全球制药巨头AI基础设施竞赛 - 罗氏宣布扩展其全球人工智能基础设施，部署了2176个高性能GPU，使其本地和云端GPU基础设施总容量超过3500个Blackwell GPU，这是目前已公布的制药公司可用的最大GPU规模 [1][13] - 礼来正式启用其医药AI工厂“LillyPod”，内置1016颗英伟达Blackwell Ultra GPU，整体算力高达9000 Petaflops [1][14] - 礼来与英伟达宣布将在五年内投入超10亿美元建立AI联合创新实验室 [1][14] AI在制药行业的战略地位转变 - AI正从单点工具升级为支撑全价值链的基础设施，从研发、生产到商业化的全流程深度嵌入，已从“锦上添花”变为“必选项” [2][15] - 全球大型药企开始将AI贯穿应用于临床开发与制造过程，通过构建超级计算集群来设计更优的试验方案、优化生产并加速决策制定 [4][17] - 2025~2026年是跨国药企全面加码AI的关键窗口期，正加速构建“算力—算法—数据—实验”的一体化体系 [5][18] 行业应用现状与数据壁垒构建 - 根据英伟达2026年2月的调查报告，70%的医疗保健与生命科学企业正在积极使用AI，较去年的63%明显增长，数字医疗领域AI渗透率最高达78% [6][18] - 57%的医疗技术公司表示已看到AI在医学影像领域的实际回报，医学影像成为AI投资回报率最高的应用场景 [6][18] - 头部药企选择自建超大规模算力中心，将专有数据与AI模型深度绑定，构建极高的底层数据壁垒，实现核心AI基础设施的“私有化”和“重装化” [4][17] 中国AI制药市场动态与格局 - 2025年，国内AI制药领域累计融资总额超67亿元，同比大幅增长130.5% [7][19] - 行业格局成型，“AI制药四小龙”为晶泰科技、英矽智能、剂泰科技和深度智耀，其中深度智耀完成4000万美元（约合2.76亿元人民币）新一轮融资 [7][19] - 越来越多的AI制药公司正从“淘金者”转型为“卖水人”（CRO/技术服务模式），例如Verge Genomics在药物临床试验失败后转型为AI技术服务公司 [7][20] 资本态度与投资逻辑演变 - 资本流向已从过去的“广撒网”转向“挑尖子”，资金高度集中于头部企业，市场更重视有“可交付指标”的企业 [8][20] - 投资人普遍底线是，如果一家企业两三年内仍然无法产生现金流，基本就不投了 [9][21] - 未来的资本关注将形成“哑铃型”布局，早期资本聚焦颠覆性技术平台，后期资本偏好临床数据成熟的企业 [12][24] 商业化挑战与临床验证瓶颈 - 截至目前，全球尚无一款完全由AI主导设计的药物获批上市，仅少数项目推进至Ⅲ期临床阶段 [9][21] - AI在临床前研发环节的效率提升已得到初步验证，但从临床前到临床试验后期的转化瓶颈依然突出 [9][21] - 2026年将是关键考验之年，进入III期临床试验的AI药物数据将首次大规模检验AI是否能真正提高临床成功率，打破制药行业约90%的临床失败率魔咒 [10][22] 未来突破方向与行业展望 - 突破方向主要在三方面：打通“算法设计—自动化实验—数据回流”的干湿闭环；从单点工具升级为一体化平台的系统重构；在肿瘤、自免等高难度领域实现关键突破的价值验证 [10][22] - 业内认为，首个重要时点是人类首个AI驱动研发药物的获批上市，破局者可能是AI药企、传统仿创龙头或新进科技公司 [10][22] - 2026年，以晶泰科技、Tempus AI为代表的领军企业均有望实现EBITDA首次转正，产业即将迎来估值重构期 [12][24] - 行业正在回归商业与技术本质，缺乏临床验证能力的纯技术公司将被淘汰，头部企业通过并购整合扩大优势，行业集中度会进一步提升 [11][23]

