撰文：Techub News 整理
导语
在2026 年 2 月举行的 JP Morgan 医疗健康大会上，一场备受瞩目的对话在 AI 与生物医药两大领域的巨头之间展开。NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）与礼来公司董事长兼 CEO David Ricks（戴维·里克斯）同台，宣布了一项旨在彻底变革药物发现范式的深度战略合作。这场对话之所以重要，在于它标志着 AI 计算能力正从赋能通用任务，转向攻克人类最复杂的挑战之一——理解并设计针对人类疾病的疗法。黄仁勋作为加速计算与 AI 革命的旗手，正将其技术蓝图深入生命科学腹地；而执掌拥有150年历史的制药巨头礼来的 Ricks，则代表着行业对提升研发效率与成功率的迫切渴望。二者的联手，预示着“计算机辅助药物设计”时代可能真正来临。
摘要
- NVIDIA 与礼来宣布建立深度合作伙伴关系，共同构建全球最大的专用生物超级计算机，并设立联合 AI 实验室。
- 核心目标是利用 AI 和加速计算，将药物发现从依赖偶然性的“艺术”，转变为可预测、可工程化的“计算机辅助设计”科学。
- 合作将结合 NVIDIA 的 BioNeMo 平台、计算基础设施与礼来的领域知识、数据，打造从靶点发现到分子设计的“AI 研发飞轮”。
- 礼来分享了其以 GLP-1 药物为代表的成功范式，并展望了 AI 在攻克痴呆症等衰老相关疾病、以及优化新疗法设计方面的巨大潜力。
从加速计算到攻克生物学：黄仁勋的愿景
Jensen Huang（黄仁勋）在开场回顾了 NVIDIA 深耕加速计算三十三年的历程。他指出，通过软硬件协同设计，NVIDIA 在过去十年中将 AI 计算性能提升了约一百万倍，远超摩尔定律的百倍增长。这种指数级的能力飞跃，使得攻克诸如人类生物学这样极其复杂的领域成为可能。
黄仁勋以光线追踪和自动驾驶技术为例，说明了不同计算领域如何陆续达到拐点。他特别强调，当前生成式 AI、多模态理解和推理能力的突破，正在创造新的革命。对于生命科学而言，多模态 AI 能够理解蛋白质结构、分子几何、基因组序列等多种生物数据形态，并像人类一样进行推理，这将极大地扩展药物研发的“操作域”。他介绍，NVIDIA 为此已构建了包括 Parabricks（基因测序）、MONAI（医学影像）和 BioNeMo（生物分子）在内的专用软件平台，其中 BioNeMo 已成为全球大多数结构预测模型的基础。
“我认为你们行业的时刻已经到来，”黄仁勋对台下的生命科学从业者说道。他类比了四十年前计算机辅助设计（CAD）对芯片产业的革命：从依赖经验和运气的“艺术创作”，转变为在硅基世界中精确模拟、预测并迭代的工程学科。他相信，凭借如今百万倍乃至千万倍的计算能力，人类终于有可能对最复杂的系统——人类生物学——进行类似的数字化表征和模拟，从而将“药物发现”升级为“计算机辅助药物设计”。
礼来的生存哲学与效率引擎：Ricks 的洞察
David Ricks（戴维·里克斯）分享了礼来作为一家百年药企的生存与发展逻辑。他指出，制药行业长期受困于“创新周期长于回报周期”的悖论，导致公司业绩和研发管线呈现周期性起伏。礼来是少数未通过大型并购来度过低谷期的主要药企，这锻造了其“在艰难时期勉力前行”的独特 DNA。
为了打破这一循环，礼来在 Ricks 的领导下采取了双管齐下的策略：一是追求更多发明，二是极致提升发明速度。公司系统性地解构了从候选化合物选择到首次获批的数百个研发步骤，全力压缩时间。如今，礼来的平均研发速度比同行快约40%，使其能够在专利周期内完成创新，实现可持续增长。
GLP-1 类药物（如替尔泊肽）的巨大成功，正是这一效率引擎与科学远见结合的产物。Ricks 回顾了礼来自2006年即开始耕耘 GLP-1 领域，经过十余年迭代，最终通过融合 GIP 与 GLP-1 两种激素，推出了效果更优的疗法，并在肥胖症治疗领域成为市场领导者。但他也清醒地意识到挑战：如何在当前成功周期结束前，找到下一个爆发点。他认为，与 NVIDIA 的合作，正是为了系统化地创造下一个“成功条件”，而不仅仅是等待下一个偶然发现。
共创蓝图：超级计算机、联合实验室与研发飞轮
此次合作的核心内容包含多个层面，旨在构建一个完整的“AI 赋能药物发现”新范式。
1. 全球最大的生物超级计算机：礼来正在其总部印第安纳波利斯建设一个庞大的专用超级计算设施，该设施基于 NVIDIA 的芯片和技术构建，将于近期完工。这将成为全球最大的、专注于生物发现的本地部署超级计算机，为后续研究提供前所未有的算力基础。
2. 硅谷联合 AI 实验室：双方将在旧金山湾区（很可能在南旧金山或硅谷核心区）共同设立一个联合 AI 研究实验室。这个实验室将吸引全球顶尖的计算机科学家和生物学家，形成一个跨学科创新中心。黄仁勋强调，创建一流的研究条件（如超级计算机）是吸引顶尖人才、催生伟大发明的先决条件，这与他早年投入巨资为 NVIDIA 构建超算以吸引 AI 研究者的思路一脉相承。
