礼来的“次世代”之战

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议。

在第44届摩根大通医疗健康大会（JPM 2026）上，AI制药出人意料的成为引入瞩目的焦点。在众多重磅发布中，制药巨头礼来（Eli Lilly）与科技巨头英伟达（NVIDIA）宣布联合成立AI联合创新实验室，未来五年将共同投入超10亿美元，全面重构药物研发全链条。

这项里程碑式的合作，预示着医药行业正迈向“硅基智能+碳基生命”协同创新的新纪元。当AI技术从研发辅助工具向核心引擎跨越，医药研发领域的“次世代战争”已然拉开序幕。

01

抢占AI技术高地

礼来与英伟达的合作，看似是两大巨头组成的商业联盟，实则揭开了医药行业从“经验摸索”向“精准工程”转型的大幕。这并非简单的技术叠加，而是旨在构建覆盖药物研发、生产、商业化全流程的AI驱动体系，实现研发范式的根本性变革。

从合作内容来看，双方搭建了“算力+数据+研发”的三维协同框架，形成优势互补的闭环生态。

算力与技术支撑层面，合作实验室将率先部署英伟达最新一代AI芯片架构Vera Rubin。相较于前一代Blackwell架构，该平台训练性能提升3.5倍，推理成本却压缩至原来的十分之一；同时配套部署专为生物医药场景设计的BioNeMo生成式AI框架，可精准预测分子活性、毒性及药代动力学特性，为药物设计提供核心技术支撑。礼来则贡献其积累数十年的海量专有数据，涵盖糖尿病、肿瘤、神经科学等关键治疗领域的化合物库、电子病历及临床试验数据，这些高质量数据成为AI模型训练的核心“燃料”。

在具体落地场景上，双方将优先打造持续学习系统，深度融合礼来的智能化湿实验室与英伟达的计算型干实验室，实现AI辅助下的全天候实验运转，为生物学家、化学家提供实时技术支撑。此外，双方将重点推进机器人技术与物理AI（融合物理定律与机器学习，模拟分子相互作用、药物生产等真实物理过程）的落地应用，加速药物发现与生产的规模化推进。

这场合作的本质，是双方优劣势的精准互补与战略诉求的高度契合。

礼来的核心优势在于深厚的生命科学积淀与海量高质量临床数据，其临床数据积累规模在行业内处于领先水平，但短板也十分突出——AI算力支撑不足、前沿模型构建能力有限，难以实现大规模数据的高效转化。而英伟达作为全球AI芯片龙头，凭借Vera Rubin架构、DGX Cloud算力平台及BioNeMo模型平台，构建了AI在生命科学领域应用的完整技术底座，恰好弥补了礼来的短板。

与此同时，英伟达亟需将AI技术从科技领域延伸至高价值的生物医药场景，打开千亿美元级的增量市场空间，双方的合作形成了“各取所需、协同共赢”的格局。

这场合作并非偶然。早在2025年10月，礼来就已部署搭载超1000颗Grace Blackwell芯片的超级计算机，搭建“AI工厂”核心基础设施；此次联合实验室的落地，标志着双方合作从“远程技术协同”升级为“贴身深度共创”，进入实质性落地阶段。

02

礼来的战略底气

礼来敢于豪掷10亿美元布局AI制药，核心底气源于其在核心赛道的绝对领跑优势：替尔泊肽的成功，奠定了其在代谢领域的统治地位，也为前沿布局提供了充足的资金与数据储备。

作为双重作用机制的GLP-1受体激动剂，替尔泊肽2025年前三季度凭借降糖与减重双适应症，合计实现收入248.37亿美元；按此增速估算，其全年收入将突破330亿美元，有望超越现有“药王”，登顶全球药物销售额榜首。

更关键的是，礼来并未止步于单一产品的成功，而是构建了多层次、全维度的GLP-1管线矩阵，筑牢竞争壁垒。

图：礼来在研管线一览，来源：公司官网

在核心产品迭代上，三重作用机制的Retatutide在特定人群中实现高达28.7%的减重效果，2026年将有多组III期临床研究数据公布，有望成为替尔泊肽的核心接力者；口服GLP-1药物Orforglipron已提交上市申请并启用优先审评券，预计2026年第二季度正式获批，填补口服剂型的市场空白。

联用疗法方面，礼来双线布局ActRII赛道，通过收购Versanis获得Bimagrumab（ActRIIA/B单抗），并引入来凯医药的LAE102（抗ActRIIA单抗）；在胰淀素领域，布局长效Amylin激动剂Eloralintide与替尔泊肽的联合疗法，形成覆盖不同靶点、不同剂型、不同适应症的GLP-1全生态布局。

除GLP-1领域的绝对优势外，礼来在研发效率与全球化布局上的能力，进一步强化了其行业领跑地位。

一直以来，礼来秉持“速度差异化”战略，候选药物从靶点选择到首次上市的周期较行业平均水平快约3.5年；其独特的BD策略“Catalyze 360”，通过向Biotech企业开放实验室、算力资源与专业技术，换取创新成果的优先合作权，构建了开放共赢的研发生态。

在全球化层面，礼来已在30多个主要国家完成核心产品上市，2025年自付需求超预期增长，中国、印度、巴西等新兴市场成为收入增长新引擎；而口服GLP-1药物的低成本优势，将进一步加速其在新兴市场的渗透，拓宽增长边界。

