本文系基于公開資料撰寫，僅作為信息交流之用，不構(gòu)成任何投資建議。

在第44屆摩根大通醫(yī)療健康大會（JPM 2026）上，AI制藥出人意料的成為引入矚目的焦點。在眾多重磅發(fā)布中，制藥巨頭禮來（Eli Lilly）與科技巨頭英偉達（NVIDIA）宣布聯(lián)合成立AI聯(lián)合創(chuàng)新實驗室，未來五年將共同投入超10億美元，全面重構(gòu)藥物研發(fā)全鏈條。

這項里程碑式的合作，預(yù)示著醫(yī)藥行業(yè)正邁向“硅基智能+碳基生命”協(xié)同創(chuàng)新的新紀元。當(dāng)AI技術(shù)從研發(fā)輔助工具向核心引擎跨越，醫(yī)藥研發(fā)領(lǐng)域的“次世代戰(zhàn)爭”已然拉開序幕。

01

搶占AI技術(shù)高地

禮來與英偉達的合作，看似是兩大巨頭組成的商業(yè)聯(lián)盟，實則揭開了醫(yī)藥行業(yè)從“經(jīng)驗摸索”向“精準工程”轉(zhuǎn)型的大幕。這并非簡單的技術(shù)疊加，而是旨在構(gòu)建覆蓋藥物研發(fā)、生產(chǎn)、商業(yè)化全流程的AI驅(qū)動體系，實現(xiàn)研發(fā)范式的根本性變革。

從合作內(nèi)容來看，雙方搭建了“算力+數(shù)據(jù)+研發(fā)”的三維協(xié)同框架，形成優(yōu)勢互補的閉環(huán)生態(tài)。

算力與技術(shù)支撐層面，合作實驗室將率先部署英偉達最新一代AI芯片架構(gòu)Vera Rubin。相較于前一代Blackwell架構(gòu)，該平臺訓(xùn)練性能提升3.5倍，推理成本卻壓縮至原來的十分之一；同時配套部署專為生物醫(yī)藥場景設(shè)計的BioNeMo生成式AI框架，可精準預(yù)測分子活性、毒性及藥代動力學(xué)特性，為藥物設(shè)計提供核心技術(shù)支撐。禮來則貢獻其積累數(shù)十年的海量專有數(shù)據(jù)，涵蓋糖尿病、腫瘤、神經(jīng)科學(xué)等關(guān)鍵治療領(lǐng)域的化合物庫、電子病歷及臨床試驗數(shù)據(jù)，這些高質(zhì)量數(shù)據(jù)成為AI模型訓(xùn)練的核心“燃料”。

在具體落地場景上，雙方將優(yōu)先打造持續(xù)學(xué)習(xí)系統(tǒng)，深度融合禮來的智能化濕實驗室與英偉達的計算型干實驗室，實現(xiàn)AI輔助下的全天候?qū)嶒炦\轉(zhuǎn)，為生物學(xué)家、化學(xué)家提供實時技術(shù)支撐。此外，雙方將重點推進機器人技術(shù)與物理AI（融合物理定律與機器學(xué)習(xí)，模擬分子相互作用、藥物生產(chǎn)等真實物理過程）的落地應(yīng)用，加速藥物發(fā)現(xiàn)與生產(chǎn)的規(guī)?；七M。

這場合作的本質(zhì)，是雙方優(yōu)劣勢的精準互補與戰(zhàn)略訴求的高度契合。

禮來的核心優(yōu)勢在于深厚的生命科學(xué)積淀與海量高質(zhì)量臨床數(shù)據(jù)，其臨床數(shù)據(jù)積累規(guī)模在行業(yè)內(nèi)處于領(lǐng)先水平，但短板也十分突出——AI算力支撐不足、前沿模型構(gòu)建能力有限，難以實現(xiàn)大規(guī)模數(shù)據(jù)的高效轉(zhuǎn)化。而英偉達作為全球AI芯片龍頭，憑借Vera Rubin架構(gòu)、DGX Cloud算力平臺及BioNeMo模型平臺，構(gòu)建了AI在生命科學(xué)領(lǐng)域應(yīng)用的完整技術(shù)底座，恰好彌補了禮來的短板。

與此同時，英偉達亟需將AI技術(shù)從科技領(lǐng)域延伸至高價值的生物醫(yī)藥場景，打開千億美元級的增量市場空間，雙方的合作形成了“各取所需、協(xié)同共贏”的格局。

這場合作并非偶然。早在2025年10月，禮來就已部署搭載超1000顆Grace Blackwell芯片的超級計算機，搭建“AI工廠”核心基礎(chǔ)設(shè)施；此次聯(lián)合實驗室的落地，標(biāo)志著雙方合作從“遠程技術(shù)協(xié)同”升級為“貼身深度共創(chuàng)”，進入實質(zhì)性落地階段。

02

禮來的戰(zhàn)略底氣

禮來敢于豪擲10億美元布局AI制藥，核心底氣源于其在核心賽道的絕對領(lǐng)跑優(yōu)勢：替爾泊肽的成功，奠定了其在代謝領(lǐng)域的統(tǒng)治地位，也為前沿布局提供了充足的資金與數(shù)據(jù)儲備。

