。患者结果通常需要多年积累，也会受到医疗系统和价格影响。承认这一周期，并不削弱AI潜力，反而能避免把科研承诺变成营销债务。

Amodei的表态值得关注，不是因为它证明AI即将治愈癌症，而是因为一位头部公司负责人公开接受了更严格的评价方式：不要用广告要求公众提前相信，要用结果赢得信任。未来几个月所谓“早期迹象”若出现，仍需按研究证据而不是公司声量评估。AI行业真正成熟的标志，也许不是更大胆地描述十年后的世界，而是能够清楚说明今天完成了什么、没有完成什么，以及下一步如何被外部验证。