當外界還在爭論AI究竟只是藥物研發的“輔助工具”還是能顛覆整個產業時，全球制藥巨頭們已經用真金白銀做出了選擇。

3月16日，羅氏宣布擴展其全球人工智能基礎設施，正式部署由英偉達最新一代加速計算技術驅動的“人工智能工廠”。此次在美國和歐洲完成了2176個高性能GPU的部署，使其本地和云端GPU基礎設施總容量超過3500個Blackwell GPU。

羅氏聲稱，這是目前已公布的制藥公司可用的最大GPU規模。

這并非個例。就在一個月前，禮來也正式啟用了其醫藥AI工廠“LillyPod”，內置了1016顆英偉達Blackwell Ultra GPU，整體算力高達9000 Petaflops。更早之前，禮來與英偉達宣布將在五年內投入超10億美元建立AI聯合創新實驗室。

當傳統的“雙十定律”（十年時間、十億美元）愈發成為難以承受之重，AI被寄予厚望，成為打破僵局的那把鑰匙。一場圍繞“算力”和“AI基礎設施”的競賽，正在全球頂尖藥企之間悄然打響。

然而，21世紀經濟報道記者在深入調研中發現，盡管賽道持續火熱，融資額激增，但AI制藥行業當下正處于一個充滿矛盾的關鍵時期：巨頭瘋狂擴張，資本理性回歸，技術驗證在即，商業痛點仍存。

有券商醫藥行業分析師對21世紀經濟報道記者表示，AI正從單點工具升級為支撐全價值鏈的基礎設施。羅氏將AI深度嵌入從研發、生產到商業化的全流程，這與禮來等巨頭的布局類似，表明AI已從“錦上添花”變為“必選項”。

“AI在靶點發現、分子設計等環節已展現出縮短周期、降低成本的價值。”該分析師認為，全球AI制藥公司超350家，中國超100家。英矽智能、晶泰科技等本土企業已構建從算法到自動化實驗室的全鏈條能力，并與國際藥企達成多項授權合作，商業化路徑逐漸清晰。

算力即話語權？

有業內人士認為，羅氏此次的布局，絕不是多買了幾張顯卡那么簡單。其透露的信息顯示，這座“AI工廠”是一個高性能超級計算平臺，貫穿了整個價值鏈。

根據公開信息，在研發領域，通過英偉達BioNeMo平臺增強“Lab-in-the-Loop”模式，連接生物實驗與AI模型；在制造領域，利用Omniverse庫驅動數字孿生優化流程；在診斷和數字病理學領域，則借助加速計算和Parabricks軟件從海量數據中獲取洞察。

“羅氏的舉動釋放了一個明確的信號：大型藥企正在將核心AI基礎設施‘私有化’和‘重裝化’。”前述分析師指出，“過去大家更多是采購外部AI服務或進行項目式合作，但現在，頭部玩家選擇自建超大規模算力中心，將專有數據與AI模型深度綁定，這構建了極高的底層數據壁壘。”

行業研究報告也印證了這一趨勢，報告指出，全球大型藥企開始將AI貫穿應用于臨床開發與制造過程，通過構建超級計算集群來設計更優的試驗方案、優化生產并加速決策制定。

2025~2026年，正是跨國藥企（MNC）全面加碼AI的關鍵窗口期，它們正通過共建算力實驗室及多項目平臺合作等方式，加速構建“算力—算法—數據—實驗”的一體化體系。

這種“重裝基建”的背后，是對數據隱私及專有模型的極度重視。根據英偉達2026年2月發布的第二份年度《醫療保健與生命科學領域AI現狀》調查報告，70%的企業正在積極使用AI，較去年的63%明顯增長。數字醫療領域AI滲透率最高，達到78%。57%的醫療技術公司表示，已看到AI在醫學影像領域的實際回報。醫學影像成為AI投資回報率最高的應用場景。

不過，與跨國藥企動輒數十億砸向底層基建不同，國內AI制藥領域正在經歷一場深刻的“冷熱交替”。

一級市場的融資數據依然亮眼。數據顯示，2025年，國內AI制藥領域累計融資總額就已超67億元，同比大幅增長130.5%。此外，覆蓋AI制藥全鏈條的政策支持體系也正在形成。繼英矽智能、晶泰科技登陸港股后，“AI制藥獨角獸”深度智耀（DIP）近日宣布完成4000萬美元(約合2.76億元人民幣)新一輪融資，而劑泰科技已完成D輪融資。這意味著，“AI制藥四小龍”——晶泰科技、英矽智能、劑泰科技和深度智耀的行業格局已然成型。

