文章核心观点 - 英伟达与礼来宣布建立开创性的AI联合创新实验室，计划在未来五年共同投入高达10亿美元，旨在将AI技术深度融入药物发现和生物医学研究流程，以应对新药研发周期长、成本高、成功率低的结构性难题 [10][11] - 双方认为生物医药行业正处于从传统“手工艺式”药物发现向“计算机辅助药物设计”工程化范式转变的关键时刻，AI有望通过高速模拟、海量探索和自动化协同，系统性加速并优化药物研发 [6][45][55] - 礼来通过持续优化研发流程，其整体研发速度已比同规模制药公司快约40%，并凭借在GLP-1领域的成功（如替尔泊肽）成为市场领导者，当前核心挑战与目标是打破行业固有的创新周期，实现成功的可持续接续 [2][22][27][28] 礼来公司的战略与现状 - 研发效率与周期管理：公司系统性地拆解并压缩了从候选分子到首次获批的上百个步骤，使其整体研发速度平均比下一家同规模制药公司快约40%，从而能在专利周期内完成发明并重新进入增长轨道 [2][22][23] - 应对行业周期挑战：公司被视为几乎唯一一家未通过大型并购来渡过行业创新低谷期的大型制药公司，形成了具有生存韧劲的组织DNA，其目标是打破行业一轮又一轮的成功周期，实现创新的持续接续 [18][19][28] - 历史技术积淀：公司拥有深厚的技术历史，包括与Genentech合作生产首个获批的活体生物制造药物Humulin，购买制药行业第一台超级计算机Cray Big Red，并在此基础上设计出首款由计算机设计并获批的药物胰岛素赖脯胰岛素（Humalog） [100][101][103] GLP-1药物的突破与前景 - 市场表现与地位：礼来的替尔泊肽（Tirzepatide）在2025年合计销售额达365.07亿美元，其中第四季度销售额为116.70亿美元，全年销售额已超过司美格鲁肽和Keytruda，正式登顶“药王”宝座 [13] - 作用机制与疾病谱拓展：GLP-1药物通过模拟肠道激素，为身体安装人工的“停止进食”开关，不仅用于减重（如Zepbound可使平均体重下降约23%），其降低系统性慢性炎症的机制，有望缓解超过200种慢性疾病，并已在心梗风险下降、糖尿病转化率降低93%等方面显现深远效果 [56][57][62] - 未来演进方向：未来24个月，该领域将出现更多药物选择（如双重、三重作用机制分子）和给药方式创新（如口服制剂将于今年春季推出），应用场景正拓展至成瘾、脑健康（如痴呆症、阿片成瘾）等领域 [59][60][64][68][83] AI在药物研发中的应用与愿景 - 合作具体规划：英伟达与礼来的合作包括四部分：1) 在印第安纳波利斯建设全球最大的用于生物学研究的本地部署超级计算机；2) 在湾区组建联合AI实验室与研究团队；3) 开发全新的、大规模的训练数据；4) 在现有模型基础上构建更复杂的预测能力 [32][33][35] - 转变研发范式：目标是利用AI训练模型合成蛋白质或化学分子，通过机器人实验室进行真实实验并收集数据，形成“AI生成-实验验证-数据反馈”的科学飞轮，将药物发现从“手工艺式的发现”转变为可复制、可优化的工程问题 [37][55] - 聚焦两大方向：联合实验室将重点攻关两个方向：1) 工程化的药物设计与优化（针对已知靶点设计更精准的“钥匙”）；2) 利用机器人实验体系对关键靶点进行海量、系统性的数据刻画，以真正理解其复杂结构和行为 [88][90][92] 对行业未来的展望 - AI落地的优先领域：在AI领域，目前最容易落地和最可操作的方向被认为是医疗服务，特别是利用代理式AI替代或增强人类层级的服务，以提升医疗体系这一低生产率环节的效率 [9][97] - 延长健康寿命的路径：公司关注的核心并非直接延长最大寿命上限，而是通过消除疾病（如利用GLP-1管理慢性病，未来攻克痴呆症等脑部疾病）来让更多人有机会达到理想条件下的寿命上限（如100岁） [8][81][83] - 开放协作的创新生态：合作框架将通过“Tune Lab”平台向生物医药初创公司开放，基于联邦学习技术（如NVFlare），在不共享原始数据的前提下共同训练模型，以放大整个行业的创新效率 [12][89]