全球制药巨头AI基础设施竞赛 - 罗氏宣布扩展其全球人工智能基础设施，在美国和欧洲部署了2176个高性能GPU，使其本地和云端GPU基础设施总容量超过3500个Blackwell GPU，罗氏声称这是目前已公布的制药公司可用的最大GPU规模 [2] - 礼来正式启用其医药AI工厂“LillyPod”，内置了1016颗英伟达Blackwell Ultra GPU，整体算力高达9000 Petaflops，更早之前，礼来与英伟达宣布将在五年内投入超10亿美元建立AI联合创新实验室 [3] - 罗氏的“AI工厂”是一个高性能超级计算平台，贯穿了整个价值链，在研发领域通过英伟达BioNeMo平台连接生物实验与AI模型，在制造领域利用Omniverse库驱动数字孪生，在诊断和数字病理学领域借助加速计算和Parabricks软件 [5] AI在制药行业的应用与趋势 - AI正从单点工具升级为支撑全价值链的基础设施，罗氏将AI深度嵌入从研发、生产到商业化的全流程，表明AI已从“锦上添花”变为“必选项” [3] - 根据英伟达2026年2月发布的调查报告，70%的医疗保健与生命科学企业正在积极使用AI，较去年的63%明显增长，数字医疗领域AI渗透率最高，达到78%，57%的医疗技术公司已看到AI在医学影像领域的实际回报，医学影像成为AI投资回报率最高的应用场景 [6] - 全球大型药企开始将AI贯穿应用于临床开发与制造过程，通过构建超级计算集群来设计更优的试验方案、优化生产并加速决策制定，2025~2026年是跨国药企全面加码AI的关键窗口期 [6] 中国AI制药市场现状 - 2025年，国内AI制药领域累计融资总额超67亿元，同比大幅增长130.5% [7] - “AI制药四小龙”行业格局成型，包括晶泰科技、英矽智能、剂泰科技和深度智耀，深度智耀近日宣布完成4000万美元（约合2.76亿元人民币）新一轮融资，剂泰科技已完成D轮融资 [7] - 中国AI制药公司正从风险极高的“淘金者”转变为更稳健的“卖水人”（即CRO/技术服务模式），市场更重视有“可交付指标”的AI制药公司，例如在成药性提升、实验周转时间缩短等“硬指标”上有优势的企业 [7][8] AI制药行业面临的挑战与瓶颈 - 截至目前，全球尚无一款完全由AI主导设计的药物获批上市，仅少数项目推进至Ⅲ期临床阶段，从临床前到临床试验后期的转化瓶颈依然突出 [9] - AI模型依赖高质量、标准化的数据训练，而生物医学数据往往存在“孤岛化”、标准化不足的问题，目前AI算法的准确率还有待提高，它只是相当于科学家的工具，并不能取代科学家 [11] - 业内预测2026年将是AI制药的关键考验之年，最重要的试金石将是进入III期临床试验的AI药物数据，这些结果将首次大规模检验AI是否能真正提高临床成功率，打破制药行业约90%的临床失败率魔咒 [11] 未来突破方向与行业展望 - 未来的突破方向主要在三个方面：一是干湿闭环，打通“算法设计—自动化实验—数据回流”的完整闭环；二是系统重构，从单点工具升级为一体化平台；三是价值验证，在肿瘤、自免等高难度领域实现关键突破 [10] - 随着AI制药行业奇点来临，首个重要时点必然是人类首个AI驱动研发药物的获批上市，首个破局者既可能是AI药企，也可能是传统仿创龙头在AI领域前瞻深耕者，还可能是非药领域的新进科技公司 [11] - 2026年，以晶泰科技、Tempus AI为代表的AI+制药赛道领军企业均有望实现EBITDA首次转正，产业即将迎来估值重构期 [12]

合作概览 - 全球市值第一的制药巨头礼来与全球市值第一的科技巨头英伟达宣布达成历史性战略合作 [1] - 双方将在未来五年内共同投入10亿美元，在旧金山湾区建立全新的联合创新实验室 [1] - 截至发稿，英伟达市值已突破4.5万亿美元，礼来市值稳定在1万亿美元以上，两家公司市值总和接近6万亿美元 [1][2] 合作模式与架构 - 联合实验室定位为通过AI重构药物研发流程的“超级工厂”，而不仅仅是算力中心 [2] - **硬件层面**：实验室将率先部署英伟达最新一代AI芯片架构Vera Rubin，该架构专为极大规模、极高精度的科学计算而生，适用于蛋白质折叠、分子动力学模拟等药物研发环节 [2] - **软件与数据层面**：英伟达将全面开放其BioNeMo生成式AI平台，礼来则提供其TuneLab平台及积累的海量高质量实验数据 [3] - 双方通过联邦学习技术融合数据与算法，旨在解决科技公司有模型没数据、制药公司有数据没模型的行业痛点 [4] - **制造与供应链层面**：合作延伸至制造端，礼来计划利用英伟达Omniverse平台建立制药产线的“数字孪生”，通过虚拟模拟优化生产流程，以提升如Zepbound（替尔泊肽）等紧缺产品的产能 [5] 礼来的战略动机 - 尽管凭借GLP-1药物（如替尔泊肽）在糖尿病和肥胖症领域取得成功，公司仍面临深层焦虑，源于制药行业长期受困于“双十定律”（研发一款新药需耗时10年、花费10亿美元）及“反摩尔定律”（研发成本随时间指数级上升） [6][7] - 公司CEO多次表示需要“工业化的发现能力”，旨在将药物研发从“发现”范式转变为“设计”范式，利用AI根据靶点结构定向设计分子，从而将筛选时间从几年缩短到几个月，并提高临床试验成功率 [7][8] - 面对谷歌Isomorphic Labs、微软、亚马逊等科技公司大举进军药物研发，公司选择主动联手最强科技伙伴以掌握主动权，避免未来沦为科技公司的代工厂 [8][9][10] 英伟达的战略动机 - 公司CEO认为“数字生物学将是下一场惊人的技术革命”，生命科学领域因其极高的数据量和计算复杂度，被视为能够像互联网一样消耗无尽算力的新领域，是GPU需求的潜在无底洞 [11][12] - 通过与礼来合作，公司得以接触顶级药企内部数据，反哺其BioNeMo模型的进化，并在与Google AlphaFold的竞争中获取差异化优势 [13] - 合作标志着公司从单纯销售硬件深入到药物研发核心业务流，BioNeMo平台的推广实质是在构建生物医药领域的操作系统，旨在确立其在医疗领域如同Windows在PC时代般的统治地位 [13] 行业影响与趋势 - 此次合作被视为AI制药行业的分水岭，创造了“顶级药企+顶级科技巨头”深度捆绑的第三种模式，区别于TechBio初创公司和大型药企内部IT部门主导的原有格局 [14][15] - **行业洗牌加速**：当英伟达直接向礼来等巨头提供底层能力时，依赖“讲故事”或“卖SaaS软件”的AI制药初创公司的生存空间将被压缩 [16] - **“干湿闭环”成为标配**：合作强调AI需与实体实验室设备紧密连接，实现AI设计、自动化合成测试、结果反馈迭代的闭环，这将成为未来药企的核心竞争力 [17] - **倒逼其他巨头**：预计全球排名前十的药企将加速寻找科技盟友，微软、亚马逊AWS、谷歌云将成为争抢对象，行业竞争从比拼管线储备升级到比拼“算力+数据”储备 [18] 挑战与展望 - AI并非魔法，生物学本身存在黑盒，生命规则充满混沌与未知相互作用 [19] - 当前AI在预测蛋白质结构方面表现良好，但在预测蛋白质功能、药物复杂代谢及临床疗效方面准确率依然不够高 [20] - 生物数据的标准化程度低，不同实验条件和批次的数据噪音大，数据清洗是巨大的工程挑战 [20] - 此次合作证明AI已成为制药业生存和发展的必需品，标志着人类对抗疾病的方式正在发生根本性改变 [20]

合作概述 - 字节跳动与比亚迪宣布深化AI for Science技术在锂电池研发中的应用，共建联合实验室[1] - 合作聚焦动力电池的快充、寿命和安全等关键技术问题[2] 技术细节 - 字节跳动Seed团队开发的电解液AI模型框架BAMBOO在比亚迪兆瓦闪充电池研发中发挥重要作用，实现"充电5分钟，续航400公里"的快充性能[1] - BAMBOO框架包含两个核心组件：BAMBOO-MLFF（液相有机小分子设计的机器学习力场）和BAMBOO-Mix（配方生成和预测模型）[1][2] - BAMBOO-MLFF预测密度误差仅为0.01g/cm³，采用旋转等变网络GET和知识蒸馏与密度对齐技术[1] - BAMBOO-Mix构建包含24万单分子数据、1万混合体系实验数据、10万分子动力学模拟数据的综合数据集，电导率预测精度R²=0.985[2] 合作模式 - 字节跳动提供模型算法研究能力和火山引擎云基础设施优化模型性能[2] - 比亚迪提供高通量实验平台和大规模实验数据支持[2] - 双方计划构建面向电池综合性能的AI模型，打通从模型训练到高通量实验室调度的全流程[2] 行业影响 - 合作体现AI技术在传统制造业中的深度应用价值[3] - "干湿闭环"技术方案将理论计算与实验验证结合，为动力电池行业技术创新提供新路径[3]