舊金山的冬天有些許寒冷，但剛剛開幕的第44屆摩根大通醫(yī)療健康大會（J.P. Morgan Healthcare Conference, JPM）卻讓全球資本市場感受到了前所未有的燥熱。
當(dāng)?shù)貢r間1月12日，就在JPM大會的首日，一則重磅消息瞬間引爆了會場，也震動了從硅谷到華爾街的每一根神經(jīng)：
全球市值第一的制藥巨頭禮來與全球市值第一的科技巨頭英偉達(dá)正式宣布，雙方將達(dá)成一項歷史性的戰(zhàn)略合作。
兩家公司將在未來五年內(nèi)共同投入10億美元，在舊金山灣區(qū)建立一個全新的聯(lián)合創(chuàng)新實驗室。
這不僅是一次簡單的企業(yè)合作，更被業(yè)內(nèi)視為“硅基智能”與“碳基生命”最頂層的握手。
截至發(fā)稿，英偉達(dá)市值已突破4.5萬億美元，穩(wěn)坐全球科技王座；而禮來憑借在GLP-1減肥藥領(lǐng)域的絕對統(tǒng)治力，市值穩(wěn)定在1萬億美元以上，是無可爭議的醫(yī)藥之王。
兩家市值加起來接近6萬億美元的巨無霸，決定聯(lián)手押注AI醫(yī)療，這本身就是一個巨大的時代信號。
這究竟是一場怎樣的“豪賭”？AI真的能打破困擾制藥業(yè)數(shù)十年的“反摩爾定律”嗎？
根據(jù)雙方披露的細(xì)節(jié)，這個聯(lián)合實驗室將不僅僅是一個算力中心，而是一個完全通過AI重構(gòu)藥物研發(fā)流程的“超級工廠”。
具體來說，包括以下三大方式。
首先，是硬件：首發(fā)Vera Rubin芯片。最引人注目的技術(shù)細(xì)節(jié)在于，該實驗室將率先部署英偉達(dá)最新一代的AI芯片架構(gòu)——Vera Rubin。
如果說2024年的Blackwell芯片讓大模型訓(xùn)練成為可能，那么2026年登場的Rubin架構(gòu)則是專門為極大規(guī)模、極高精度的科學(xué)計算而生。
對于藥物研發(fā)中涉及的蛋白質(zhì)折疊、分子動力學(xué)模擬以及復(fù)雜的基因組學(xué)分析，Rubin芯片提供了前所未有的算力密度。
禮來并沒有選擇等待云服務(wù)商的分配，而是直接將“核武器”搬進(jìn)了自己的后院。
其次，是軟件：BioNeMo與TuneLab的合體。
硬件只是基礎(chǔ)，真正的護(hù)城河在于數(shù)據(jù)與算法的融合。
英偉達(dá)將全面開放其BioNeMo生成式AI平臺，這是一個專門用于生物學(xué)的“ChatGPT”。它能夠理解氨基酸的語言，像生成文本一樣生成全新的蛋白質(zhì)結(jié)構(gòu)。
而禮來則拿出了其壓箱底的寶藏——TuneLab平臺。
作為一家擁有150年歷史的老牌藥企，禮來積累了海量的、高質(zhì)量的實驗數(shù)據(jù)。
在AI時代，這些標(biāo)注清晰、經(jīng)過驗證的實驗數(shù)據(jù)比黃金更珍貴。
通過聯(lián)邦學(xué)習(xí)技術(shù)，雙方試圖解決AI醫(yī)療最大的痛點：科技公司有模型沒數(shù)據(jù)，制藥公司有數(shù)據(jù)沒模型。
最后，是“AI工廠”與數(shù)字孿生。
除了研發(fā)，這次合作還延伸到了制造端。利用英偉達(dá)的Omniverse平臺，禮來計劃建立其制藥產(chǎn)線的“數(shù)字孿生”。
這意味著在現(xiàn)實世界中擰緊一顆螺絲之前，AI已經(jīng)在虛擬世界中模擬了數(shù)百萬次生產(chǎn)流程，以確保供應(yīng)鏈的絕對高效與穩(wěn)定。
