人类将ai资源投向哪里，哪里就有可能率先突破。ai企业纷纷推出生命科学大模型，医药企业也在加速融入ai新技术，会发生什么？
ai企业拥抱医药
本周，openai与亚马逊相继推出垂直领域的专用大模型和智能体，“ai+生命科学”竞争已从通用算力转向“数据+模型+实验”的闭环整合。
4月16日，openai推出生命科学模型gpt-rosalind，其命名致敬罗莎琳德·富兰克林（rosalind franklin，英国科学家，1952年拍摄了一张 b 型dna的x射线晶体衍射照片，即著名的“照片51号”），旨在为生物化学和基因组学等领域提供更强大的基础推理能力，支持证据综合、假设生成、实验规划以及其他多步骤研究任务，帮助研究人员加快早期阶段的发现。
在专注生物信息学和数据分析的bixbench基准测试中，gpt-rosalind通过率为0.751，证明了其在专业实践中具备极强的应用能力；在与美国一家ai设计基因治疗载体的生物技术公司dyno therapeutics的真实研究中，gpt-rosalind接受基于未公开rna序列的功能预测评估，结果显示，在 codex环境下其单次最佳提交的预测能力优于95%的人类专家。
openai还推出了一个新生命科学研究插件codex，将gpt-rosalind模型与五十多种科学工具和数据源相连接，使研究人员能够通过熟悉的开发者界面以编程方式访问生物数据库和计算流程。现已在github上发布。
目前，openai已与包括安进、赛默飞世尔科技、moderna、艾伦研究所等客户合作，将gpt-rosalind应用于研究工作流程之中。
4月14日，亚马逊推出生命科学设计的ai智能体amazon bio discovery，重点面向早期药物发现。它集成了超过40个行业顶级生物医药大模型，用于生成和评估潜在的药物分子，为科研人员提供一站式干湿试验闭环平台，将候选药物从计算筛选到实验室测试的整个流程缩短至数周。
目前，纪念斯隆凯特琳癌症中心（msk）、拜耳（bayer）、布罗德研究所（broad institute）、弗雷德·哈钦森癌症中心（fred hutch）等机构已先行采用amazon bio discovery。
同时，亚马逊与约翰斯·霍普金学院共同发布ai抗体设计数据库。该数据库是行业最大、最多样化的ai抗体数据集，涵盖50种种子抗体、4种结构格式（igg、vhh、neargermline-igg、scfv）和42种抗原，多样性是现有公开库的20倍。
科技企业正从底层设施向应用层渗透，通过“模型+数据+平台”的全方位合作抢占产业高地。与此同时，医药行业也在积极主动地融入ai的发展之中，合作层级持续深化。
4月14日，诺华的ceo万思瀚（vas narasimhan）正式加入anthropic董事会，成为其首位来自制药行业的董事。
anthropic是一家成立于2021年的美国ai公司，主要产品为claude系列模型，通过严格的伦理框架、技术创新和差异化市场策略，在ai领域树立了“安全优先”的标杆。2026年2月，anthropic完成300亿美元的g轮融资，融资后估值达3800亿美元，目前正在为首次ipo做准备。
anthropic联合创始人daniela amodei表示，万思瀚在高监管行业的实战经验与公司的ai安全、负责任创新的理念高度契合，能为anthropic董事会带来稀缺的生命科学视角。
医药企业拥抱ai
当ai开始深度介入药物研发与医学决策，医药行业本身对ai的接纳也从单纯的技术引进升级至治理层面的深度融合。
同一天（14日），诺和诺德宣布与openai建立战略合作伙伴关系，此项合作将使诺和诺德能够更高效地利用ai工具分析复杂的数据集、识别具有潜力的候选新药，并缩短药物从研发阶段推进到临床应用的时间。试点项目将在研发、制造及商业运营启动，预计于2026年年底实现全面整合。此举是诺和诺德应对行业竞争的关键布局——用ai重构创新模式，利用“数据+算法驱动” 逐步替代传统的资源密集型研发模式。
在此之前，更多医药企业大力拥抱ai。2026年3月，罗氏部署由英伟达新一代加速计算和人工智能技术全栈驱动的大规模人工智能工厂，旨在加速诊断解决方案和治疗药物的开发。
2025年10月，礼来与英伟达达成合作，共同构建制药领域规模最大、性能最强的ai制药工厂，三个月后双方又计划在未来五年投入10 亿美元建立一个新的ai联合创新实验室。
2026年1月，阿斯利康收购了一家ai企业modella ai，重点围绕加速临床开发进程、强化生物标志物发现能力、推动全研发管线数据驱动决策三大方向展开布局，为肿瘤药物的研发注入全新动力。
科技与医药领域的密集互动，并非简单的产业融合，而是一场围绕未来生命健康领域主导权的“竞合”——科技巨头凭借算法与平台优势，试图成为新研发范式的“操作系统”；而传统药企则手握疾病认知、临床数据、监管经验，把控最终价值的实现端。两者的深度绑定，是当前的最优解，但也暗藏着长期的博弈。
这场融合成功与否，不仅以商业价值衡量，更要看能否真正降低新药的研发成本和周期、最终惠及更广泛的患者。
南方周末研究员 罗仙仙
责编 黄金萍
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-