这种稳固的行业领导地位，为礼来布局AI制药提供了双重支撑。一方面，GLP-1领域的持续高盈利的为AI研发注入充足资金，10亿美元的合作投入对年营收超500亿美元的礼来而言，不会对核心业务造成压力；另一方面，GLP-1管线积累的海量临床数据、化合物数据，可直接作为AI模型训练的优质素材，加速AI技术在代谢领域的落地应用，形成“核心业务反哺未来布局”的良性循环。

从更深层次来看，礼来的AI布局也是应对行业竞争与风险的战略考量。当前全球GLP-1赛道竞争日趋激烈，已有179个在研管线同台竞技，且替尔泊肽核心专利将于2032年到期，现有优势面临被稀释的风险。

在此背景下，通过AI技术开拓新靶点、设计新分子，打造下一代“爆款药物”，成为礼来维持长期竞争力的核心动因。

03

AI将成为制药行业的α？

传统逻辑中，AI在制药行业的定位始终是“效率提升工具”，主要用于优化实验流程、缩短数据处理时间，本质上是对传统研发模式的补充。即便在2024年Deepseek爆火引发的AI热潮中，AI制药也多停留在概念炒作阶段，尚未形成规模化落地路径。

从现有行业实践来看，AI+制药的规模化路径主要分为三类，但均存在明显短板：其一，AI+SaaS模式，AI沦为单纯的技术平台，核心竞争力聚焦算力、数据、算法等IT能力，与医药场景的深度融合不足，更偏向IT行业范畴；其二，AI+Biotech模式，本质是AI化的CRO服务，业务局限于临床前研究，难以延伸至临床阶段与商业化环节，规模化空间有限；其三，AI+CRO模式，对资金的需求远超传统CRO业务，从当前Biotech企业融资数十亿仍难见成果的现状来看，叠加AI基础设施搭建成本，投入产出比相对较低，商业化前景不明朗。

但礼来与英伟达的10亿美元合作，彻底颠覆了这一认知。AI正从辅助工具升级为带动研发范式变革的核心力量，有望成为制药行业的α因素。

这场合作的核心突破，在于实现了上述三种模式的深度融合，大概率将成为AI制药行业的分水岭。双方构建的“干湿结合”闭环模式，为AI制药的规模化落地提供了可复制的行业模板：AI模型指导湿实验室开展实验，实验产生的真实数据反哺干实验室优化模型，形成“模型-实验-数据-迭代”的持续学习闭环，打破了传统研发中“计算与实验脱节”的核心瓶颈。

这种闭环模式的价值，在分子设计等核心环节体现得尤为明显：AI可快速生成数千种潜在活性分子，机器人实验员自动完成分子合成与活性测试，数据实时反馈至模型并指导下一轮分子优化，将原本需要数月的研发循环压缩至数天。更重要的是，该模式不仅适用于小分子药物，还可延伸至抗体药物、细胞治疗、基因治疗等多个领域，具备广泛的行业适用性。

AI对制药行业的变革，更体现在研发范式的根本性转变——从“试错式探索”转向“预测性设计”。通过对海量生物分子数据、临床数据的深度学习，AI可在分子合成前精准预测其疗效、安全性及药代动力学特性，大幅降低盲目实验的比例，这种范式变革的价值，远超过单纯的效率提升，将重构药物研发的核心逻辑。

与此同时，AI还正推动制药行业生态重构与竞争格局重塑。目前全球TOP20药企中已有半数布局AI制药，但礼来与英伟达的合作在规模、深度与模式创新性上均属首次，这必将引发制药巨头间的“军备竞赛”，默沙东、罗氏等制药巨头大概率会跟进类似跨界合作，加速AI技术在行业内的渗透。

对于中小型Biotech企业而言，这场合作也带来了新的发展机遇。英伟达的开源模型与礼来的TuneLab平台，大幅降低了AI制药的技术门槛，使中小企业能够借助外部技术资源提升研发能力，无需投入巨额资金搭建自有AI基础设施。未来行业有望形成“巨头构建生态、中小企业聚焦细分场景”的新格局，中小企业可深耕罕见病、特色靶点等细分领域，与巨头形成差异化竞争。

不可否认，AI制药的规模化落地仍面临多重挑战。目前全球范围内，AI设计的药物尚无完全获批上市的先例，多数处于临床前或早期临床阶段，其最终疗效与安全性需经过长期临床验证；各国监管机构对AI生成药物的审评标准、审批路径尚未明确，监管不确定性可能延缓商业化进程；同时，复杂疾病靶点识别难度大、医药数据隐私保护合规要求高、AI模型可解释性不足等问题，也亟待行业共同解决。

但这些挑战无法阻挡技术变革的大趋势。礼来作为全球制药行业的标杆企业，从GLP-1领域的绝对领跑，到AI制药的前瞻性布局，每一步都展现出穿越行业周期的战略远见。礼来与英伟达的合作，不仅是企业层面的强强联合，更是计算科学与生命科学的深度融合，为AI制药的规模化落地提供了清晰路径。

这场布局“次世代战争”的行动，或许将重新定义未来数十年的制药行业格局。

· 靶点格局 ·

| |

| |

| |

| |

· MNC观察 ·

| | |

| | |

| | |

| | |

| | Illumina

· 产业地图 ·

| |

| |

| |

| |

| |

| |

| |

| |