A Anthropic acaba de fazer algo que empresas de software não fazem: comprou pipetas.
A Anthropic confirmou que opera um laboratório molhado (wet lab) — uma instalação física de biologia — na região da Baía de São Francisco. Eric Kauderer-Abrams, chefe de ciências da vida da empresa, confirmou a existência do laboratório e explicou o porquê: “Acreditamos que, para fazer biologia, o teste final ainda está, e vai continuar por um tempo, no trabalho real de laboratório.”
A suposição popular é que laboratórios de IA são empresas de software. Eles treinam modelos, vendem tokens e deixam os clientes cuidarem do mundo físico. O movimento da Anthropic quebra essa suposição e expõe uma mudança estrutural que a maior parte da cobertura sobre “IA para descoberta de fármacos” não percebeu.
A tese é simples: quando a inteligência fica barata, o gargalo se desloca para a verificação. As empresas que controlam os meios de verificação física — laboratórios, instrumentos, robôs — ditarão o ritmo da ciência movida por IA. A Anthropic não está construindo um chatbot melhor para biólogos. Está comprando um lugar no banco do laboratório.
Onde a velocidade realmente morre
Comece pelos números. Em um experimento realizado em agosto, a Anthropic colocou o Claude Opus 4.8 e o Mythos Preview para desenhar ligantes proteicos contra 15 alvos. Os fabricantes contratados Adaptyv Bio e Twist sintetizaram os candidatos e realizaram a validação independente. Ligantes foram confirmados para 14 dos 15 alvos, com taxas de acerto de 22,6% e 26,7% — bem acima dos 10% a 15% típicos do design tradicional.
Isso é uma melhoria genuína. Mas, lendo ao contrário, o problema aparece: cerca de três em cada quatro candidatos desenhados ainda falharam. Cada falha consumiu capacidade real de síntese, reagentes reais, semanas reais de tempo de laboratório.
O custo dessa lacuna aparece no livro de pedidos da Twist. Sua receita da Anthropic cresceu de cerca de US$ 25 milhões em 2025 para aproximadamente US$ 50 milhões em 2026, e deve chegar a US$ 100 milhões no ano seguinte. Dobrar todo ano é um bom negócio para a Twist. Para a Anthropic, significa que a parte mais valiosa do seu pipeline científico — a que transforma previsões em conhecimento — está na instalação de outra pessoa, no cronograma de outra pessoa.
Este é o clássico problema do ciclo completo. A IA acelerou em ordens de magnitude a metade do design na biologia. A metade experimental ainda corre na velocidade de pipetas e incubadoras. Quando um lado de um ciclo acelera e o outro não, o lado lento passa a definir a velocidade de todo o sistema. A resposta da Anthropic é ser dona do lado lento.
O problema da interface, e o padrão que o resolve
Ter um laboratório não é o mesmo que deixar um modelo operá-lo. Instrumentos de laboratório falam dezenas de dialetos de software incompatíveis. Engenheiros rotineiramente passam semanas, às vezes meses, integrando um único dispositivo a um sistema unificado.
A Anthropic atacou isso com o Model Hardware Standard (MHS), lançado em agosto. É um protocolo que permite que agentes de IA controlem equipamentos físicos: os dispositivos relatam seu estado, suas operações executáveis e seus limites de segurança. Nos primeiros testes, segundo a Anthropic, o tempo de integração de dispositivos despencou de semanas ou meses para horas ou minutos.
As primeiras implantações são reveladoras. Na Genentech, o Claude coordenou simultaneamente um manipulador de líquidos, um braço robótico e um leitor de microplacas — ajustando parâmetros a partir dos resultados e diagnosticando falhas de hardware por conta própria. No laboratório Baker da Universidade de Washington, o Claude Code leu curvas de qPCR em tempo real e orientou um braço robótico a transferir placas de amostras.
Note o que esses casos são. Não é “IA sugere, humano opera”. É um modelo fechando o ciclo entre múltiplos instrumentos físicos. Isso é uma categoria de sistema diferente de tudo o mais na linha de produtos da indústria de IA.
O framework da Acumulação para Infraestrutura
Colocando as peças em sequência, um padrão emerge — chame-o de mudança de Acumulação para Infraestrutura. Empresas de IA entram em um domínio científico em três fases: primeiro ferramentas (vendem software para profissionais), depois acumulação (adquirem dados, clientes e expertise de domínio), depois infraestrutura (controlam os meios físicos de verificação).
