时点：AI应用从构想到现实，多组学开发降本增效千倍，首个 AI重磅药破壳 在即
时间到：从构想到现实，图灵测试、Alphago 到 Alphafold 与诺贝尔化学奖，AI制药未 来已来
从 1950年艾伦·图灵的论文《计算机器与智能》提出能够表现出智能行为的“通用机器” 的概念，再到 2016 年 DeepMind 开发的AlphaGo 击败了世界围棋冠军李世石、2024 年 Hassabis 与 Jumper 因精准预测蛋白质结构的 AlphaFold2 获得 2024 年诺贝尔化学奖， AI 对全球所有的行业的发展轨迹都发生着颠覆性的影响。医药行业亦是如此。一边是颠 覆性科技在新药研发与临床推进上快速发展，一边是全球制药巨头面临上一代重磅药的 专利悬崖到来，AI应用在全球创新药唯快不破的大格局下，必将扮演重要角色。
海外医药监管 AI相关变化：根据美国 NIH（美国国立健康研究院)发文，人工智能 (AI) 和机器学习 (ML) 代表着计算领域的重大进步，它们建立在人类数百万年来发展 的技术之上——从算盘到量子计算机。这些工具的发展已到达关键时刻。仅在 2021 年，美国食品药品监督管理局 (FDA) 就收到了 100 多份产品注册申请，这些申请严 重依赖 AI/ML 来实现诸如监控和提升人类编制档案效率等应用。为了确保 AI/ML 在 药物研发和生产中的安全有效使用，FDA 和许多其他美国联邦机构发布了持续更新 的严格指南；其首要目标是加快药物研发，增强现有药物的安全性，引入新的治疗 模式，并提高生产的合规性和稳健性。
AI行业新爆点不断：本周，在 2025 Hot Chips 会议前夕，英伟达正式推出 Spectrum-XGS 以太网技术。这一基于网络优化算法的创新方案，通过引入“跨域扩 展（scale-across）”能力，突破了单数据中心的电力、空间物理限制，可将分布在 不同城市、国家的多个数据中心连接成一个统一的“AI超级工厂”，为更大规模的 AI工作负载，尤其是智能体 AI（agentic AI）提供底层基础设施支撑。
质变在即：颠覆级量变，多组学 AI 应用将 1000 倍降本增效，创新药超摩尔定律时代开 启
根据全球 Ark Invest 发布《Big Ideas 2025》，这份长达 148 页的报告显示，AI、机器人 技术、能源存储、公共区块链和多组学测序将推动世界经济指数级增长；其中，生物医 药相关的多组学占据 18 页内容，成为篇幅最多的细分领域。
根据智药局发文，“木头姐”（Cathie Wood）创立的 Ark Invest，是专注于投资颠覆 性技术的知名机构，资产管理规模达 302 亿美元，其每年发布的“Big Ideas”报告 已成为全球投资者了解前沿科技和市场趋势的重要文件。
报告指出，利用 AI来处理数据将颠覆诊断、药物发现和治疗，到 2030 年，整 个行业的表现将提升几个数量级。
具体来看，AI将彻底改变多组学工具、药物研发、分子诊断，并显著改善药物 的经济回报，如：AI将使 DNA 等生物信息的读取和写入成本分别降低 100 倍 和 1000 倍；AI将使药物开发成本降低 4 倍，并将研发投入的回报提高 5 倍； AI将使癌症筛查的效率提高 20 倍，并且将市场规模扩大 10 倍；AI药物的商 业价值将比标准药物高 20 倍，比同类最佳的精准药物高 2.4 倍。 根据智药局发文，木头姐在后来接受采访时进一步表示，AI赋能医疗保健 的潜力被大大低估，从长远来看，医疗保健将成为 AI最为深远的应用领 域。进入 2025 年，已有甲骨文 CEO 拉里·埃里森、DeepMind CEO 德 米斯·哈萨比斯等多位科技界大佬公开看好 AI在生物学的前景，医疗健 康领域正在经历一场前所未有的变革。
报告显示，35 年来，DNA 测序成本下降了 100 亿倍、DNA 合成成本下降了 10 万倍，比摩尔定律还要快得多。对人类基因组的计算时间已经从 2001年的 180 天缩短到现在的 10 分钟，当时分析单个基因组所花费的成本如今可以分析 14 亿个基因组。
