Insulin human(Eli Lilly & Co.)

1. 生物医药行业长期受到一个问题的困扰：创新周期往往比回报周期更长。2. 在几乎所有治疗领域里，礼来的整体研发速度，平均仍然比下一家同规模的制药公司快大约40%。3. CEO的工作职责是创造条件，让伟大的想法能够系统性地不断涌现。4. 在过去10年里，我当初做过的一个最重要的决定，就是在公司还负担不起的时候，依然为英伟达建造了一台当时全球规模最大的超级计算机之一。5. 我现在真的认为，生物医药行业的“关键时刻”已经到来了。能够从“药物发现”这种有点像在森林里找松露的方式，转向真正的计算机辅助药物设计。6. 当然，这背后的科学极其复杂，人类生物学本身也极其复杂，可能（完全实现）还需要10年时间。7. 如果我们能把这件事从一种“手工艺式的发现”，变成一个工程问题，那对人类生命的影响将是巨大的。8. 我们更关注一个更现实的问题：如果最大寿命上限是100岁，我们怎么让更多人更有机会真正走到那一天？而我们的方式，是通过消除疾病来实现这一点。9. 如果说在AI领域目前最容易落地，也最可操作的方向，我认为是医疗服务。在上个月举行的2026年摩根大通医疗健康大会上，英伟达创始人黄仁勋与礼来公司CEO戴文睿（Dave Ricks）在宣布重大合作后进行了一场深度对话，大约1小时。今天刚放出了完整视频。两家公司将在旧金山湾区共建一个首创性的AI联合创新实验室，并计划在未来五年内共同投入高达10亿美元，将AI技术彻底融入药物发现和生物医学研究流程。两位掌舵者都无比兴奋。对于生物医药行业来说，传统新药研发周期长、成本高、成功率低已成为公认的结构性难题。而AI具备高速模拟、海量空间探索和自动化协同的潜力，被视为可能改变这一格局的关键力量。过去几年，礼来在代谢性疾病领域的突破已无需赘述。以替尔泊肽（Tirzepatide）为代表的GLP-1药物，不仅在减重和糖尿病治疗中展现出前所未有的疗效，也正在显著改变慢性病管理的边界。戴文睿在对话中反复强调的是一个更长期的目标：把药物发现从高度经验化的探索，推进为可以不断复制、持续优化的工程体系。对话还提及，该合作框架未来将向生物医药初创公司开放，通过联邦学习等机制，在不共享原始数据、不损害知识产权的前提下，共同训练模型、放大创新效率。看起来挺酷的。值得一提的是，2026年2月4日礼来发布2025年财报，全年营收651.79亿美元，同比增长45%，预计2026年营收规模在800-830亿美元之间。财报披露当日礼来股价蹭蹭蹭涨了10.33%，一度重返万亿美元市值。戴文睿在对话中反复提到的替尔泊肽合计销售额365.07亿美元，其中四季度销售额116.70亿美元。替尔泊肽全年销售额超过司美格鲁肽和Keytruda，正式登顶药王宝座。聪明投资者（ID: Capital-nature）抱着学习心态整理精译主要内容分享给大家。嗯，考虑到篇幅，忍痛删除了一些两人逗捧哏的有趣过程。加速药物研发速度以及如何更好接棒黄仁勋说起来，我们两个人的成长背景，几乎不可能更不同了。戴文是鹰级童子军，而我则上过一所“问题少年学校”。先澄清一下，我是被误送进去的，那并不是什么糟糕的学校，其实是一所非常好的学校，而且学费也很便宜。所以回到正题。2017年，你成为了CEO。我的问题是：当时的礼来是一家什么样的公司？那时它对生命科学未来的愿景是什么？而今天的礼来又处在什么状态？在信念的层面上，你现在对生命科学未来的看法又是什么？戴文睿2017年的时候，礼来刚刚超过140年，是一家相当成熟、根基深厚的公司。不过，在那之前，我们的行业经历过一段相当艰难的时期，这一点稍后我也可以再展开讲。正如在座很多人所知道的，我们这个行业长期受到一个问题的困扰：创新周期往往比回报周期更长。