Os últimos doze meses da Anthropic leem-se como uma checklist. Em 2025, lançou o Claude for Life Sciences. Em abril de 2026, adquiriu a Coefficient Bio, uma startup experiente em desenvolvimento de fármacos, em um acordo de ações avaliado em cerca de US$ 400 milhões, e o CEO da Novartis, Vas Narasimhan, entrou no conselho da Anthropic. Em 30 de junho, lançou o Claude Science, um ambiente de trabalho de pesquisa que reúne mais de 60 ferramentas em genômica, biologia estrutural e quimioinformática. Entre os clientes já estão Genentech, Bristol Myers Squibb e Novo Nordisk. Agora, o laboratório molhado. As vagas de emprego buscam especialistas em caracterização de proteínas e ácidos nucleicos, e uma delas declara a ambição sem rodeios: “Nosso objetivo é acelerar o progresso nas ciências da vida em uma ordem de magnitude.”
É na fase três que mora o diferencial competitivo. Ferramentas viram commodities. Conjuntos de dados são replicados. Mas um laboratório molhado operado por robôs, integrado a um modelo de fronteira por meio de um protocolo de hardware proprietário, é um ciclo verticalmente fechado que os concorrentes precisam reconstruir do zero — a OpenAI e a Google DeepMind também não têm pipetas. O laboratório que primeiro fechar internamente o ciclo desenho-teste-aprendizado ganha uma vantagem de dados que se acumula: cada experimento malsucedido alimenta seus modelos, e modelos melhores desenham experimentos melhores.
Há uma nota pessoal que importa mais do que parece. Dario Amodei escreveu que seu pai morreu de uma doença cujo tratamento chegou alguns anos tarde demais. Kauderer-Abrams enquadrou a mesma motivação em termos corporativos: “De longe, vemos a maior oportunidade para isso nas ciências da vida, e é isso que motiva tudo o que estamos fazendo.” A Anthropic mira doenças raras e alvos “infranáveis” (undruggable) — anticorpos bispecificos e trispecificos — exatamente as áreas que as grandes farmacêuticas despriorizam por razões financeiras.
O limite, e por que ele é estrutural
A Anthropic traçou uma linha com clareza incomum: não conduzirá ensaios clínicos e não comercializará terapias. “Não estamos competindo com as empresas farmacêuticas e de biotecnologia cujo negócio é levar fármacos ao mercado”, disse Kauderer-Abrams. A preocupação é real — clientes farmacêuticos podem temer que moléculas triadas em um laboratório da Anthropic acabem treinando modelos da Anthropic.
O limite também acompanha o muro duro da indústria. Mais de 100 fármacos desenhados ou assistidos por IA já entraram em ensaios clínicos no mundo, mas até o fim de 2025 nenhum fármaco completamente descoberto por IA havia obtido aprovação da FDA. A IA domina o início do funil; os ensaios de fase II e III dependem de uma biologia que nenhum modelo ainda domina, e há uma década de validação entre uma molécula e um paciente.
Assim, a leitura honesta da estratégia da Anthropic é: ser dona da descoberta pré-clínica, alugar o resto do caminho.
O que fazer com isso
- Se você comanda uma empresa de IA: pergunte-se onde está seu gargalo de verificação. Se a saída do seu modelo não pode ser testada a baixo custo, o verdadeiro diferencial dos seus concorrentes não é o modelo deles — é o ciclo de testes deles. Controlar ou estabelecer parcerias profundas com os meios de verificação é uma decisão de produto, não um detalhe operacional.
- Se você atua em biotecnologia ou farmacêutica: o fornecedor de ferramentas de quem você compra está se tornando um concorrente de descoberta. Negocie com força os termos de fronteiras de dados agora; em dois anos sua posição de negociação será pior.
- Se você constrói automação de laboratórios ou robótica: o protocolo de hardware no estilo da Anthropic é uma prévia do rumo das interfaces de instrumentos. Interoperabilidade com fluxos de trabalho controlados por agentes está prestes a se tornar um critério de compra.
- Se você é investidor: a categoria “descoberta de fármacos com IA” está se bifurcando em fornecedores de software e casas de descoberta verticalmente integradas. Precifique-as de forma diferente — o segundo grupo carrega risco de capex e de biologia que o primeiro nunca encara.
O laboratório molhado é pequeno. A direção não é. Quando a empresa famosa por alertar sobre os riscos da IA começa a realizar experimentos de biologia física sob o próprio teto, o sinal é de que a próxima fronteira da IA não é mais inteligência. É mais realidade.
