2026年初礼来与英伟达10亿美元AI工厂启动，端到端自动化制药提速

2026年初，制药巨头礼来与英伟达合作的AI工厂正式启动，总投资10亿美元，覆盖人员、基础设施和算力，目标是从分子设计到合成验证实现端到端自动化。这不仅是单笔投资，更是一个信号：英伟达已把AI4S列为与大语言模型、具身智能并列的三大AI关键方向之一。

一、事件速览

管线侧的进展同样密集。英矽智能用PandaOmics平台识别靶点、用Chemistry42生成式化学引擎设计分子，其候选药物INS018_055已进入二期临床试验，从靶点发现到临床前候选不到18个月。Generate:Biomedicines与诺华达成金额超10亿美元的合作，把一款AI设计的抗TSLP抗体推进到哮喘三期。Absci用零样本抗体设计把ABS-201推进到脱发与子宫内膜异位症的早期人体试验，其ABS-101的一期数据显示，最高剂量组68%的参与者肠道炎症标志物有可测量下降。

二、关键数据与技术细节

• 投资规模：礼来与英伟达的AI工厂总投资10亿美元，覆盖人员、基础设施与算力。
• 英矽智能：靶点发现到临床前候选不到18个月，INS018_055已进入二期，部分候选药物获监管突破性认定。
• Absci：平台可在六周内完成从设计到湿实验验证，传统流程需12到18个月；2026年3月完成4.8亿美元融资，估值32亿美元。
• Recursion：REC-4881在家族性腺瘤性息肉病中，约四分之三的受治患者息肉负荷下降，多数在六个月时维持应答。
• 资本面：Absci、Generate Biomedicines等一批公司自2025年1月以来合计融资超过14亿美元。
• 市场预测：至2028年，AI将在药物发现领域节省超过700亿美元资金，并使药物前期研发时间减半。

三、行业影响与解读

需要保持清醒的是，制药业的墓地里堆满了曾承诺终结失败率的技术，组合化学、高通量筛选、基因组学都曾带来类似的喧嚣，最终带来真实但更温和的收益。根本原因在于，大多数临床失败不是因为药物没击中靶点，而是因为靶点本身就是错的，或人体的反应方式没有任何模型预料到。因此礼来这类项目的真正价值，或许不在于单个分子的成功率，而在于把设计、合成、验证的循环周期压缩到可以反复试错的程度。六周对比传统12到18个月，正是这种循环速度的量级差异。当迭代成本足够低，行业才可能对更多靶点做统计学意义上充分的探索。

四、值得关注的信号

• 英伟达把AI4S列为三大方向之一，意味着算力供给与科研基础设施的绑定会持续加深。
• 六周完成从设计到湿实验验证，湿实验闭环速度正成为新的核心竞争指标。
• ABS-101的一期数据与REC-4881的应答维持率，是判断快能否转化为有效的早期样本。
• 大药企以10亿美元级合作换管线，说明自建能力仍慢于外部合作，这一格局短期难改。

小结：礼来与英伟达的10亿美元AI工厂，代表AI制药从单点工具走向端到端基础设施。管线数据看起来鼓舞人心，但历史的经验是提速容易、提高成功率难。判断这一轮能否兑现700亿美元的成本节省，关键不是设计出了多少分子，而是湿实验闭环能否快到让错误的靶点尽早被证伪。