NVIDIA 與 Eli Lilly 攜手打造 10 億美元 AI 藥物發現實驗室：全球最大藥廠科技聯盟誕生

2026 年 2 月，全球製藥與科技產業迎來了一項里程碑式的公告：NVIDIA 與 Eli Lilly 宣布共同建立首創的 AI 共同創新實驗室（AI Co-Innovation Lab），專注於藥物發現領域。這項合作計劃在未來五年內投入高達 10 億美元，涵蓋人才招募、基礎設施建設及算力資源部署，實驗室將設於舊金山灣區。這是迄今為止全球規模最大的單一製藥科技 AI 合作夥伴關係，標誌著 AI 驅動藥物研發正式從概念驗證階段邁入大規模工業化應用。

為什麼是 Eli Lilly 與 NVIDIA？

這項合作的雙方都是各自領域的絕對領導者。Eli Lilly 是全球市值最高的製藥公司，市值約 8,000 億美元，旗下擁有 Mounjaro 和 Zepbound 等引領市場的重磅藥物，在糖尿病和肥胖症治療領域佔據主導地位。更重要的是，Lilly 以強大的研發管線著稱，長期在新藥開發方面保持高投入和高產出。

NVIDIA 則是 AI 算力基礎設施的代名詞。在醫療健康領域，NVIDIA 已建立起一套完整的 AI 生態系統：BioNeMo 為藥物發現提供基礎模型，Clara 平台服務於醫學影像分析，DGX Cloud 則為製藥企業提供專用的雲端 AI 算力。根據 NVIDIA 最新的醫療健康調查報告，數碼健康領域的 AI 採用率已達 78%，醫療科技領域則達 74%。

「將全球最優秀的藥物研發專家與最頂尖的 AI 工程師放在同一屋簷下，這不僅是資源的疊加，更是知識範式的融合。我們正在創造一種全新的藥物發現方法論。」

這項合作的核心理念是「共置」（co-location）——將 Lilly 的藥物研發領域專家與 NVIDIA 的 AI 工程師安排在同一物理空間內工作。這種安排旨在打破製藥與科技之間長期存在的溝通壁壘，讓生物學直覺與計算能力能夠即時互動、快速迭代。

傳統藥物研發的困境

要理解這項合作的深遠意義，首先需要了解傳統藥物研發面臨的嚴峻挑戰。目前，一款新藥從早期發現到獲得監管批准，平均需要 10 至 15 年，耗資 20 至 30 億美元。更令人沮喪的是，進入臨床試驗的候選藥物中，最終成功獲批上市的不到 10%。

這些挑戰使得全球製藥產業面臨巨大的生產力危機。儘管研發投入年年增長，但新藥獲批數量並未相應提升，即所謂的「Eroom 定律」——與摩爾定律相反，藥物研發的效率隨時間遞減。AI 被視為有望打破這一困局的變革性力量。

AI 如何重塑藥物發現流程

AI 在藥物發現中的應用正在覆蓋研發的每一個關鍵環節，而 NVIDIA-Lilly 合作實驗室預計將在以下四大領域率先發力。

靶點識別與驗證

AI 能夠分析海量的基因組、蛋白質組和臨床數據，識別出與特定疾病相關的潛在藥物靶點。傳統方法可能需要數年才能完成的靶點篩選工作，AI 可以在數週甚至數天內完成初步分析，並預測靶點的可藥性（druggability）。NVIDIA 的 BioNeMo 平台在蛋白質結構預測和分子動力學模擬方面已展現出強大能力，這將為靶點驗證提供關鍵支撐。

分子設計與優化

生成式 AI 正在革新分子設計的方式。與其從現有化合物庫中逐一篩選，AI 可以根據目標靶點的結構特性，從頭生成（de novo generation）具有理想藥理特性的新型分子結構。這些分子可能是人類化學家從未想到過的全新結構，大幅擴展了治療的可能性空間。

臨床試驗優化

臨床試驗是藥物研發中最耗時、最昂貴的環節。AI 可以通過預測患者的治療反應，幫助設計更精準的入組標準；通過模擬試驗結果，優化試驗的設計方案和樣本量；甚至通過分析真實世界數據（Real-World Data），為虛擬對照臂（synthetic control arm）提供支持，從而縮短試驗週期並降低成本。

毒性預測

候選藥物在後期臨床試驗中因安全性問題而失敗，是造成藥物研發巨額浪費的主要原因之一。AI 能夠在早期階段預測化合物的潛在毒性，包括肝毒性、心臟毒性和致突變性等，從而在研發早期淘汰高風險候選物，將資源集中在更有希望的分子上。

10 億美元投向何處？

這項合作的 10 億美元投資將在五年內分階段部署，主要涵蓋三大方向。

首先是人才。實驗室將招募頂尖的計算生物學家、AI 研究員、藥物化學家和數據科學家，打造一支跨領域的精英團隊。在 AI 人才爭奪白熱化的當下，這一大手筆投入反映了雙方對人才戰略的高度重視。

其次是基礎設施。位於舊金山灣區的實驗室將配備最先進的計算設施，包括 NVIDIA DGX 超級計算系統，以及專為藥物發現任務優化的 AI 訓練和推理環境。灣區的選址既靠近 NVIDIA 總部和矽谷科技生態，也便於接觸史丹福大學、加州大學等頂尖學術機構的研究資源。