平均来看，你会不断经历高峰和低谷的循环。而在低谷期，你要么撑不过去，被并入其他公司，最终只剩下别人公司名字后面的一个“连字符”；要么就学会如何活下来，并做出极其艰难的决策。我认为，礼来几乎是唯一一家在经历这些周期时，没有通过并购或合并来渡过难关的大型制药公司。我们已经经历过好几轮这样的周期，因此也逐渐形成了一种在艰难时期具有生存韧劲的组织DNA。其中有一件事对我触动非常深。当时我已经是执行委员会的一员，我们经历了2010、2011、2012 年那一轮周期。那段经历让我意识到，在发明和创新这件事情上，你必须极端地、持续地保持强度。因为这个时间周期非常残酷：一旦你遇到专利悬崖，却又没有任何产品可以接续，你就不得不对整个公司进行重塑。想象一下，每隔10到15年就来一次这样的过程，组织根本不可能积累真正的动能。人会离开，隐性知识会流失等等。于是我们开始着手应对这个问题。我认为大致有两种路径。第一种是说“那我们就要有更好的点子” 。但正如你们所知道的，这很难长期维持。即便你一度有很好的想法，外界也觉得你很聪明，现在大家对礼来的看法就是如此，但这种状态是很难持续的。所以我们当然也在努力提高发明本身，但更重要的一件事，是加快发明的速度。我们系统性地拆解了整个研发流程，几乎是逐个环节来做，从候选分子的选择到第一次获批，中间有上百个步骤，我们把时间一段一段地压缩下来。直到今天，在几乎所有治疗领域里，礼来的整体研发速度，平均仍然比下一家同规模的制药公司快大约40%。这意味着，我们可以在专利周期之内完成真正的发明，然后公司才有可能重新进入增长轨道。这在2017年还只是一个设想，而现在已经被真正落实了。与此同时，我们也做了很多事情来推动更多的发明。我们很幸运，在2006年就较早押注了一个叫GLP-1的方向，并推出了全球第一款相关产品。当时几乎没人听说过这个概念。我们在这个方向上反复摸索、不断尝试，大概折腾了12年。对整个人类来说，确实是一个非常好的想法。黄仁勋听起来像个芯片名字，GLP-1。戴文睿 确实有点像。你是不是想问，会不会有GLP-2、GLP-3？确实有GLP-2，那是一种真实存在的蛋白，不过作用基本相反。我们并不希望把这两种激素结合在一起，因为市场非常小，我得说，真的非常小。我并不是医疗专家，但如果我没理解错的话，现在我们其实已经算是在“GLP-2”阶段了，因为替尔泊肽（Tirzepatide）是把两种蛋白融合在一起的，而这是我们开发出来的一项技术。接下来还有一个三重作用机制的分子，预计在2027年推出，那会是一个相当有意思的阶段。不过总的来说，我们抓住了这一波浪潮。最初是竞争对手在肥胖领域率先完成了创新，而我们随后追赶并执行得相当不错，最终在去年成为了市场领导者。所以现在，我们不仅拥有一台更快的创新引擎，而且还处在一个由单一理念带来的巨大成功周期之中。摆在我们面前的挑战是：如何在这一轮成功周期结束之前，就提前找到下一轮成功，并获得持续向前的速度。这件事，坦率说，行业里还没有哪家大型公司真正做到过。大家一直只是经历一轮又一轮的周期，而我们的目标，是打破这一点。（聪投注：这段让人想起3万亿美元的近百年的资管巨头资本集团（Capital Group）。其历史上最杰出的分析师之一——杰森·皮拉拉斯（Jason Pilalas）在职业生涯中，正是通过对单一突破性产品的前瞻判断，捕捉到一批伟大的医药投资机会：因胃溃疡药物泰胃美（Tagamet）押中史克，因善胃得（Zantac）投中葛兰素，又因降压新药依那普利（Vasotec）看准默克的长期潜力。这些成功案例为资本集团带来过丰厚的回报。但同样重要的是，当他意识到某些公司在核心产品之后缺乏清晰、可验证的后续研发接力时，即便当期业绩仍处高峰，也会选择退出。