3. 构建数据与模型飞轮：双方认识到，高质量、大规模的数据是 AI 模型的基石。合作将包括利用机器人实验室（湿实验室）7x24小时不间断地生成高质量的实验数据，用于训练和验证 AI 模型。同时，基于 NVIDIA BioNeMo 等平台已有的蛋白质设计、分子合成、毒性预测等基础模型，研究人员将进行微调和创新。目标是形成一个“AI 设计分子 -> 机器人实验验证 -> 数据反馈优化模型”的强化学习闭环，让研发飞轮高速运转。
4. Tune Labs 与联邦学习：Ricks 特别提到了礼来构建的“Tune Labs”平台。该平台基于 NVIDIA 贡献的联邦学习技术（如 NVFlare），允许礼来与外部生物技术公司、初创企业在不共享原始数据的前提下，协作训练 AI 模型，共同推进特定领域的研究。这保护了各方的知识产权，同时汇聚了集体智慧，加速创新。
AI 制药的攻坚方向：从优化设计到发现新靶点
对于联合实验室的具体研究方向，Ricks 提出了两个核心且互补的路径：
路径一：药物设计与优化。这是目前相对容易取得进展的领域。针对已知的、特征明确的生物靶点（如某些酶或受体），利用 AI 来设计或优化与之匹配的分子（“钥匙”），包括小分子、多肽、抗体、RNA 疗法等。AI 可以快速探索海量的化学空间，筛选出具有理想特性（如效力、选择性、药代动力学）的候选化合物，大幅提高“钥匙配锁”的效率和成功率。
路径二：新靶点发现与理解。这是更具挑战性但也可能是颠覆性的“圣杯”。许多疾病缺乏明确的药物靶点，或者现有靶点的生物学功能未被完全理解（这是药物研发失败的主要原因之一）。合作将利用机器人实验室，针对一些有潜力的、但结构复杂的靶点，进行大规模、系统性的实验剖析，生成前所未有的深度数据集。AI 模型将学习这些数据，从而帮助科学家更全面地理解靶点功能，甚至发现全新的、可用于药物干预的生物学通路。
黄仁勋补充道，最终目标是建立一个“合成数据飞轮”，即 AI 模型不仅能分析真实实验数据，还能生成高质量的合成数据，并与一个模拟生物系统的“世界模型”进行闭环交互、测试，从而在数字世界中以极低成本进行无数次“虚拟实验”，大幅加速从假设到验证的过程。
超越 GLP-1：对未来疾病治疗的展望
对话自然延伸至礼来当前最成功的 GLP-1 领域。Ricks 展望了该类药物未来的演进方向：更优的疗效与耐受性（如双靶点、三靶点药物）、更长的给药周期（每月甚至更久一次）、以及口服剂型的推出（将于今年春季上市），后者将极大提升药物的可及性，尤其是在中国、印度等需求巨大的市场。
更重要的是，GLP-1 药物的潜力正从减肥扩展到更广泛的慢性病管理。Ricks 指出，肥胖是众多慢性病的核心驱动因素。GLP-1 药物不仅能降低体重，还能显著改善代谢健康（如将糖尿病前期转化为糖尿病的风险降低93%），并减轻慢性炎症，从而可能对关节炎、甚至某些脑部疾病（如成瘾、痴呆症）产生积极影响。礼来已在此类新适应症上展开了多项临床研究。
谈及更前沿的“长寿”领域，Ricks 表达了务实的态度。礼来的重点并非追求“永生”，而是通过攻克疾病来延长人类的“健康寿命”。他将下一个前沿阵地指向了痴呆症等衰老相关的脑部疾病。随着其他身体器官疾病得到更好控制，大脑健康成为影响晚年生活质量的关键。他期望，通过与 NVIDIA 的合作，能够模拟脑组织，探索炎症与蛋白质错误折叠等复杂相互作用，从而在这一领域发现新的突破性靶点。
重塑行业生态：大公司与初创公司的协同
在 JP Morgan 大会的背景下，两位 CEO 也谈到了 AI 如何重塑生命科学行业生态。黄仁勋列举了大会上涌现的各类创新公司：专注于机器人湿实验室的“AI 科学家”公司、开发医疗保健对话代理（Agent）的公司、以及探索双特异性抗体等新疗法的生物技术公司。他认为，大公司与小公司的碰撞是创新的重要源泉。
Ricks 对此深表赞同，并指出礼来自身就有拥抱计算技术的传统——早在几十年前，礼来就购买了制药行业第一台超级计算机（Cray “Big Red”），并设计了第一款完全由计算机辅助开发的药物（胰岛素 lispro）。如今与 NVIDIA 的合作，是这一传统的自然延伸。他同时提到，AI 在提升医疗保健服务效率（如自动化行政、诊疗辅助）方面也潜力巨大，礼来愿意利用其市场影响力，与初创公司合作，共同推动这些变革，让医疗系统有更多资源投向真正的创新疗法。
最后，黄仁勋总结道，将毕生精力投入计算机科学，能与礼来这样的公司合作，共同应对人类健康这一最重要、最复杂的挑战，是无比激动人心的旅程。他相信，两家公司的合力，有望“弯曲历史的弧线”，为药物发现带来根本性的变革。Ricks 回应，即使设定适度的目标，此次合作也能显著加速生物医学的进步，为一个迫切需要提升研发生产力的行业找到新的出路。