第三是算力。藥物發現中的分子模擬、蛋白質結構預測和大規模虛擬篩選，都需要極為龐大的計算資源。NVIDIA 的 DGX Cloud 將為實驗室提供專屬的雲端算力支撐，確保研究人員能夠在不受計算瓶頸限制的情況下進行大規模實驗。

製藥 AI 競賽的格局

NVIDIA-Lilly 的合作並非孤立事件，而是全球製藥 AI 競賽加速升溫的最新體現。近年來，多項重大的製藥科技合作相繼湧現。

Recursion Pharmaceuticals 與 NVIDIA 建立了深度合作關係，利用 NVIDIA 的 AI 平台加速其基於表型篩選的藥物發現方法。Isomorphic Labs——DeepMind 的分拆公司——已與 Eli Lilly 和 Novartis 簽訂合計超過 30 億美元的藥物研發協議，將 AlphaFold 的蛋白質結構預測技術應用於實際藥物開發。BioNTech 也在持續加大 AI 投資，將 mRNA 技術與 AI 結合，探索個性化癌症疫苗等前沿領域。

然而，NVIDIA-Lilly 的 10 億美元合作在規模上仍然是目前公開宣布的最大單一製藥科技 AI 合作夥伴關係。這不僅反映了雙方對 AI 藥物發現前景的堅定信心，也在產業中樹立了一個新的投資標杆。

「這項合作代表了製藥產業與科技產業融合的新階段。過去是製藥公司購買 AI 工具，現在是製藥公司與科技公司共同建設 AI 能力。這種深度整合將產生完全不同的化學反應。」

NVIDIA 醫療健康生態系統的戰略佈局

對於 NVIDIA 而言，這項合作是其醫療健康戰略版圖中的又一重要棋子。NVIDIA 在過去幾年間已系統性地建立起一套覆蓋醫療 AI 全生命週期的產品和平台體系。

BioNeMo 是 NVIDIA 專門為藥物發現設計的基礎模型平台，提供蛋白質結構預測、分子生成、分子性質預測等關鍵能力。Clara 平台則聚焦醫學影像分析，支持放射學、病理學和基因組學等領域的 AI 應用開發。再加上 DGX Cloud 提供的強大雲端算力，NVIDIA 正在打造一個讓生命科學企業能夠端到端使用 AI 的完整基礎設施。

與 Eli Lilly 的合作為 NVIDIA 帶來的不僅是商業收入，更是寶貴的領域知識反饋。與全球頂尖藥企的深度合作，將幫助 NVIDIA 持續優化其 AI 平台，使之更貼合製藥行業的實際需求——這種雙向價值交換正是「共同創新」模式的核心所在。

對 Eli Lilly 研發管線的潛在影響

對於 Eli Lilly 而言，AI 能力的大幅提升將直接賦能其已然強大的研發管線。Lilly 目前在代謝疾病（糖尿病、肥胖症）、腫瘤學、免疫學和神經科學等多個治療領域擁有深厚佈局。Mounjaro 和 Zepbound 的成功證明了 Lilly 將科學突破轉化為商業成功的卓越能力。

AI 的引入有望在多個維度加速 Lilly 的研發。在已有優勢領域，AI 可以幫助發現新一代治療方案，進一步鞏固市場地位。在新興治療領域，AI 或許能夠識別出傳統方法難以發現的全新靶點，為 Lilly 打開新的增長空間。從長期來看，如果 AI 能夠顯著提高藥物研發的成功率和效率，Lilly 的研發投資回報率將獲得結構性提升。

對香港生物科技產業的啟示

香港作為亞洲重要的生物科技樞紐，正密切關注全球製藥 AI 的發展動向。恆生生物科技指數追蹤的上市公司涵蓋了眾多積極擁抱 AI 的生物科技企業，而香港科學園則孵化了大量利用 AI 進行藥物研發的初創公司。

NVIDIA-Lilly 合作模式對香港產業的啟示是多方面的。首先，它表明藥物發現 AI 已不再是初創公司的專利——全球最大的製藥企業正在以前所未有的規模投入這一領域。對於香港的生物科技公司而言，這既是機遇也是警示：擁抱 AI 已從可選項變為必選項。

其次，「共同創新實驗室」的模式——將領域專家與 AI 工程師共置——對香港科學園和數碼港等創科生態系統具有借鑒意義。香港擁有優質的生物醫學研究人才和便捷的國際連接，完全有條件探索類似的跨領域協作模式。

此外，香港作為中國內地生物科技企業通往國際市場的橋樑，在 AI 藥物發現加速全球化的背景下，其獨特的「超級連接人」角色將變得更加重要。隨著更多 AI 驅動的候選藥物進入國際臨床試驗，香港在臨床研究、監管對接和資本市場方面的優勢將獲得更大的發揮空間。

挑戰與前路

儘管前景令人振奮，這項合作仍然面臨不少挑戰。AI 在藥物發現中的應用尚處於相對早期的階段，目前真正由 AI 從頭設計並成功完成臨床試驗的藥物數量仍然有限。將 AI 的計算預測轉化為臨床驗證的治療方案，中間存在巨大的轉化鴻溝。

數據質量和可用性是另一關鍵挑戰。藥物研發數據往往分散在不同機構、格式各異且標準化程度參差不齊，如何將這些數據有效整合為 AI 可用的高質量訓練集，是一個複雜的工程和治理問題。

監管框架也需要跟上技術發展的步伐。AI 設計的藥物在審評審批過程中如何處理——例如 AI 在藥物設計中的「創造性」貢獻如何在專利和監管文件中體現——這些問題尚待明確。