然而，熱錢的涌入并未讓所有從業者感到安心。21世紀經濟報道記者注意到，一個顯著的趨勢是，越來越多的AI制藥公司正在集體轉身，從風險極高的“淘金者”轉變為更穩健的“賣水人”（即CRO/技術服務模式）。

曾備受矚目的AI制藥明星公司Verge Genomics近期宣布，其漸凍癥藥物VRG50635臨床試驗失敗，并宣布轉型為一家為大型藥企提供AI技術服務的平臺公司。無獨有偶，Recursion在完成對Exscientia的收購后，也暫停或終止了多個臨床階段項目，聚焦更核心的領域。

“在行業方向尚未明朗之際，前些年的投資行為更像是‘亂槍打鳥’。”有業內人士指出，現在的資本流向已從過去的“廣撒網”轉向“挑尖子”，資金高度集中于頭部企業。市場更重視有“可交付指標”的AI制藥公司，例如在成藥性提升、實驗周轉時間縮短等“硬指標”上有優勢的企業。

商業化路徑何在？

對中國產業而言，憑借豐富的臨床資源、海量的數據積累以及有力的政策支持，有望在AI制藥的全球競爭中占據有利地位。

但這種轉變的背后，是殘酷的現實壓力。盡管AI在臨床前研發環節的效率提升已得到初步驗證，但從臨床前到臨床試驗后期的轉化瓶頸依然突出。截至目前，全球尚無一款完全由AI主導設計的藥物獲批上市，僅少數項目推進至Ⅲ期臨床階段。

“投資人已經不再愿意為長期沒有現金流的企業買單。”一位資深投資人向記者坦言，“如今普遍的底線是，如果一家企業兩三年內仍然無法產生現金流，基本就不投了。AI制藥本質上并沒有逃脫新藥研發長期輸血的邏輯，只是可能縮短了一點時間，但究竟能否真正縮短，依然未知。”

這也意味著，AI制藥要從“概念驗證”走向“商業落地”，必須邁過幾道現實的門檻。

未來的突破方向在哪？對此，前述分析師強調，主要在三方面：一是干濕閉環。打通“算法設計—自動化實驗—數據回流”的完整閉環。通過AI指導高通量實驗，再用新數據迭代模型，形成“自我強化”的數據飛輪。二是，系統重構。從單點工具升級為一體化平臺。整合數據、算力、模型與應用，構建多智能體協同的研發系統，實現從“工具”到“基礎設施”的躍遷。三是價值驗證。在腫瘤、自免等高難度領域實現關鍵突破。通過AI設計出臨床優勢顯著的分子，用優異的臨床數據證明其對投資回報率的真實改善。

國金證券分析認為，從AI藥企的角度，隨著AI制藥行業奇點來臨，首個重要時點，必然是人類首個AI驅動研發藥物的獲批上市。同時，因為AI制藥本身是科技跨界的嶄新賽道，首個破局者，v既可能是AI藥企，也可能是傳統仿創龍頭在AI領域前瞻深耕者，還可能是非藥領域的新進科技公司。

“AI模型依賴高質量、標準化的數據訓練，而生物醫學數據往往存在‘孤島化’、標準化不足的問題。”前述分析師解釋，“有了數據后，才能根據數據去訓練模型，做到算法迭代。但目前AI算法的準確率還有待提高，它只是相當于科學家的工具，并不能取代科學家。”

業內專家預測，2026年將是AI制藥的關鍵考驗之年。最重要的試金石，將是進入III期臨床試驗的AI藥物數據。這些結果將首次大規模檢驗AI是否能真正提高臨床成功率，打破制藥行業約90%的臨床失敗率魔咒。

事實上，告別了“講故事”的階段，AI制藥行業正在回歸商業與技術的本質。未來的行業競爭中，缺乏臨床驗證能力的純技術公司將被淘汰，頭部企業通過并購整合擴大優勢，行業集中度會進一步提升。

不少業內人士預判，未來的資本關注將形成“啞鈴型”布局，早期資本聚焦顛覆性技術平臺，后期資本偏好臨床數據成熟的企業。

中郵證券發布研報則認為，AI已成為新藥物發現的“加速引擎”，有望縮短藥物發現時間，直接提升新藥研發的成功率與效率。2026年，以晶泰科技、Tempus AI為代表的AI+制藥賽道領軍企業均有望實現EBITDA首次轉正，產業即將迎來估值重構期。

無論是羅氏的“人工智能工廠”，還是禮來的“LillyPod”，抑或是英矽智能與施維雅達成的8.88億美元合作，種種跡象表明，AI正在完成從“技術工具”到“產業引擎”的躍遷。而當潮水退去，只有那些能真正攻克“難成藥”靶點、在臨床后期拿出硬核數據的企業，才能在“算力內卷”中笑到最后。