21世纪经济报道记者季媛媛

当外界还在争论AI究竟只是药物研发的“辅助工具”还是能颠覆整个产业的“革命力量”时，全球制药巨头们已经用真金白银做出了选择。

3月16日，罗氏宣布扩展其全球人工智能基础设施，正式部署由英伟达最新一代加速计算技术驱动的“人工智能工厂”。此次在美国和欧洲完成了2176个高性能GPU的部署，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。

这并非个例。就在一个月前，礼来也正式启用了其医药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。

当传统的“双十定律”（十年时间、十亿美元）愈发成为难以承受之重，AI被寄予厚望，成为打破僵局的那把钥匙。一场围绕“算力”和“AI基础设施”的军备竞赛，正在全球顶尖药企之间悄然打响。

然而，21世纪经济报道记者在深入调研中发现，尽管赛道持续火热，融资额激增，但AI制药行业当下正处于一个充满矛盾的关键时期：巨头疯狂扩张，资本理性回归，技术验证在即，商业痛点仍存。

有券商医药行业分析师对21世纪经济报道记者表示，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，这与礼来等巨头的布局类似，表明AI已从“锦上添花”变为“必选项”。

“AI在靶点发现、分子设计等环节已展现出缩短周期、降低成本的价值。”该分析师认为，全球AI制药公司超350家，中国超100家。英矽智能、晶泰科技等本土企业已构建从算法到自动化实验室的全链条能力，并与国际药企达成多项授权合作，商业化路径逐渐清晰。

算力即话语权？

有业内人士认为，罗氏此次的布局，绝不是多买了几张显卡那么简单。其透露的信息显示，这座“AI工厂”是一个高性能超级计算平台，贯穿了整个价值链。

根据公开信息，在研发领域，通过英伟达BioNeMo平台增强“Lab-in-the-Loop”模式，连接生物实验与AI模型；在制造领域，利用Omniverse库驱动数字孪生优化流程；在诊断和数字病理学领域，则借助加速计算和Parabricks软件从海量数据中获取洞察。

“罗氏的举动释放了一个明确的信号：大型药企正在将核心AI基础设施‘私有化’和‘重装化’。”前述分析师指出，“过去大家更多是采购外部AI服务或进行项目式合作，但现在，头部玩家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，这构建了极高的底层数据壁垒。”

行业研究报告也印证了这一趋势，报告指出，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，正是跨国药企（MNC）全面加码AI的关键窗口期，它们正通过共建算力实验室及多项目平台合作等方式，加速构建“算力-算法-数据-实验”的一体化体系。

这种“重装基建”的背后，是对数据隐私及专有模型的极度重视。根据英伟达2026年2月发布的第二份年度《医疗保健与生命科学领域AI现状》调查报告，70%的企业正在积极使用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。

“医疗保健和生命科学的游戏规则已经彻底变了！”报告指出，AI正在从“数据处理工具”加速进化为“创造性生产力引擎”，这场变革才刚刚开始。

不过，与跨国药企动辄数十亿砸向底层基建不同，国内AI制药领域正在经历一场深刻的“冷热交替”。

一级市场的融资数据依然亮眼。数据显示，2025年，国内AI制药领域累计融资总额就已超67亿元，同比大幅增长130.5%。此外，覆盖AI制药全链条的政策支持体系也正在形成。继英矽智能、晶泰科技登陆港股后，“AI制药独角兽”深度智耀（DIP）近日宣布完成4000万美元(约合2.76亿元人民币)新一轮融资，而剂泰科技已完成D轮融资。这意味着，“AI制药四小龙”——晶泰科技、英矽智能、剂泰科技和深度智耀的行业格局已然成型。

然而，热钱的涌入并未让所有从业者感到安心。21世纪经济报道记者注意到，一个显著的趋势是，越来越多的AI制药公司正在集体转身，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）。

曾备受瞩目的AI制药明星公司Verge Genomics近期宣布，其渐冻症药物VRG50635临床试验失败，并宣布转型为一家为大型药企提供AI技术服务的平台公司。无独有偶，Recursion在完成对Exscientia的收购后，也暂停或终止了多个临床阶段项目，聚焦更核心的领域。

“在行业方向尚未明朗之际，前些年的投资行为更像是‘乱枪打鸟’。”有业内人士指出，现在的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。

商业化路径何在？

对中国产业而言，凭借丰富的临床资源、海量的数据积累以及有力的政策支持，有望在AI制药的全球竞争中占据有利地位。

但这种转变的背后，是残酷的现实压力。尽管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。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，仅少数项目推进至三期临床阶段。

“投资人已经不再愿意为长期没有现金流的企业买单。”一位资深投资人向记者坦言，“如今普遍的底线是，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。AI制药本质上并没有逃脱新药研发长期输血的逻辑，只是可能缩短了一点时间，但究竟能否真正缩短，依然未知。”

这也意味着，AI制药要从“概念验证”走向“商业落地”，必须迈过几道现实的门槛。

未来的突破方向在哪？对此，前述分析师强调，主要在三方面：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。通过AI指导高通量实验，再用新数据迭代模型，形成“自我强化”的数据飞轮；二是，系统重构。从单点工具升级为一体化平台。整合数据、算力、模型与应用，构建多智能体协同的研发系统，实现从“工具”到“基础设施”的跃迁；三是价值验证。在肿瘤、自免等高难度领域实现关键突破。通过AI设计出临床优势显著的分子，用优异的临床数据证明其对投资回报率的真实改善。

国金证券分析认为，从AI药企的角度，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。同时，因为AI制药本身是科技跨界的崭新赛道，首个破局者，即可能是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。

“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。”前述分析师解释，“有了数据后，才能根据数据去训练模型，做到算法迭代。但目前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。”

业内专家预测，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。

事实上，告别了“讲故事”的阶段，AI制药行业正在回归商业与技术的本质。未来的行业竞争中，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。

不少业内人士预判，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 。

中邮证券发布研报则认为，AI已成为新药物发现的“加速引擎”，有望缩短药物发现时间，直接提升新药研发的成功率与效率。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。

无论是罗氏的“人工智能工厂”，还是礼来的“LillyPod”，抑或是英矽智能与施维雅达成的8.88亿美元合作 ，种种迹象表明，AI正在完成从“技术工具”到“产业引擎”的跃迁。而当潮水退去，只有那些能真正攻克“难成药”靶点、在临床后期拿出硬核数据的企业，才能在“算力内卷”中笑到最后。