例如，全球最大的公开基因组数据库——英国生物数据库，储存着50万名患者 的信息，这个数据量是Meta开发的开源大语言模型LLaMA 3.1 405B的27倍。
随着测序技术的大规模应用，Ark Invest 预计，未来生物数据量将激增 1000 倍 甚至更多。
问题已解：AI 模型，黑箱已破；英矽智能，TNIK、ENPP1、PHD 同路径 3 次复现成功 推进
任何科学研究，包括创新药研发在内，不论是体外还是人体临床试验的可复制、可验证 性都是极为重要的。根据医药速览发文，随着 2025 年到来，AI制药领域将迎来关键转 折点。一方面，AI技术在药物研发中的应用已经从概念验证阶段迈向了实质性突破。例 如，英矽智能 Insilico Medicine 通过迁移到 Amazon SageMaker 平台，将新模型的迭代 和部署时间从 50 天缩短至 3 天，加速比超过 16 倍。另一方面，监管环境的变化，特别 是欧盟《人工智能法案》针对“不可接受风险”AI系统的禁令于 2025 年 2 月 2 日正式 适用，意味着那些依赖黑箱模型、缺乏可解释性的 AI药物发现系统，可能被迫退出欧洲 市场，为 AI制药的发展带来了新的挑战和机遇。
根据英矽智能招股书披露，公司通过其一体化生成式 AI平台 Pharma.AI针对小分 子及生物药实现端到端的靶点发现、分子生成以及临床试验的优化。这个平台主要 有 Biology42 、Chemistry 42、Medicine 42 以及 Science42 组成。
Biology42 平台，由多个应用程序组成，包括 PandaOmics、Generative Biologics 等。PandaOmics 是专为发现治疗靶点及生物标志物而设计的强大生 成式 AI，包括 20 多个模型，结合生成式 AI技术及人类专家验证。
Medicine42 平台，则是由 inClinico 应用程序组成。inClinico 是一款多引擎、 生成式 AI临床试验分析应用程序，旨在预测 II期向 III期临床试验转换的结 果。inClinico 的预测准确性已经通过前瞻性研究验证。
Science42 平台，是一个新引进的平台，具有 DORA（研究撰写助手）功能， 是一种简化起草学术论文和其他相关文件的过程的 AI驱动工具。DORA 通过 利用 AI带来协助文献综述、假设产生和数据解释以增强研究能力，最终加快 科学发现的步伐。
本质：算力云端接入、数据量质局限皆获破围、模型随时间增厚壁垒，创新 研发回报率回升提速
算力：亚马逊、谷歌、微软、阿里等，云端供给充裕；英伟达，Spectrum-XGS 燃爆算 力量级
AI 制药的推进，算力是基础；不但因为云算力的普及而不构成瓶颈，还由于英伟达等硬件巨头的飞速创新而将获得更高效进展。
AI制药所需算力充足：云算力，是 AI制药行业的主流选择。根据位于硅谷的直觉 实验室，在 2025 年 4 月最新发布，目前制药公司正在转向云端算力，以利用数据 和人工智能、加速流程、控制成本、促进协作、持续创新并增强韧性。这些驱动因 素与行业更广泛的数字化转型目标相一致——云计算是制药公司实现数据驱动和以 患者为中心的战略的基础。正如德勤所指出的，云计算的最大价值不仅来自于 IT 成 本优化，还来自于实现业务创新和敏捷性。那些有效利用这些驱动因素的公司—— 不仅仅是简单地迁移服务器，而是在云端重塑工作流程——正在研发效率、节省时 间和解锁新功能方面获得巨大收益。以下是制药行业云迁移趋势背后的一些关键驱 动因素：
1、数据量激增，高级分析需求激增：现代制药企业需要处理海量数据，包括 来自研究的组学数据、高分辨率成像、电子健康记录、真实世界证据、来自制 造设备的物联网传感器数据等等。传统的本地部署难以高效地存储和分析此类 大数据。云平台提供几乎无限的存储空间和可扩展的计算集群，可用于进行分 析。这对于基因组学（每次实验可产生数 TB 的数据）和药物警戒（从大型数 据库中挖掘安全信号）等活动至关重要。此外，人工智能 (AI) 和机器学习在药 物研发和个性化医疗领域的兴起，也是云计算的巨大驱动力：训练机器学习模 型需要强大的计算能力，而云 GPU/TPU 实例可以按需提供这些计算能力。预 计到 2025 年，全球数据生成量将飙升至 180 ZB——制药业对这股数据洪流贡 献了巨大的力量，而基于云的数据湖和分析工具正日益成为从这些海量数据集 中获取洞察的唯一实用方法。能够在云端运行复杂的分析和人工智能工作负载， 并在需要时快速扩展，无疑是制药业采用云技术的最大技术驱动力。