對于像Zepbound（替爾泊肽）這樣全球供應(yīng)緊缺的“藥王”級產(chǎn)品，產(chǎn)能的優(yōu)化直接意味著數(shù)百億美元的營收增量。
為什么是禮來？
在外界看來，禮來正如日中天。憑借替爾泊肽在糖尿病和肥胖癥領(lǐng)域的橫掃之勢，禮來現(xiàn)金流充沛，股價屢創(chuàng)新高。
但恰恰是這種巔峰狀態(tài)，讓禮來的管理層感受到了更為深層的焦慮。
原因在于，制藥行業(yè)長期受困于“雙十定律”——研發(fā)一款新藥需要耗時10年，花費(fèi)10億美元（甚至更多）。
更可怕的是“反摩爾定律”：隨著時間推移，研發(fā)新藥的成本不僅沒有下降，反而在指數(shù)級上升。
盡管GLP-1藥物為禮來贏得了未來十年的船票，但下一個“藥王”在哪里？是阿爾茨海默癥？是癌癥？還是自身免疫疾??？
傳統(tǒng)的“試錯法”研發(fā)效率太低了。禮來CEO Dave Ricks曾多次表示：“我們不能指望運(yùn)氣，我們需要工業(yè)化的發(fā)現(xiàn)能力。”
此外，與英偉達(dá)的合作，標(biāo)志著禮來試圖將藥物研發(fā)從“Discovery”（發(fā)現(xiàn)）范式轉(zhuǎn)變?yōu)?ldquo;Design”（設(shè)計）范式。
以前，科學(xué)家像是在大海撈針，從成千上萬個化合物中篩選可能的有效分子。而有了AI，科學(xué)家可以像建筑師畫圖紙一樣，根據(jù)靶點結(jié)構(gòu)，定向設(shè)計出具有特定功能的分子。
這不僅能將藥物篩選的時間從幾年縮短到幾個月，還能大幅提高臨床試驗的成功率。
更關(guān)鍵的是，谷歌旗下的Isomorphic Labs（也就是開發(fā)AlphaFold的團(tuán)隊）正在大舉進(jìn)軍藥物研發(fā)；微軟、亞馬遜也在瘋狂布局。
作為“舊世界”的霸主，禮來非常清楚，如果不主動擁抱AI，未來很可能會淪為科技公司的代工廠。
與其等著被顛覆，不如主動聯(lián)手最強(qiáng)的科技伙伴，將主動權(quán)掌握在自己手中。
對于英偉達(dá)來說，這筆合作同樣意義非凡。
雖然英偉達(dá)靠賣GPU賺得盆滿缽滿，但黃仁勛一直有一個觀點：“數(shù)字生物學(xué)將是下一場驚人的技術(shù)革命。”
背后的原因是，模型訓(xùn)練的算力需求雖然旺盛，但遲早會進(jìn)入平臺期。英偉達(dá)需要找到一個能夠像互聯(lián)網(wǎng)一樣消耗無盡算力的新領(lǐng)域。
生命科學(xué)正是這樣一個完美的場景。人體的復(fù)雜度遠(yuǎn)超任何語言模型。一個細(xì)胞內(nèi)的生化反應(yīng)網(wǎng)絡(luò)，其數(shù)據(jù)量和計算復(fù)雜度是天文數(shù)字級的。
如果能用算力模擬生命，那么醫(yī)藥行業(yè)對GPU的需求將是無底洞。
同時，英偉達(dá)雖然有最強(qiáng)的算法和算力，但它沒有生物數(shù)據(jù)。
通過與禮來合作，英偉達(dá)得以接觸到頂級的藥企內(nèi)部數(shù)據(jù)（盡管是通過聯(lián)邦學(xué)習(xí)等隱私保護(hù)方式），這將極大地反哺其BioNeMo模型的進(jìn)化，使其在與Google AlphaFold的競爭中獲得差異化優(yōu)勢。
一個更隱秘的細(xì)節(jié)是，過去英偉達(dá)只是向藥企兜售顯卡和服務(wù)器。但通過與禮來的深度綁定，英偉達(dá)開始深入到藥物研發(fā)的核心業(yè)務(wù)流中。
BioNeMo平臺的推廣，實際上是英偉達(dá)在構(gòu)建生物醫(yī)藥領(lǐng)域的操作系統(tǒng)。