作為雙重作用機制的GLP-1受體激動劑，替爾泊肽2025年前三季度憑借降糖與減重雙適應(yīng)癥，合計實現(xiàn)收入248.37億美元；按此增速估算，其全年收入將突破330億美元，有望超越現(xiàn)有“藥王”，登頂全球藥物銷售額榜首。

更關(guān)鍵的是，禮來并未止步于單一產(chǎn)品的成功，而是構(gòu)建了多層次、全維度的GLP-1管線矩陣，筑牢競爭壁壘。

圖：禮來在研管線一覽，來源：公司官網(wǎng)

在核心產(chǎn)品迭代上，三重作用機制的Retatutide在特定人群中實現(xiàn)高達28.7%的減重效果，2026年將有多組III期臨床研究數(shù)據(jù)公布，有望成為替爾泊肽的核心接力者；口服GLP-1藥物Orforglipron已提交上市申請并啟用優(yōu)先審評券，預(yù)計2026年第二季度正式獲批，填補口服劑型的市場空白。

聯(lián)用療法方面，禮來雙線布局ActRII賽道，通過收購Versanis獲得Bimagrumab（ActRIIA/B單抗），并引入來凱醫(yī)藥的LAE102（抗ActRIIA單抗）；在胰淀素領(lǐng)域，布局長效Amylin激動劑Eloralintide與替爾泊肽的聯(lián)合療法，形成覆蓋不同靶點、不同劑型、不同適應(yīng)癥的GLP-1全生態(tài)布局。

除GLP-1領(lǐng)域的絕對優(yōu)勢外，禮來在研發(fā)效率與全球化布局上的能力，進一步強化了其行業(yè)領(lǐng)跑地位。

一直以來，禮來秉持“速度差異化”戰(zhàn)略，候選藥物從靶點選擇到首次上市的周期較行業(yè)平均水平快約3.5年；其獨特的BD策略“Catalyze 360”，通過向Biotech企業(yè)開放實驗室、算力資源與專業(yè)技術(shù)，換取創(chuàng)新成果的優(yōu)先合作權(quán)，構(gòu)建了開放共贏的研發(fā)生態(tài)。

在全球化層面，禮來已在30多個主要國家完成核心產(chǎn)品上市，2025年自付需求超預(yù)期增長，中國、印度、巴西等新興市場成為收入增長新引擎；而口服GLP-1藥物的低成本優(yōu)勢，將進一步加速其在新興市場的滲透，拓寬增長邊界。

這種穩(wěn)固的行業(yè)領(lǐng)導(dǎo)地位，為禮來布局AI制藥提供了雙重支撐。一方面，GLP-1領(lǐng)域的持續(xù)高盈利的為AI研發(fā)注入充足資金，10億美元的合作投入對年營收超500億美元的禮來而言，不會對核心業(yè)務(wù)造成壓力；另一方面，GLP-1管線積累的海量臨床數(shù)據(jù)、化合物數(shù)據(jù)，可直接作為AI模型訓(xùn)練的優(yōu)質(zhì)素材，加速AI技術(shù)在代謝領(lǐng)域的落地應(yīng)用，形成“核心業(yè)務(wù)反哺未來布局”的良性循環(huán)。

從更深層次來看，禮來的AI布局也是應(yīng)對行業(yè)競爭與風(fēng)險的戰(zhàn)略考量。當(dāng)前全球GLP-1賽道競爭日趨激烈，已有179個在研管線同臺競技，且替爾泊肽核心專利將于2032年到期，現(xiàn)有優(yōu)勢面臨被稀釋的風(fēng)險。

在此背景下，通過AI技術(shù)開拓新靶點、設(shè)計新分子，打造下一代“爆款藥物”，成為禮來維持長期競爭力的核心動因。

03

AI將成為制藥行業(yè)的α？

傳統(tǒng)邏輯中，AI在制藥行業(yè)的定位始終是“效率提升工具”，主要用于優(yōu)化實驗流程、縮短數(shù)據(jù)處理時間，本質(zhì)上是對傳統(tǒng)研發(fā)模式的補充。即便在2024年Deepseek爆火引發(fā)的AI熱潮中，AI制藥也多停留在概念炒作階段，尚未形成規(guī)模化落地路徑。

從現(xiàn)有行業(yè)實踐來看，AI+制藥的規(guī)?；窂街饕譃槿悾嬖诿黠@短板：其一，AI+SaaS模式，AI淪為單純的技術(shù)平臺，核心競爭力聚焦算力、數(shù)據(jù)、算法等IT能力，與醫(yī)藥場景的深度融合不足，更偏向IT行業(yè)范疇；其二，AI+Biotech模式，本質(zhì)是AI化的CRO服務(wù)，業(yè)務(wù)局限于臨床前研究，難以延伸至臨床階段與商業(yè)化環(huán)節(jié)，規(guī)模化空間有限；其三，AI+CRO模式，對資金的需求遠超傳統(tǒng)CRO業(yè)務(wù)，從當(dāng)前Biotech企業(yè)融資數(shù)十億仍難見成果的現(xiàn)狀來看，疊加AI基礎(chǔ)設(shè)施搭建成本，投入產(chǎn)出比相對較低，商業(yè)化前景不明朗。