资本集团内部始终坚持一个判断：医药公司的长期价值，不取决于“这一款药有多成功”，而取决于“成功是否能够被接续”。这恰恰呼应了戴文睿在对话中的核心命题——真正困难的，不是创造一次突破，而是在每一次产品周期之后，为下一次增长提前铺路。）CEO的根本职责是创造条件黄仁勋你刚才提到的一点，其实我经常对我的员工说，CEO的根本职责，并不是亲自去想点子。我们的工作是创造条件，让伟大的想法能够系统性地不断涌现。你刚才描述的，本质上就是礼来在长期实践中形成的一种智慧：必须创造出让这些重大创新得以发生的条件。我们以前也聊过英伟达早期进入AI领域的事情。回头看，英伟达做过的最重要的一件事，就是在基础设施上提前下注，去创造条件，让最优秀的AI研究人员愿意加入我们，从而让伟大的发明自然发生。今天我们对这件事其实讲得不多，但越来越多的人开始意识到，在过去10年里，我当初做过的一个最重要的决定，就是在公司还负担不起的时候，依然为英伟达建造了一台当时全球规模最大的超级计算机之一。那时，甚至没有多少AI研究人员能真正用得上它。如果你想吸引世界上最顶尖的粒子物理学家，却没有大型强子对撞机，那几乎是不可能的。这也把我们的对话自然引向了一个结论：AI已经取得了足够的进展，使我们有可能把它应用到人类最非凡、也最困难的挑战之一——生物学。于是，我们两个人就开始设想，如果全球最大的计算与计算机科学公司，能够与全球最重要的生命科学公司展开深度合作，会发生什么？这就好像我们共同创建了一间实验室，在某种意义上把两家公司当成一家公司，把所有最顶尖、最不可思议的能力整合在一起。戴文睿 非常令人兴奋。今天我们正式宣布了这项合作。这项合作大致分为四个部分。首先，我们采购了大量芯片，并正在建设一台全球最大的、专门用于生物学研究的本地部署超级计算机，预计就在本周完成。这台计算机将位于印第安纳波利斯，这里本身就是全球生物药物发现的重要中心。在超级计算这件事之外，我们还会在湾区组建一支研究团队。如果有优秀的科学家或者计算机科学家想加入，这将会是一个礼来—英伟达联合的 AI 实验室。我们还会着力开发全新的数据。因为任何真正了解这个问题的人都知道，你可以训练模型，但如果数据“只有一英寸厚”，你是走不了多远的。而生物学在很大程度上仍然是未知的。所以，我们需要为了训练机器而开展大规模的实验，持续生成数据。接着，我们还要在英伟达已经构建的模型基础之上继续往上“爬梯子”，做出更复杂、更高级的预测。从“手工艺式的发现”变成一个工程问题黄仁勋理解AI的一个重要方式，是把它想象成一块多层蛋糕。最底层，你需要能源来驱动这些计算机；再往上一层，是计算机里的芯片；再往上，是基础设施层。这一层本质上是在解决这样的问题：如何让计算机学习？如何处理数据？如何设置安全护栏？如何微调？如何教学？这层有点像AI的人力资源部门，只不过他们的工作效率要高得多。在基础设施之上，是模型层；再往上，是领域特定的数据和飞轮机制。真正令人兴奋的一点在于：我们可以训练模型来合成蛋白质或化学分子，把这些结果送进机器人实验室进行实验，收集新的数据，再把这些数据反馈回模型中。这个飞轮——用AI生成蛋白或分子、进行真实实验、获得现实世界的数据，再把整个科学飞轮加速运转。这样的未来，令人无比兴奋。所以，我们正在系统性地把药物发现领域中最优秀的专家，与计算机科学领域中最优秀的人才聚集到一起。在我们的联合创新实验室里，基本上会覆盖这块“蛋糕”的每一层，希望最终能勾勒出一幅关于未来药物发现的蓝图。大概在40多年前，准确地说是43年前，我属于第一代工程师，那一代人第一次迎来了“计算机辅助设计”这个概念。