英伟达制药领域生态全解析：芯片巨头如何塑造AI制药基础设施
贝叔
英伟达制药领域生态全解析：
芯片巨头如何塑造AI制药基础设施
作者：贝叔 | 且来山笔记
2026年5月19日，波士顿BIO-IT World展会。QIAGEN宣布将其25年积累的3万种疾病知识图谱接入英伟达BioNeMo平台，覆盖靶点识别、药物重定位、生物标志物发现等药物研发关键环节。
一家生物信息学公司的合作公告，放在英伟达既往半年的合作时间线上看，信号尤为不同：
2026年1月，JPM大会——礼来宣布与英伟达共建最高10亿美元联合创新AI实验室；同日赛默飞宣布与英伟达合作推动实验室自动化
2026年3月，GTC大会——罗氏公布累计达3500+块Blackwell GPU部署；单单硬件成本可达上亿美元
2026年5月15日，英伟达在SEC 13F文件披露，Q1新进买入Generate Biomedicines约83.3万股股票（约1040万美元），首次通过二级市场公开买入AI制药公司股票
在算力之上，英伟达正在构建模型、数据、工作流程的全栈生态体系，推动制药领域的AI算力基础设施建设。
Framework → NIM微服务 → Blueprints → CUDA-X
BioNeMo：链接生态的AI制药基础设施底座
如果说CUDA是AI时代的操作系统，那么BioNeMo则是英伟达为AI制药构建的超级路由——作为AI制药的基础设施底座，BioNeMo包含了AI工具、分析模型、工作流程，并能快速弹性部署、直达算力底层。
- BioNeMo Framework——开源的、模块化的、模型训练框架，基于PyTorch/Megatron，让用户训练自己的模型
- BioNeMo NIM微服务——可即插即用、弹性部署的推理模型容器，如MolMIM、AlphaFold2、ESMFold、DiffDock等，让用户快速上手
- BioNeMo Blueprints——端到端任务流程管理能力，可串联多模型形成完整研发工作流
- CUDA-X for Biopharma——生物医药专用算力加速函数库
英伟达的态度一直很明确：不做药，只做基础设施；使用开放和便捷的NIM微服务，就可以把用户绑定在自己的算力生态上；而药企一旦将研发流程搭建在BioNeMo之上，迁移成本非常高昂。
顶级药企的算力竞赛
礼来：10亿美元的AI压注
2026年1月12日，礼来与英伟达宣布共建联合创新AI实验室——最高10亿美元，5年周期，选址旧金山湾区。
根据双方规划，核心算力设施为 DGX B300 SuperPOD，包含超 1000 个节点、8000+ 块 Blackwell GPU，总算力达 9000 petaFLOP 级别，被英伟达称为制药行业已规划的最强超算之一。联合创新实验室将基于 BioNeMo 平台及 Vera Rubin 架构搭建基础设施，不仅能够规模化加速药物研发，也通过构建制造线和供应链的数字孪生提升生产进程。
礼来董事长兼CEO David A. Ricks：”将近150年来，我们一直致力于为患者带来改变生命的药物。将我们海量的数据和科学知识与NVIDIA的计算能力和模型构建专长相结合，可以重新定义我们所知的药物发现。”
DGX B300 SuperPOD · 8000+ Blackwell GPU · 9000 petaFLOP
罗氏：从GPU到数字孪生
2026年3月GTC大会期间，罗氏公布其GPU部署规模：累计超过3500块NVIDIA Blackwell GPU，混合云加本地部署，美欧双中心，是当时制药公司已公布的最大规模GPU部署。
罗氏正将 AI 全面嵌入药物发现、开发、制造与商业化环节。根据企业披露，Genentech 近 90% 小分子项目已整合 AI，某肿瘤学降解物分子设计效率提升 25%，备用分子开发周期从两年以上缩短至 7 个月。北卡罗来纳州的GLP-1工厂正在使用NVIDIA Omniverse构建高保真数字孪生，在物理改造前对供应链进行建模、测试与优化。
罗氏首席数字和技术官Wafaa Mamilli：”我们使用NVIDIA Omniverse为生产基地构建高保真数字孪生，在现实世界中进行物理更改之前，对整个供应链进行建模、压力测试和优化。”
平台公司的AI升级
赛默飞：实验室自动化与多智能体
赛默飞的合作聚焦于”将实验室转变为可扩展的自动化数据工厂”，双方协同为下游客户提供软硬件高度集成的解决方案。
双方联合方案以 NVIDIA DGX Spark 桌面超级计算机为编排中枢，搭配 BioNeMo 软件套件驱动多智能体系统，实现 AI 自主生成实验方案、执行实验与实时质控。
NVIDIA医疗健康副总裁Kimberly Powell：”我们正在进入’lab-in-the-loop’科学时代——AI、Agent与仪器三位一体将能够以工业化速度规模化科学发现。”
QIAGEN：知识图谱补齐数据层