但禮來與英偉達的10億美元合作，徹底顛覆了這一認知。AI正從輔助工具升級為帶動研發(fā)范式變革的核心力量，有望成為制藥行業(yè)的α因素。

這場合作的核心突破，在于實現(xiàn)了上述三種模式的深度融合，大概率將成為AI制藥行業(yè)的分水嶺。雙方構(gòu)建的“干濕結(jié)合”閉環(huán)模式，為AI制藥的規(guī)?；涞靥峁┝丝蓮?fù)制的行業(yè)模板：AI模型指導(dǎo)濕實驗室開展實驗，實驗產(chǎn)生的真實數(shù)據(jù)反哺干實驗室優(yōu)化模型，形成“模型-實驗-數(shù)據(jù)-迭代”的持續(xù)學(xué)習(xí)閉環(huán)，打破了傳統(tǒng)研發(fā)中“計算與實驗脫節(jié)”的核心瓶頸。

這種閉環(huán)模式的價值，在分子設(shè)計等核心環(huán)節(jié)體現(xiàn)得尤為明顯：AI可快速生成數(shù)千種潛在活性分子，機器人實驗員自動完成分子合成與活性測試，數(shù)據(jù)實時反饋至模型并指導(dǎo)下一輪分子優(yōu)化，將原本需要數(shù)月的研發(fā)循環(huán)壓縮至數(shù)天。更重要的是，該模式不僅適用于小分子藥物，還可延伸至抗體藥物、細胞治療、基因治療等多個領(lǐng)域，具備廣泛的行業(yè)適用性。

AI對制藥行業(yè)的變革，更體現(xiàn)在研發(fā)范式的根本性轉(zhuǎn)變——從“試錯式探索”轉(zhuǎn)向“預(yù)測性設(shè)計”。通過對海量生物分子數(shù)據(jù)、臨床數(shù)據(jù)的深度學(xué)習(xí)，AI可在分子合成前精準預(yù)測其療效、安全性及藥代動力學(xué)特性，大幅降低盲目實驗的比例，這種范式變革的價值，遠超過單純的效率提升，將重構(gòu)藥物研發(fā)的核心邏輯。

與此同時，AI還正推動制藥行業(yè)生態(tài)重構(gòu)與競爭格局重塑。目前全球TOP20藥企中已有半數(shù)布局AI制藥，但禮來與英偉達的合作在規(guī)模、深度與模式創(chuàng)新性上均屬首次，這必將引發(fā)制藥巨頭間的“軍備競賽”，默沙東、羅氏等制藥巨頭大概率會跟進類似跨界合作，加速AI技術(shù)在行業(yè)內(nèi)的滲透。

對于中小型Biotech企業(yè)而言，這場合作也帶來了新的發(fā)展機遇。英偉達的開源模型與禮來的TuneLab平臺，大幅降低了AI制藥的技術(shù)門檻，使中小企業(yè)能夠借助外部技術(shù)資源提升研發(fā)能力，無需投入巨額資金搭建自有AI基礎(chǔ)設(shè)施。未來行業(yè)有望形成“巨頭構(gòu)建生態(tài)、中小企業(yè)聚焦細分場景”的新格局，中小企業(yè)可深耕罕見病、特色靶點等細分領(lǐng)域，與巨頭形成差異化競爭。

不可否認，AI制藥的規(guī)模化落地仍面臨多重挑戰(zhàn)。目前全球范圍內(nèi)，AI設(shè)計的藥物尚無完全獲批上市的先例，多數(shù)處于臨床前或早期臨床階段，其最終療效與安全性需經(jīng)過長期臨床驗證；各國監(jiān)管機構(gòu)對AI生成藥物的審評標(biāo)準、審批路徑尚未明確，監(jiān)管不確定性可能延緩商業(yè)化進程；同時，復(fù)雜疾病靶點識別難度大、醫(yī)藥數(shù)據(jù)隱私保護合規(guī)要求高、AI模型可解釋性不足等問題，也亟待行業(yè)共同解決。

但這些挑戰(zhàn)無法阻擋技術(shù)變革的大趨勢。禮來作為全球制藥行業(yè)的標(biāo)桿企業(yè)，從GLP-1領(lǐng)域的絕對領(lǐng)跑，到AI制藥的前瞻性布局，每一步都展現(xiàn)出穿越行業(yè)周期的戰(zhàn)略遠見。禮來與英偉達的合作，不僅是企業(yè)層面的強強聯(lián)合，更是計算科學(xué)與生命科學(xué)的深度融合，為AI制藥的規(guī)?；涞靥峁┝饲逦窂健?/p>

這場布局“次世代戰(zhàn)爭”的行動，或許將重新定義未來數(shù)十年的制藥行業(yè)格局。

· 靶點格局 ·

| |

| |

| |

| |

· MNC觀察 ·

| | |

| | |

| | |

| | |

| | Illumina

· 產(chǎn)業(yè)地圖 ·

| |

| |

| |

| |

| |

| |

| |

| |