在我之前的工程师世代里，他们会设计一款芯片，可能会成为一次成功，但接下来好几年都没有新的突破；再设计一款，又成功一次，然后又停滞几年。戴文睿 现在这个行业已经完全不是那样了。黄仁勋没错。而我们这一代人出现之后，第一次能够用软件来表示晶体管、逻辑门和系统功能。计算机终于可以准确地表示你的领域，并模拟它的行为，尽可能在硅片里完成设计和验证。今天我们设计的是极其庞大的系统。大约有1.5万人共同参与一套计算系统的设计。我们刚刚完成了Vera Rubin的流片，投入了数十亿美元的研发费用。最终完成的计算机重达三吨，包含大约150万个部件、6颗全新芯片，总计220万亿个晶体管。而最关键的是，它第一次运行，就完全符合我们的预期。每一代系统，都是在上一代基础上构建的。我现在真的认为，生物医药行业的“关键时刻”已经到来了。经过百万倍、甚至更高数量级的算力提升之后，我们终于也许能够表示并理解世界上最困难的问题之一——人类生物学。能够从“药物发现”这种有点像在森林里找松露的方式，转向真正的计算机辅助药物设计。顺便说一句，礼来当年真的有一个“土壤发现部门”，会派人去热带雨林采集土壤样本，带回印第安纳波利斯，从中提炼出后来变成抗生素的物质。事实上，医院里最重要、也是最后防线的抗生素之一——万古霉素，就是礼来在婆罗洲的一份土壤样本中发现的。那他们当初怎么知道要去哪里？其实也不知道，只是因为真菌会产生对抗细菌的天然机制，于是他们就去挖土、去找这些天然防御体系，再把它们转化成药物。这才是真正意义上的“药物发现”。你仔细想想，这种工作方式是有生命风险的，甚至可能得疟疾。那是1950年代的事情，距今已经70年了。但现在不同了。现在，你们的工作方式开始变得像我的工作一样，基本不用离开办公室。戴文睿 是的，全都在屏幕里完成。黄仁勋所以，真正让我感到兴奋的是，我们也许真的能够实现计算机辅助药物设计。当然，这背后的科学极其复杂，人类生物学本身也极其复杂，可能还需要10年时间。但我真心认为，这次我们之间的合作宣布，可能会成为某种起点，一种蓝图的开始。戴文睿 我也希望如此。我们确实需要这样的突破。你在摩根大通的大会上会看到，行业里有着令人难以置信的研发管线，但其中大多数成果，都是一点点凿出来的，是非常艰苦、非常经验主义的过程。偶尔我们能借助一些系统性突破，比如单克隆抗体，本质上是“劫持”了生物体自身解决问题的方式。但大多数时候，每一个小分子发现都像一件艺术品，独一无二，稍有偏差就前功尽弃。如果我们能把这件事从一种“手工艺式的发现”，变成一个工程问题，那对人类生命的影响将是巨大的。关于GLP-1的机理以及更多价值黄仁勋回到GLP-1。你刚才提到，它其实已经进入第三阶段了。那么接下来会走向哪里？还能用来做什么？戴文睿 事实上，肥胖是成年人慢性疾病中一个非常关键的枢纽变量。很多当下的疾病，在人类进化史上根本不是问题。我们进化得太慢，而环境变化得太快，于是出现了错配。肥胖正是这种错配的产物。我们是在一个资源稀缺的环境中进化出来的。在人类进化过程中，其实并不需要为“饥饿”设计一个关闭开关。因为当时的世界并不存在“过剩”这个概念。现在不一样了，现在的关键词是“丰裕”，是过剩。不论是热量、智能，还是生产力，我们都生活在一个高度丰裕的世界里。至少对我来说，我的生活几乎被各种各样的“过剩”所包围。但问题在于，我们现在也处在一个热量极度过剩的环境中，而进化并没有提前为我们设计好一个“停止进食”的机制。从进化角度看，这是完全没有必要的。所以我们才会出现肥胖问题，而肥胖又会引发大量慢性疾病，折磨人类，甚至缩短寿命。如果我们能拥有一套相当有效、而且还会不断变得更有效的工具去真正帮助人们管理体重，用一种人工合成的方式，帮身体装上一个关闭开关，那么我们就有机会下调、甚至显著缓解200多种慢性疾病。