BMS、礼来、罗氏…加速布局AI大模型

打造医药行业最强超算（supercomputer）的竞赛，上个月迎来新入局者——7月21日，百时美施贵宝宣布，将深化与英伟达的合作，将获得“生命科学行业算力最强、能效最优的单一自有英伟达基础设施” 。

根据协议，百时美施贵宝将采购搭载英伟达Vera Rubin NVL72系统的DGX SuperPOD超级计算机，或成为全球首家部署Vera Rubin架构的生物制药企业。

百时美施贵宝称，该系统每兆瓦性能最高可达上一代产品的10倍，并计划利用这一算力推进肿瘤、血液学、心血管疾病、免疫学及神经科学领域日益复杂的AI驱动项目。

百时美施贵宝首席研究官Robert Plenge表示：新一代计算系统将帮助公司在药物开发周期的早期阶段筛选更多潜在候选药物；目前该公司通过AI工具已将药物研发周期缩短了20%-30%，未来甚至有望缩短50%。

百时美施贵宝与英伟达已合作近三年，公司表示AI投资已经开始在管线与业务运营层面显现成效。如公司高级副总裁、药物发现与开发科学部门负责人Mike Ellis在2025年接受采访时提到，在基于靶向蛋白降解技术开发镰状细胞病临床候选药物时，AI帮助百时美施贵宝突破了研发瓶颈。

百时美施贵宝不是唯一一家宣称手握顶级AI算力（AI-computing）的大型制药企业。礼来在2025年10月表示，将携手英伟达搭建“由制药企业自有并运营的最强超算”。罗氏则在今年3月称，其与英伟达扩大合作后，拥有“制药行业已公开披露规模最大的混合云AI工厂”，部署超3500个英伟达Blackwell GPU。

不过，各家企业衡量“算力最强”的标准并不统一。英伟达生命科学业务开发高级总监Rory Kelleher表示，按照英伟达的标准——每秒运算次数，百时美施贵宝这套规划中的系统，将成为“生物制药行业最先进的超算”，“其他药企有的按GPU数量衡量，有的以单套系统为评判标准”。

无论采用何种指标，各家药企目标一致：以更强算力训练更大规模模型，运行更复杂实验，推动药物发现与开发更快、更高效。只不过实现这一切，需要更强的AI算力支撑。

“核心是基于更大数据集，训练更大规模的模型，让系统拥有更出色的预测与生成能力。”Rory Kelleher称，“可以把现有实验跑得更快，但更重要的是，拥有充足算力，才能开展以往无法实现的实验。”

在Rory Kelleher看来，市场对加速算力的需求，折射出多重技术趋势的交汇，AI智能体的兴起正是其中之一。

“如今智能体已经基本可以实际完成工作。基于这一点，智能体需要算力；算力越充足，就能部署越多智能体，完成更多任务。因此企业认为，这是提升药物早期发现效率的重大机遇。”他说道。

Rory Kelleher进一步指出，更强算力本身远远不够，还需要面向科研领域打造智能体配套工具。百时美施贵宝就将把这套超算与英伟达BioNeMo智能体搭配使用。

“这套工具集合了经过加速优化的工具、模型与程序库，转化为智能体可调用的技能。”Rory Kelleher解释道。让通用智能体调用这套工具包，便可以在百时美施贵宝的“混合智能”模式下完成各类科研任务，该模式旨在实现研究人员与AI智能体协同工作。

Rory Kelleher透露，这套系统预计2027年第一季度正式上线，向百时美施贵宝内部研究人员开放使用。

超算仅仅是药企AI战略中的一环。药企也在针对模型、软件，以及研发和临床开发领域的特定应用能力签约。

仅今年，百时美施贵宝就达成多项合作：与Anthropic合作，在研发及全球运营中部署Claude大模型；携手微软推进AI赋能的早期肺癌检测；联合Evinova，利用AI优化临床试验设计、缩短周期、降低成本。

无独有偶，礼来也与英矽智能达成最高规模27.5亿美元的药物发现合作；罗氏支付5500万美元首付款，使用Manifold Bio的技术开发能够穿透血脑屏障的新型“转运载体”。

显然，对于制药企业而言，更有实际意义的评判标准，是这套庞大算力能否转化为更优质的研发决策。

聚焦这一AI时代的行业共性问题，医药魔方2026中国医药决策者峰会携手英伟达、微软等联合主办方，回答“AI如何重塑生物医药产业”。

会议上午，医药魔方将发布《2026中国医药产业AI决策力报告》以及“医药魔方AI”，并就AI提效药物研发、AI时代的药企转型与医药决策等问题邀请业内大咖分享。

会议下午，医药魔方则将跨界联合英伟达、微软，关注“AI工厂与开发者生态”以及“AI驱动生命科学规模化创新”等前沿议题，并围绕“AI决策力”展开主题报告和圆桌讨论，涵盖AI赋能的早期研发与管线优先级判断、AI制药的理性估值，以及AI重构BD交易等。

2026中国医药决策者峰会，将首次实现AI生态模块全栈同台，覆盖从基础设施到组织范式的完整链条，一站式纵览AI重塑医药产业的全局图景，助力参会者在算力、模型、应用与组织多个层级中，找到适配自身业务的切入路径与决策坐标，从试点焦虑到战略笃定。