华为说不做药，OpenAI 买了实验室：科技巨头为何集体挤进制药

一款新药的诞生，某种程度上仍像一场漫长的抽奖。20 世纪 90 年代中期，汽巴—嘉基公司算过全宇宙可能成为药物的化合物数量：3 乘以 10 的 62 次方。即便每秒钟试验 1000 种，直到太阳的能量燃烧殆尽，也只能试完冰山一角。

这就是制药业最基础的困境：研发人员上报的项目只有约 5% 能获得管理层批准，被批准的项目里又只有约 2% 能做出获得监管机构认可的藥物。综合下来，成功率约 0.1%。行业里有个“双十定律”——一款新药从实验室到上市，平均 10 年、超过 10 亿美元。

过去两年，这个传统得不能再传统的行业，突然挤满了科技公司。华为成立制药军团，OpenAI 与诺和诺德结盟，Anthropic 直接买实验室，字节把 AI 制药分拆成独立公司。它们想做的显然不是“再造一个药企”。

华为的定位：卖铲子，不挖金

在第十一届医药创新与投资大会上，华为制药军团总裁樊杰对行业喊话：“华为不做药，也不做管线，定位是医药行业 AI 的赋能者。”这句话基本概括了科技公司进入制药的主流姿态。

原因很现实。药物研发的价值链极长，从靶点发现、化合物筛选、临床前研究到三期临床、注册审批，每一段都需要几十年的专业积累和巨额资本。科技公司的优势在算力、模型、数据工程，不在临床和监管。硬要自己做药，等于用短板去碰别人最长的板。

三种切入方式，三种算盘

第一种是卖模型与算力。OpenAI 今年 4 月发布生命科学模型 GPT-Rosalind，用于加速药物发现；同月与丹麦制药巨头诺和诺德建立战略合作，计划年底把 AI 部署到制药各环节；9 月领投主打“让失败药物复活”的初创公司 Biossil；10 月宣布收购 AI 药物开发协作平台 Orchestra Bio。路径很清晰：从工具供给，逐步渗透到项目协作层。

第二种是直接买能力。Anthropic 今年 4 月以 4 亿美元收购只有不到 10 人的 AI 生物技术公司 Coefficient Bio；同月任命诺华 CEO 瓦斯·纳拉西姆汉进入董事会；6 月发布面向科学家与制药企业的 Claude Science；9 月在旧金山湾区建成实体生物实验室。一家模型公司自建湿实验室，说明它不满足于只提供 API。

第三种是长期押注平台。谷歌旗下的 Isomorphic Labs 起步最早，其 AI 设计的癌症药物即将进入人体临床试验；5 月完成 21 亿美元 B 轮融资，刷新全球 AI 制药单笔融资纪录，近期又传出在寻求新一轮融资，估值达 400—500 亿美元——这个数字放在传统制药企业里，已是中等跨国药企的水平。

字节则选择了分拆。6 月把 AI 制药业务拆为独立公司 Anew Labs，三个月后完成 2.9 亿美元首轮融资，投后估值约 15 亿美元。独立运作的好处是能引入外部资本、按生物医药的节奏做长周期投入，不必和母公司的季度财报绑在一起。

为什么是现在

三个条件同时成熟。其一，模型能力从“读文本”扩展到“读结构”：蛋白质结构预测、分子对接、文献与专利的大规模抽取，这些任务过去依赖昂贵的专家人力，现在可以用模型批量完成。其二，实验数据开始规模化：自动化实验室和高通量筛选产生了可训练的数据集。其三，资本需要一个比“聊天机器人”更长的故事——AI 应用层竞争激烈、毛利承压，而药物一旦成功，回报是数量级的。

更关键的是商业模式的想象空间。科技公司不需要赌某一个分子成功，它们可以收“过路费”：按项目收费、按里程碑分成、按成功药物销售额抽成。这种“卖铲子”的模式，风险远低于自己挖金。

冷静看：三道硬约束

第一道是临床。AI 可以大幅缩短发现阶段，但三期临床动辄数千名患者、数年时间，这一段无法被算法压缩。Isomorphic Labs 的药物即将进入人体试验，真正的考验才刚开始。

第二道是数据壁垒。高质量的药企内部数据不会轻易共享，科技公司拿到的多是公开文献与专利，模型在真实项目上的效果可能大打折扣。

第三道是估值。400—500 亿美元的估值对应的是“平台级赢家”的假设，但目前还没有一款由 AI 主导发现的药物完成上市。泡沫与远见之间，只隔着几个临床结果。

趋势：从“AI 制药”到“AI 参与的科学”

把它放长看，科技巨头进入制药，本质上是模型能力寻找高价值落地场景的一次集体行动。短期看是卖工具，中期看是参与研发流程，长期看可能改变药企的组织形态——未来的制药公司，也许会像今天的软件公司一样，一半是工程师。

对国内产业来说，机会不只在做模型。临床资源、患者数据、审批通道、生产成本，这些“不性感”的环节才是护城河。谁能把 AI 能力和这些环节接上，谁才有机会把 0.1% 的成功率往上抬一点点。而对普通读者，最实际的判断标准只有一个：别听发布会的愿景，看有没有分子真的进了临床。