黄仁勋真的有这么多？戴文睿 确实如此。接下来24个月里，会发生两件非常重要的演进。第一，是选择会显著增多。GLP-1本身只是一种肽，但它属于一个家族。通过在替尔泊肽中把GIP和GLP结合在一起，我们已经看到药效更好、耐受性也更强的结果。未来你可以预期会看到更多类似的组合。在这个“超级蛋白家族”中，我们可以整合不同成员的优势，做出更容易耐受、同时效果更强的药物。不论是在维持阶段、诱导减重阶段，还是针对不同患者特征的个性化需求，都会有更多方案出现。正如我刚才提到的，我们的三重作用分子也在推进中。而单纯的体重下降，本身就会带来极其广泛的下游好处。这也引出了第二个重要变化：应用场景的拓展。现在我们已经清楚地看到，使用Zepbound（替尔泊肽减重注射液）后，平均体重可下降约23%。但真正逐步显现的，并不只是减重本身，而是一系列原本可以预期、却远比想象中深远的连锁结果，包括心梗风险下降，整体代谢系统明显改善。在糖尿病与糖尿病前期人群中，向糖尿病发展的转化概率下降了93%。可以设想，如果在全国范围内，为约7000万名糖尿病前期人群提供 Zepbound，美国的糖尿病患者规模在理论上将大幅收缩。这是一个极其重大的发现。若与特朗普政府刚刚签署的医保准入协议能够顺利推进，或许真的有机会向这一方向迈出实质性一步。除此之外，还有一些不那么直观、却同样关键的作用机制，其中最重要的一项是炎症。肥胖所引发的，并非一次性的急性反应，而是一种长期存在、系统性的慢性炎症。这种状态持续侵蚀心血管系统，加重关节负担，也会在更广泛的层面上损害身体机能。在早期临床试验阶段，我们就开始自发地听到患者的反馈：他们不仅体重下降了，而且有人说，这是十年来第一次能够轻松地从椅子上站起来；膝盖不再像以前那样疼；背部的不适明显缓解。还有一些患有克罗恩病或结肠炎的患者，甚至报告症状几乎消失。为什么会出现这些变化？关键在于，我们并不是在处理某一个孤立症状，而是在系统层面降低了长期存在的慢性炎症水平。基于这一机制，我们已经启动了一系列针对不同疾病的研究。上个月公布的首项结果显示，在银屑病关节炎患者中，在原有基础用药之上联合使用Zepbound，整体疗效提升了约50%。接下来，这些潜在应用将以医学体系能够接受的方式逐步推进——也就是通过清晰、可验证的适应症，让创新真正进入临床实践。黄仁勋这和AI的采用路径其实很像，你也需要在具体场景中证明它的价值。戴文睿 完全一致。我们已经启动了一系列脑健康相关研究，并且专门为神经系统疾病设计了GLP-1 / GIP的特定组合，其中一个重点方向就是成瘾问题。成瘾，是一个非常严峻的现代社会挑战。有意思的是，这类药物抑制食欲的机制，其实并不只是因为身体需要更少的热量，而是因为它们作用于一些后天学习形成的行为回路。听起来是不是越来越像AI了？同样的机制，也可能适用于其他具有自我强化特征的有害行为，比如赌博、饮酒，甚至戒烟。因此我们也在系统性地探索这些方向。当然，我们希望它不会影响那种工作过于拼命的行为。黄仁勋对，那可不行。戴文睿 放心，只会针对不良行为。事实上，这些行为在模式上，与过度进食高度相似。顺便说一句，这是给在座各位创业公司CEO的一个友情提醒：如果你发现自己的意志力开始下降了，先停一停微剂量试验。黄仁勋现场可是有不少创业CEO。戴文睿 目前大家也在同步研发作用时间更长的方案，以进一步降低用药频率。今年春天，我们还将推出口服GLP-1。这不仅是使用便利性的突破，更重要的是一次全球可及性的突破。从外表看，我们现在的自动注射装置似乎很简单，但从制造角度来看，这其实是全球最复杂的药物之一，而且面临的是数亿人次级别的需求规模。我们刚刚在中国、印度以及东南亚推出产品，而这些地区的肥胖问题同样非常严峻。