辉瑞、礼来、诺华、百时美施贵宝和阿斯利康正加速应用人工智能，但药物发现尚未成为主要成功案例。
辉瑞如何在过去一年中通过研发和行政运营削减数十亿美元支出？答案正是人工智能。
"我们并非单纯削减成本，而是提升了生产力，"辉瑞首席执行官阿尔伯特·布尔拉在2月3日的第四季度财报电话会议上表示，"主要杠杆——当然也包含简化措施——但核心在于人工智能的成功部署。"
高管们详细阐述了这种177年历史的制药公司如何通过人工智能精简运营，这些案例研究揭示了大型制药企业的共同趋势。
人工智能已不再是面向未来的利基概念。投资者和行业观察者期待药企当下就应用这项技术。在制药企业财报季，分析师们反复追问人工智能的部署进展，以及机器学习何时能加速临床试验等核心环节。
"技术现已成熟，"布尔拉强调。
但其成效并未如人们长期期待的那样体现在新药发现领域。目前人工智能带来的更多是相对平淡却至关重要的进步，主要优化药物发现流程。
"人们曾对人工智能抱有巨大期待，认为它能揭示新生物学机制，设计出人类无法完成或耗时极长的新药物，"波士顿咨询公司医疗保健业务董事总经理约翰·吴向BioSpace表示，"这类突破的证明尚未出现，但我们正逐步接近。"
礼来已超越技术前沿
今年1月，礼来宣布与英伟达建立合作，将利用这家知名芯片制造商的BioNeMo平台和Vera Rubin架构建立联合创新实验室。双方同意在五年内为此投入高达10亿美元，旨在通过人工智能解决药物发现的关键难题。
另一起1月达成的交易是礼来与Chai Discovery合作研发新型生物疗法。这家生物技术企业获得OpenAI支持，团队成员来自大型语言模型公司及Meta基础人工智能研究实验室、Stripe和Google X。
2025年9月，礼来推出TuneLab项目，向精选生物技术公司开放其人工智能套件使用权，以数据共享换取技术底层模型的持续优化。该计划隶属礼来Catalyze360——旨在培育早期生物技术生态系统的外部创新计划。
"礼来始终投资小型早期生物技术公司，但TuneLab之前，人工智能并非Catalyze360的特定支柱，"礼来Catalyze360副总裁兼TuneLab全球负责人阿莉莎·阿普尔在1月摩根大通医疗健康大会 sidelines 采访中表示，"AI计划约占10亿美元研发支出。"
"我们并非处于探索架构突破的前沿模型阶段，"阿普尔表示，"我们更关注当下实用的技术，以及如何确保礼来之外的生物技术生态系统也能从中受益。"
对礼来最具价值且通过TuneLab共享的能力是预测结果。"我们已身处'预测先行'时代，"阿普尔说，"这不再是愿景，而是实操规范。"
TuneLab套件包含礼来所有潜在项目都需经过的小分子和抗体预测模型，这些模型基于礼来数十年研究建立。
"在实际合成分子和启动实验前，我们会运行所有这些预测，"阿普尔解释道。
辉瑞追求更多时间 更少屏幕操作
辉瑞正充分利用现有技术能力，计划在数据中心投资中新增1200多台图形处理器（GPU）以支持AI新进展。布尔拉在财报电话会议中表示，该技术现已部署至公司每个环节——从研发到法律、制造到营销。
辉瑞近期通过并购整合多家公司（包括Metsera、3SBio和Seagen）的成效可证明这点，此举极大增加了公司研发负担，首席财务官戴夫·登顿表示。与此同时，公司计划2026年投入110亿美元用于研发活动。
"我们能在研发基础设施中更高效地处理更多任务，从而聚焦十年末及以后的新药研发，"登顿回应关于AI整合的问题时说。
技术已提升生产力，释放资金投入新药研发。首席科学官克里斯·博肖夫解释称，辉瑞正将AI工程师与研发科学家配对，以衡量成效和生产力。