QIAGEN的合作标志着英伟达生态从”算力+模型”延伸到”精选知识”（curated knowledge）。QIAGEN Digital Insights花了25年构建生物医学知识图谱，覆盖30,000+种疾病、基因、通路、化合物和临床洞察，由70,000+篇科学出版物支撑，全球超过15万名科学家在使用。
合作方案是将这套知识图谱接入BioNeMo平台，采用GPU加速的GraphRAG系统（基于PyTorch Geometric框架），支持靶点识别、药物重定位、生物标志物发现等场景。
优质数据层是AI制药版图里长期缺失的一块拼图，算力可以靠钱、模型可以靠天才，但25年人工精选的知识图谱难以重建。
成熟公司层（礼来/罗氏/赛默飞/QIAGEN）+ 创新公司层（模型构建者 + 模型使用者）
在创新公司层面的生态布局
模型构建者——在BioNeMo上开发领域专用AI模型：
Basecamp Research：开发EDEN系列AI模型实现可编程基因插入（aiPGI™）——设计出能将大型治疗性DNA序列精准插入人类基因组指定位置的酶；据公司披露，其大型模型在 1008 块 Hopper GPU 集群上训练，使用海量 DNA 序列数据。
Boltz PBC：开源Boltz-1/2结构预测模型（接近AlphaFold3精度）和亲和力预测、以及BoltzGen蛋白质设计平台；Boltz的平台在全球有10万+科学家使用，种子轮2800万美元。
Chai Discovery：做分子相互作用预测 + 从头抗体/蛋白设计；Chai-1是开源的多模态生物分子结构预测基础模型，对标 AlphaFold3；Chai-2是从头抗体设计专用生成模型。利用BioNeMo加速生物分子基础模型开发与部署。
OpenFold：OpenFold3开源生物分子结构预测模型，作为NIM微服务在NGC目录提供。
模型使用者——将AI模型接入湿实验的执行层：
Owkin：OwkinZero生物学推理模型基于100万+患者数据训练以发现新的生物学机制，使用NVIDIA BioNeMo和NIM微服务。
Benchling：致力于将AI Agent和模型直接融入科学家的工作流，双方合作将BioNeMo和NIM微服务集成到Benchling AI平台，首批支持OpenFold2 NIM蛋白质结构预测。
Multiply Labs：使用NVIDIA Isaac Sim构建机器人数字孪生，通过仿真训练后部署到实体实验室。
Lila Sciences：定位”科学超级智能”，能够自主执行完整科学方法（生成假设、设计实验、运行实验、从结果中学习）的AI系统；英伟达参与其A轮融资，估值超13亿美元。
Opentrons：全球部署10,000+台实验室机器人系统，覆盖前15大生物制药公司中的14家，使用NVIDIA Isaac和Cosmos生成数据训练物理AI模型。
Recursion：AI驱动的全栈药物发现平台公司，使命”解码生物学，改善生命”，基于超大规模专有多模态数据集，发现疾病机制，并建有干湿实验闭环药物发现平台；NVIDIA 2023年战略投资5000万美元。
Terray Therapeutics：小分子AI药物发现平台+管线公司，强调”实验与AI共生”，干湿实验闭环；英伟达参与多轮投资。
英伟达制药生态的激情与理性
市场规模：AI药物发现领域保持高速增长，根据第三方行业测算，2024年市场规模约23.5亿美元，预计2032年增至137.7亿美元，CAGR约24.8%。AI制药在英伟达当前业务中占比较少，是未来投资。
竞争路线：Google以TPU+DeepMind+Isomorphic Labs走垂直整合路线，与英伟达开放平台路线形成并行格局。
投入回报：礼来、罗氏等大额算力投入仍处于基建期，AI可加速早期发现，但临床验证与ROI兑现仍需时间，集中兑现期或在2028–2030年。
行业分层：BioNeMo NIM微服务降低中小Biotech使用门槛，而DGX SuperPOD级别的超算投入仍属于头部药企专属，短期内行业算力分层格局将持续。
中国AI制药行业的启发
GPU出口管制的影响是现实的——B300、Vera Rubin等先进芯片受限进入中国市场。国产GPU（如昇腾）和自研框架正在补位，但生态成熟度与NVIDIA仍有差距。
6月2日，工信部医药数智化转型促进中心即将成立，涵盖国内医药龙头企业、AI制药企业、数智化服务企业、科研院所、监管机构、行业协会，旨在基于国产算力底座构建自主AI制药生态。
AI制药从药物开发变成全流程能力，对药企来讲，这是一场不得不参与的基础设施竞赛。这个竞赛是对英伟达有利的，它用BioNeMo平台编制起一个包括客户、模型、数据、实验室自动化方案的网，锁定AI制药行业对芯片算力的需求。
当芯片巨头开始在你的实验室里铺设管道时，你最好确保自己不仅是用水的人，也是懂水路图的人。