一旦全球的藥企都習(xí)慣了在英偉達(dá)的軟件棧上開發(fā)藥物，英偉達(dá)在醫(yī)療領(lǐng)域的地位將如同微軟在PC時代的Windows一樣不可撼動。
禮來與英偉達(dá)的這次牽手，大概率會成為AI制藥行業(yè)的一個分水嶺。
在此之前，AI制藥賽道主要由兩類玩家主導(dǎo)。
一類是TechBio初創(chuàng)公司（如Recursion, Schrödinger, Insilico Medicine等），它們懂AI，但往往缺乏后期臨床開發(fā)能力和商業(yè)化管線。
另一類是大型藥企的內(nèi)部IT部門，它們有錢有數(shù)據(jù)，但往往受限于傳統(tǒng)體制，難以吸引頂級的AI人才，技術(shù)迭代緩慢。
禮來與英偉達(dá)的模式，創(chuàng)造了第三種可能：“頂級藥企+頂級科技巨頭”的深度捆綁。
詳細(xì)來說，有三大趨勢：
第一，行業(yè)洗牌加速。
對于那些僅僅靠“講故事”或“賣SaaS軟件”的AI制藥初創(chuàng)公司來說，日子要難過了。當(dāng)英偉達(dá)直接向禮來這樣的巨頭提供最底層的原子級能力時，中間商的生存空間將被極度壓縮。
第二，“干濕閉環(huán)”成為標(biāo)配。
這次合作反復(fù)強(qiáng)調(diào)了“實驗室”的概念，而不是“數(shù)據(jù)中心”。
其意味著AI不再是單純跑在服務(wù)器上的代碼，而是要與實驗室里的移液管、顯微鏡、合成機(jī)器人緊密連接。
AI設(shè)計的分子，必須能迅速在自動化實驗室中被合成、測試，并將結(jié)果反饋給AI進(jìn)行迭代。這種“干（Dry Lab）濕（Wet Lab）閉環(huán)”的能力，將是未來藥企的核心競爭力。
第三，對其他巨頭的倒逼。
禮來動了，諾和諾德怎么辦？輝瑞、強(qiáng)生、羅氏怎么辦？
可以預(yù)見，在JPM大會之后，全球排名前十的藥企都將加速尋找自己的科技盟友。微軟、亞馬遜AWS、谷歌云將成為被爭搶的對象。
醫(yī)藥行業(yè)的“軍備競賽”，從比拼管線儲備，升級到了比拼“算力+數(shù)據(jù)”儲備的維度。
當(dāng)然，盡管巨頭們的愿景宏大，但我們必須保持冷靜：AI并不是魔法。
這是在于，生物學(xué)的黑盒依然存在。大語言模型在處理自然語言時非常出色，因為語言是人類創(chuàng)造的，有明確的語法和邏輯。
但生命之書不是人類寫的，其規(guī)則充滿了混沌、冗余和未知的相互作用。
目前AI在預(yù)測蛋白質(zhì)結(jié)構(gòu)方面已經(jīng)做得很好了，但在預(yù)測蛋白質(zhì)功能、預(yù)測藥物在人體內(nèi)的復(fù)雜代謝及臨床療效方面，準(zhǔn)確率依然不夠高。
特別關(guān)鍵的是，雖然禮來有海量數(shù)據(jù)，但生物數(shù)據(jù)的標(biāo)準(zhǔn)化程度遠(yuǎn)低于文本數(shù)據(jù)。不同實驗條件、不同批次的數(shù)據(jù)往往存在巨大的噪音。如何清洗這些數(shù)據(jù)，讓AI能“吃得進(jìn)去、消化得了”，是一個巨大的工程挑戰(zhàn)。
但不管怎樣，全球第一藥企和全球第一科技公司的握手，證明了AI不再是制藥業(yè)的點綴，而是成為生存和發(fā)展的必需品。
我們尚不知道這個聯(lián)合實驗室何時能誕生第一款“重磅炸彈”級藥物，但可以確定的是：
當(dāng)硅基智能開始解碼碳基生命的奧秘，人類對抗疾病的方式，已經(jīng)徹底改變了。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機(jī)號后發(fā)表評論