本报讯(记者谢岚)全球医药产业正深陷“双十定律”的泥潭——研发一款新药平均耗时超十年、投入逾十亿美元，成功率却低得惊人。传统高通（QCOM）量筛选像是大海捞针，面对10的60次方量级的类药化学空间，人类能触及的不过是沧海一粟。
然而AI正在改变这一困局。从靶点发现、分子生成到临床试验设计，人工智能（885728）技术已全面渗透制药核心环节。高盛（GS）研究报告指出，AI可将药物上市时间缩短20%—25%，压缩研发周期（883436）约3年，整体开发成本有望降低25%—30%。
然而，这些效率跃迁的背后，一场更底层的变革正在发生——AI制药的算力军备竞赛已经打响。算力不再只是IT部门的预算科目，而是直接影响研发效率、成本边界和创新节奏的战略资产。对于大型药企、创新药（886015）企乃至CRO(医药合同研发机构)/CDMO(医药合同研发生产机构)而言，比拼的不再只是管线数量，更是“算力密度”。
制药巨头入场：从“买卡”到“建工厂”
算力需求的激增，正快速转化为药企真金白银的资本开支。
国际巨头率先亮出肌肉。本月初，百时美施贵宝（BMY）宣布深化与英伟达（NVDA）合作，采购搭载最新Vera Rubin NVL72系统的DGX SuperPOD超级计算机，或将成为全球首家部署该架构的生物制药企业，用于推进肿瘤、心血管、免疫学等领域的复杂AI项目。
今年3月份，罗氏宣布扩展全球AI基础设施，正式部署由英伟达（NVDA）加速计算技术驱动的“人工智能（885728）工厂”。礼来（LLY）则更为激进——其启用的“LiLLYPod”医药AI工厂内置1016颗英伟达（NVDA）Blackwell Ultra GPU，整体算力高达9000Petaflops。
从“买几张GPU”到“建一座AI工厂”，头部药企的算力投资正在指数级升级。这背后是一个清晰的判断：在AI制药进入深水区的今天，没有底层算力支撑，上层算法创新就是无源之水。
国际巨头狂飙之际，国内产业跨界协同也在加速。广州医药数智科技有限公司联合华为、首芯分子(北京)医药科技有限责任公司，打造了全栈国产化AI新药智能研发平台，基于国产算力底座构建起“计算设计—实验验证—模型迭代”一体化研发闭环。网宿科技（300017）则与联影医疗（688271）共建智算集群，为医疗AI提供底层算力支撑，赋能医疗企业级大模型平台与智能体应用的开发。
这类智算集群的战略价值不止于单点赋能。医学影像、临床数据、组学数据与药物研发数据正在走向融合，疾病诊断、药物研发与治疗方案优化的边界日趋模糊。面向医疗健康产业的智算集群，未来不仅服务于影像AI和辅助诊断，更将支撑真实世界研究、精准医疗与药物研发的协同创新。
不只是“堆GPU”：算力、算法、数据与合规的系统性约束
算力成为AI制药关键约束，根源于药物研发问题本身的结构性特征。
首先，生命系统的多尺度复杂性，决定了算力是刚需。
人体疾病涉及基因、蛋白、细胞、组织、器官、环境及生活方式等多层次因素；候选药物从分子结构到体内疗效，需经历吸收、分布、代谢、排泄、毒性(ADMET)等复杂过程。AI的价值在于通过海量数据（603138）处理，在复杂系统中寻找规律、加速验证。以清华大学智能产业研究院开发的DrugCLIP模型为例，其将传统药物筛选速度提升100万倍——没有高密度算力支撑，这种跨越不可能实现。
第二，模型范式的结构性跃迁。AI制药正从“专用小模型”走向“多模态大模型”。生物医药大模型不仅需要学习文本知识，还需理解分子图结构、蛋白质序列、三维结构、医学影像、电子病历和多组学数据。这种多模态、多尺度、多任务模型对训练算力、数据吞吐、存储能（885921）力和网络带宽提出了系统性要求。
第三，时间竞争的本质属性。新药研发是一场与时间赛跑的游戏（881275）。算力密度直接决定了迭代速度与创新节奏。
然而，AI制药的竞争绝非简单的“算力军备竞赛”。算力是基础，真正决定成败的，是算力、数据、模型、算法、场景与合规能力的系统协同。
算法框架决定算力的转化效率。AI制药需要面向生命科学问题设计专门模型，不仅要追求预测准确率，更要考虑可解释性、泛化能力、实验可验证性以及与研发流程的融合程度。
尤其在药物研发中，AI输出不能停留在“看起来合理”。一个候选分子是否具备成药潜力，需要综合评估活性、选择性、毒性、代谢稳定性、合成可行性及知识产权空间等多重因素。
数据质量优先于数据规模。没有高质量的数据治理，算力与模型都难以发挥作用。建立标准化、结构化、可追溯的数据体系，是AI制药落地的前提条件。
安全合规是不可绕开的底线。医药数据具有高度敏感性，涉及患者隐私、临床试验数据、商业机密和知识产权。随着《个人信息保护法》《数据安全（885942）法》《人类遗传资源管理条例》等法规不断完善，药企必须确保数据采集、传输、存储、训练和应用的全流程合规。
此外，AI制药还需解决模型可信度与监管接受度问题。药物研发最终要接受科学验证和监管审评。
产业协同：专业化分工的必然趋势
在算力需求快速增长、技术复杂度持续攀升、合规要求日益严格的背景下，药企与专业算力服务商的合作已成为必然选择。
核心原因在于：AI制药需要的不只是GPU，而是一整套高性能、稳定、安全、可调度的算力服务体系。这包括计算资源、存储架构、网络基础设施、容器平台、模型训练框架、任务调度系统、安全防护、运维能力和成本优化能力。对大多数药企而言，完全自建并长期维护这样一套体系，成本高、周期（883436）长、难度大。
专业算力服务商能够为药企提供弹性算力、混合云架构、专属集群、数据安全（885942）方案和AI工程化平台，帮助药企将资源聚焦于药物研发本身，而非陷入底层基础设施建设。尤其对处于快速成长期的创新药（886015）企而言，与专业服务（884257）商合作可显著降低初期投入压力，提高研发灵活性。
从行业实践看，华为、网宿科技（300017）等科技企业已在生命科学和医药研发领域持续布局，依托云计算（885362）、AI框架、算力基础设施和数据治理，为药企、医院（884301）和科研机构提供数字化与智能化能力支撑。
AI制药的终极目标不是替代科学家，而是释放科学家的创造力。随着算力基础设施不断完善、模型算法持续进步、安全合规体系逐步成熟，AI制药有望从概念验证走向规模化应用。对于医药行业而言，这场算力竞赛才刚刚开始——而它真正推动的，将是一场新药研发范式的深层变革。