2、速度、敏捷性和上市时间：在制药行业，研发和产品发布的时间表至关重 要。云计算可以显著提高 IT 运营速度，进而加快研究和决策速度。例如，为项 目设置新的本地服务器可能需要数周的采购和安装时间，而在云中，只需几分 钟即可配置新的环境。这种敏捷性意味着研究人员和项目团队无需等待 IT 基础 设施——他们可以更快地进行原型设计和迭代。Moderna 在云支持下快速开发 COVID-19 疫苗的案例（过去需要数月，现在只需数周即可完成）说明了云如 何缩短关键项目的上市时间。药企高管们将云计算视为一种获得竞争优势的方 式，通过改进协作和简化流程，更快地将疗法推向市场。
3、成本效益和可扩展性： 成本是制药公司云决策中一个微妙的驱动因素。一 方面，制药公司拥有庞大的资本预算和现有的数据中心，因此成本并非迁移到 云的唯一初衷（尤其是在制药行业利润率较高的情况下）。然而，云计算将 IT 支出从资本支出（购买硬件）转变为运营支出（按需付费），这对于管理预算 和根据实际需求调整成本具有吸引力。许多公司发现，对于不断变化的工作负 载，云更经济实惠——无需为闲置服务器付费，并且可以在高峰使用后缩减环 境规模。据埃森哲估计，在某些情况下，迁移到公共云可将总拥有成本降低高 达 40%。此外，云提供商受益于规模经济，通常使商用计算和存储成本低于本 地解决方案。需要注意的是，成本并不总是较低——如果云管理不善，成本可 能会飙升——但总体而言，高效扩展的保障（需求增加时横向扩展，纵向扩展 以避免浪费）是一个重要的驱动因素。云还减少了“以防万一”而维持过剩容 量的需要——使 IT 团队无需不断升级硬件。实际上，许多制药公司正在将云计 算相关的节省资金重新投资于新的数字化项目，从而形成良性循环，推动云计 算的进一步应用。
4、协作和全球访问：制药研发和业务运营是全球性的，涉及研究站点、临床 研究人员、制造站点和商业团队之间的跨境协作。云计算提供了一个可从任何 地方访问的统一平台，从而大大增强了协作。来自不同国家的研究人员可以在 共享的云工作区中协同工作，访问相同的数据和工具，而无需在同一个公司网 络上。在监管提交期间，全球团队可以同时处理基于云的系统中的文件。随着 行业越来越重视外部合作（与生物技术初创公司、学术实验室、合同研究组织 等），云已成为一个集成层，允许与外部合作伙伴安全地共享数据，而无需开 放内部防火墙。
5、创新与新技术（人工智能/机器学习、物联网、GenAI）：云环境是快速创新 的沃土，因为它们提供了快速获取新技术的途径。主要的云提供商不断推出尖 端服务（例如，托管机器学习平台、物联网框架、区块链即服务，以及最近的 生成式人工智能服务）。制药公司正在采用云技术，以便能够利用这些创新， 而无需从头开始构建。例如，如果一家公司想要尝试生成式人工智能（探索GenAI 概念验证）进行分子设计或医学写作，他们可以利用云提供商的 GPU 集群和大型语言模型 API，而不必采购昂贵的硬件并自行构建模型。事实上， 调查显示，利用人工智能的能力如今已成为企业增加云投资的主要原因之一。 在制药行业，这意味着利用人工智能进行药物研发（如前所述），或使用高级 分析进行个性化营销——所有这些都由云托管的人工智能服务实现。简而言之， 云是通往快速创新的大门——制药公司将其视为一个平台，使其能够更快地部 署下一代解决方案（人工智能、数据科学、数字健康应用程序），并跟上技术 变革的步伐。
