人類將ai資源投向哪裡，哪裡就有可能率先突破。ai企業紛紛推出生命科學大模型，醫藥企業也在加速融入ai新技術，會發生什麼？
ai企業擁抱醫藥
本周，openai與亞馬遜相繼推出垂直領域的專用大模型和智能體，「ai+生命科學」競爭已從通用算力轉向「數據+模型+實驗」的閉環整合。
4月16日，openai推出生命科學模型gpt-rosalind，其命名致敬羅莎琳德·富蘭克林（rosalind franklin，英國科學家，1952年拍攝了一張 b 型dna的x射線晶體衍射照片，即著名的「照片51號」），旨在為生物化學和基因組學等領域提供更強大的基礎推理能力，支持證據綜合、假設生成、實驗規劃以及其他多步驟研究任務，幫助研究人員加快早期階段的發現。
在專註生物信息學和數據分析的bixbench基準測試中，gpt-rosalind通過率為0.751，證明了其在專業實踐中具備極強的應用能力；在與美國一家ai設計基因治療載體的生物技術公司dyno therapeutics的真實研究中，gpt-rosalind接受基於未公開rna序列的功能預測評估，結果顯示，在 codex環境下其單次最佳提交的預測能力優於95%的人類專家。
openai還推出了一個新生命科學研究插件codex，將gpt-rosalind模型與五十多種科學工具和數據源相連接，使研究人員能夠通過熟悉的開發者界面以編程方式訪問生物數據庫和計算流程。現已在github上發佈。
目前，openai已與包括安進、賽默飛世爾科技、moderna、艾倫研究所等客戶合作，將gpt-rosalind應用於研究工作流程之中。
4月14日，亞馬遜推出生命科學設計的ai智能體amazon bio discovery，重點面向早期藥物發現。它集成了超過40個行業頂級生物醫藥大模型，用於生成和評估潛在的藥物分子，為科研人員提供一站式乾濕試驗閉環平台，將候選藥物從計算篩選到實驗室測試的整個流程縮短至數周。
目前，紀念斯隆凱特琳癌症中心（msk）、拜耳（bayer）、布羅德研究所（broad institute）、弗雷德·哈欽森癌症中心（fred hutch）等機構已先行採用amazon bio discovery。
同時，亞馬遜與約翰斯·霍普金學院共同發佈ai抗體設計數據庫。該數據庫是行業最大、最多樣化的ai抗體數據集，涵蓋50種種子抗體、4種結構格式（igg、vhh、neargermline-igg、scfv）和42種抗原，多樣性是現有公開庫的20倍。
科技企業正從底層設施嚮應用層滲透，通過「模型+數據+平台」的全方位合作搶佔產業高地。與此同時，醫藥行業也在積極主動地融入ai的發展之中，合作層級持續深化。
4月14日，諾華的ceo萬思瀚（vas narasimhan）正式加入anthropic董事會，成為其首位來自製藥行業的董事。
anthropic是一家成立於2021年的美國ai公司，主要產品為claude系列模型，通過嚴格的倫理框架、技術創新和差異化市場策略，在ai領域樹立了「安全優先」的標杆。2026年2月，anthropic完成300億美元的g輪融資，融資後估值達3800億美元，目前正在為首次ipo做準備。
anthropic聯合創始人daniela amodei表示，萬思瀚在高監管行業的實戰經驗與公司的ai安全、負責任創新的理念高度契合，能為anthropic董事會帶來稀缺的生命科學視角。
醫藥企業擁抱ai
當ai開始深度介入藥物研發與醫學決策，醫藥行業本身對ai的接納也從單純的技術引進升級至治理層面的深度融合。
同一天（14日），諾和諾德宣布與openai建立戰略合作夥伴關係，此項合作將使諾和諾德能夠更高效地利用ai工具分析複雜的數據集、識別具有潛力的候選新葯，並縮短藥物從研發階段推進到臨床應用的時間。試點項目將在研發、製造及商業運營啟動，預計於2026年年底實現全面整合。此舉是諾和諾德應對行業競爭的關鍵布局——用ai重構創新模式，利用「數據+算法驅動」 逐步替代傳統的資源密集型研發模式。
在此之前，更多醫藥企業大力擁抱ai。2026年3月，羅氏部署由英偉達新一代加速計算和人工智能技術全棧驅動的大規模人工智能工廠，旨在加速診斷解決方案和治療藥物的開發。
2025年10月，禮來與英偉達達成合作，共同構建製藥領域規模最大、性能最強的ai製藥工廠，三個月後雙方又計劃在未來五年投入10 億美元建立一個新的ai聯合創新實驗室。
2026年1月，阿斯利康收購了一家ai企業modella ai，重點圍繞加速臨床開發進程、強化生物標誌物發現能力、推動全研發管線數據驅動決策三大方向展開布局，為腫瘤藥物的研發注入全新動力。
科技與醫藥領域的密集互動，並非簡單的產業融合，而是一場圍繞未來生命健康領域主導權的「競合」——科技巨頭憑藉算法與平台優勢，試圖成為新研發範式的「操作系統」；而傳統葯企則手握疾病認知、臨床數據、監管經驗，把控最終價值的實現端。兩者的深度綁定，是當前的最優解，但也暗藏着長期的博弈。
這場融合成功與否，不僅以商業價值衡量，更要看能否真正降低新葯的研發成本和周期、最終惠及更廣泛的患者。
南方周末研究員 羅仙仙
責編 黃金萍
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-