"生产力体现在速度和成本。我们通过嵌入AI降低成本并加速进程，"博肖夫向分析师表示。
在商业领域，辉瑞利用AI培训外勤团队，使有限时间能更高效地用于可能处方公司药品的医生。"我们与医生投入更多时间，而非埋首屏幕，"辉瑞美国首席商务官阿米尔·马利克表示。
该技术还帮助辉瑞定制营销策略并提升投资回报率。正如第四季度财报所述，这降低了销售、信息及行政开支。国际团队能轻松适配不同监管要求的市场，首席国际商务官亚历山大·德热梅表示。过去需为每个司法管辖区单独重制宣传材料，如今AI能瞬间完成调整。
诺华的"魔法" 阿斯利康的速度 BMS的挑战
诺华高管不认为AI能解决一切，但仍在此领域达成多项交易，包括与微软、谷歌旗下Isomorphic Labs和Generate:Biomedicines的多重合作。
"它不是万能灵药，"诺华生物医药研究负责人菲奥娜·马歇尔在摩根大通大会上表示，"别指望AI明天就造出药物——某些人如此宣称，我绝不认同。它能替代部分实验室基础工作，但非全部。"
阿斯利康则观察到AI正加速药物开发关键环节。"在早期发现中应用AI后，我们实现超过50%更快的目标药物设计和验证，"阿斯利康美国肿瘤学负责人莫希特·曼拉奥在摩根大通采访中表示。
在临床开发方面，阿斯利康将AI用作合成对照组——基于真实世界数据的虚拟对照组——使公司试验既"不过度也不不足"，曼拉奥表示。
寻找新药物
除运营效率外，大小企业仍谨慎探索AI在新药发现中的应用。
"你必须理解疾病并找到靶点，这是可应用AI的领域，"诺华马歇尔表示，"用AI整合人类遗传学、临床研究、组织样本、实验数据和历史数据等海量信息库。"
马歇尔称诺华拥有生物制药领域最大的企业数据库"data42"，公司使用内部开发的AI算法探测该库以发现靶点和设计新分子。
百时美施贵宝则将AI应用于长期难治的疾病。2025年10月，该公司深化与Insitro的合作，为肌萎缩侧索硬化症（ALS）寻找新型药物。1月摩根大通大会上，BMS首席研究员罗伯特·普伦格告诉BioSpace，该合作正利用AI回归基础，理解疾病病理机制。
Insitro技术帮助定义健康状态与疾病状态间的细胞读数差异，即"逆转筛选"。目标是找到干预途径以预防或治疗疾病。
"我们开始发现映射到已知遗传节点的未知生物学机制，"普伦格表示。
普伦格对AI前景感到兴奋，但对生物制药领域AI的长期发展持务实态度。
"我认为未来12-24个月不会突然出现魔法解锁，让不可能变为可能。但长期来看，AI将成为重要组成部分。"
试金石
除礼来外，英伟达还与诺和诺德、基因泰克、强生和安进建立伙伴关系，均聚焦药物发现。科技公司热衷与药企合作开展AI项目。
该技术公司还参与早期生物技术投资，包括2024年9月细胞治疗公司ArsenalBio的3.25亿美元C轮融资。这家估值达十亿美元的独角兽正与BMS合作多个通过T细胞AI模型发现的CAR-T项目。
同时，药企合作项目开始报告关键里程碑：武田2025年12月报告称，与Nimbus Therapeutics合作的AI设计分子zasocitinib在两项晚期临床试验中缓解了斑块型银屑病严重程度。
阿普尔指出AI发展如此之快，当资产进入临床阶段时，其创建模型可能已过时。这正是她希望将礼来预测技术融入每个工作流程的原因，也是公司决定通过TuneLab向生物技术生态系统开放访问的初衷。
尽管如此，阿普尔表示她希望当前临床AI创建的资产能成功帮助所需患者。当然，目标是找到攻克长期难治疾病的新方法。
"我们看到有趣的数据点，但也发现这些资产临床开发期间模型已显著改进，"阿普尔表示，"我不认为早期项目是检验AI效用的试金石。"
丹·萨莫罗德尼茨基为本文提供了报道支持。
【全文结束】