6、可靠性、灾难恢复和安全态势提升：尽管安全曾被视为云计算的障碍，但 如今许多公司意识到，领先的云提供商在安全性和可靠性方面投入巨资，通常 比单家公司单打独斗的投入还要多。（1）制药业务（无论是研发系统还是生产 基地的 IT 系统）的宕机成本可能非常高昂。云基础设施分布在多个数据中心， 并具备冗余功能，与单个本地数据中心相比，可以提供更长的正常运行时间和 更快的灾难恢复速度。（2）从安全角度来看，顶级云提供商拥有大批安全专家、 先进的威胁检测和合规性认证（HIPAA、GxP 等），可以帮助制药公司满足监 管安全要求。许多公司发现，相比更新旧的本地系统，迁移到云端可以更有效 地实现安全现代化（零信任架构、更完善的身份管理、静态和传输加密）。由 于看到证据表明云可以减少停机时间和安全事故，高管们越来越信任将关键任 务系统迁移到云端。
7、监管灵活性和可扩展性：制药行业监管严格，这导致企业过去不愿频繁更 改 IT 系统。
AI制药所需算力，提供商成熟：根据等网站发布，2025 年全球 6 大云 提供商为亚马逊网络服务（AWS）、微软 Azure、谷歌云、IBM云、甲骨文和阿里云。
亚马逊目前是全球领先者，占据着全球约 30%的市场份额，并且在可预见的未 来仍将保持领先地位，因为目前还没有人能够超越它。与许多在各自行业中处 于世界领先地位的公司一样，亚马逊公司是第一个利用其亚马逊网络服务 （AWS）产品抓住云计算机遇的公司。这使得它成为大型和小型公司从数据中 心迁移到云计算时的首选。
AI 制药所需算力，还有更高效空间可以提升：2025 年 8 月 22 日英伟达官网发布， 公司推出 NVIDIA® Spectrum-XGS 以太网，这是一项跨规模技术，用于将分布式数 据中心组合成统一的千兆级 AI 超级工厂。
随着人工智能需求的激增，单个数据中心的功率和容量已达到极限。为了实现 扩展，数据中心必须扩展到任何一栋建筑之外，而这受限于现成的以太网网络 基础设施，这些基础设施具有高延迟、抖动和不可预测的性能。
Spectrum-XGS 以太网是 NVIDIA Spectrum-X ™ 以太网平台的突破性产品，通 过引入跨平台扩展的基础架构，打破了这些界限。它是 AI 计算超越纵向扩展和 横向扩展的第三大支柱，旨在扩展 Spectrum-X 以太网的极致性能和规模，以 连接多个分布式数据中心，形成具有千兆级智能能力的海量 AI 超级工厂。
Spectrum-XGS 以太网完全集成到 Spectrum-X 平台中，其特点是采用可动态 调整网络以适应数据中心设施之间距离的算法。Spectrum-XGS 以太网具备先 进的自动调整距离拥塞控制、精确延迟管理和端到端遥测功能，几乎使NVIDIA 集体通信库 (Collective Communications Library)的性能提升了一倍，从而加速 了多 GPU 和多节点通信，从而在地理分布的 AI 集群中提供可预测的性能。因 此，多个数据中心可以作为单个 AI 超级工厂运行，并针对长距离连接进行了全 面优化。
采用新基础设施的超大规模领先企业，包括 CoreWeave，它将率先将其数据 中心与 Spectrum-XGS 以太网连接起来。CoreWeave 联合创始人兼首席技术 官 Peter Salanki 表示：“CoreWeave 的使命是为世界各地的创新者提供最强大 的 AI 基础架构。借助 NVIDIA Spectrum-XGS，我们可以将数据中心连接到一 台统一的超级计算机，让我们的客户能够访问千兆级 AI，从而加速各行各业的 突破。”
Spectrum-X 以太网网络平台为多租户、超大规模 AI 工厂（包括全球最大的 AI 超级计算机）提供比现成以太网更高的带宽密度。它由 NVIDIA Spectrum-X 交 换机和 NVIDIA ConnectX ® -8 超级网卡组成，为构建 AI 未来的企业提供无缝 的可扩展性、超低延迟和突破性的性能。
此次公告是在 NVIDIA 宣布一系列网络创新之后发布的，其中包括 NVIDIA Spectrum-X 和 NVIDIA Quantum-X 硅光子网络交换机，这些交换机使 AI 工厂 能够跨站点连接数百万个 GPU，同时降低能耗和运营成本。
数据：从 DL（深度学习）到 FL（联邦学习），MNC（跨国巨头）强强联合，数据茧房 被冲破返回搜狐，查看更多大游中国股份有限公司