仅依靠注射制剂，根本无法满足需求，尤其是在东南亚，那里糖尿病负担极其沉重。某种意义上，东南亚人群在肥胖问题上“输掉了遗传彩票”：在更低的体重水平下，哪怕是小幅度的体重增加，也更容易触发一系列疾病。因此，我们必须具备大规模生产能力。口服制剂在化学层面实现，不依赖蛋白合成，也不需要无菌注射系统——只是一颗药片，就能实现极大规模的扩产。这一产品也将于今年上市。黄仁勋也就是说，这一个想法，你们还可以再跑五十年？戴文睿 我们是这么希望的，也是在向你学习。GLP-1的发现过程以及之后的重点黄仁勋当然，我们面临的一个挑战是：能否持续不断地发明出足够好的新产品，让人们愿意为其付费，从而跨越专利周期？历史上有没有哪一种生命科学技术，曾经如此广泛地造福人类？我能想到的，可能只有抗生素这一整个药物类别。戴文睿 没错。黄仁勋青霉素的发现，几乎创造了现代医学。如果没有抗生素，就不可能有现代牙科、现代外科。今天我们已经把这一切视为理所当然。但从弗莱明在实验室里发现那团奇怪的霉菌开始，这开启了一条持续60年、诞生100多种新药的创新浪潮。我觉得，GLP-1也可能属于这样的技术浪潮。不同之处在于，它针对的不是急性感染，而是现代智人所面临的慢性疾病。戴文，你有没有意识到，你的工作听起来竟然会这么“轻松”？我太太也问过我这个问题。为什么我不来你们这儿工作？一次伟大的发现，然后几十年都在享受红利。你们在森林里挖着挖着，就挖到了GLP-1这颗“松露”。戴文睿 其实历史并不是那样的。这个故事要追溯到上世纪70年代。当时，一位德国科学家发现了所谓的“促胰岛素效应”（incretin effect）。GLP-1正是这一激素家族中的一员。这类激素由肠道分泌，用来向全身传递一个信号：你已经进食了。他观察到，如果将糖分通过口服方式给予人体，与静脉注射相比，胰岛素的反应完全不同。胰岛素本身是一种促进糖吸收的激素，而在口服条件下，这一反应明显更慢。这一现象提示，肠道的参与会改变整个系统的反应路径。到了80年代，研究人员首先发现了GIP，随后发现了GLP-1，这正是Zepbound的两个组成部分。此后，人们又陆续识别出更多相关激素。但始终存在一个核心难题：这些靶点极难做成真正可用的药物。天然GLP-1在人体内的半衰期只有大约7分钟。如果直接使用这种天然肽作为药物，患者就需要全天候持续输注，这在现实中根本不可行。直到我们逐步学会将作用时间从每天两次延长到每周一次，如今甚至在探索按月给药的可能性，GLP-1才真正具备了成为产品的基础。而在AI药物发现领域，已经开始显现效果的一点是：我们可以生成海量的组合方案，在计算环境中进行筛选，再从中过滤出真正具有潜力的候选物。我们已经在规模化地推进这项工作，而通过这次合作，规模还可以再放大一个数量级。黄仁勋那我们能不能用AI找到更多生物学靶点？那才是真正的“圣杯”。因为如果把这两件事结合起来，我们就有可能一次性对整个系统进行建模，那会非常、非常令人兴奋。还有一件事，是戴文一直特别想做的——把这个AI实验室、这个联合创新实验室放在这里。放在硅谷，甚至就在这座“AI之城”的附近。旧金山确实是很多AI研究者的聚集地，我们在这里也有办公室。所以，这个实验室要么设在南旧金山——那一带是湾区的生物科技中心，要么就设在这里。戴文睿 没错。我们想去人们真正愿意生活的地方。黄仁勋说到GLP-1以及它之后的东西，硅谷现在有不少人在聊长寿、聊延缓衰老。那你跟我讲讲，这背后的技术路径是什么？戴文睿 这是个很有意思的话题。它当然对很多人都有吸引力，毕竟谁想变老呢？细胞为什么会“到期”，这里面有很多生物学机制，你可以把它外推到细胞系统，再外推到器官，最终甚至外推到整个个体。但正如我们在台下聊到的，那不是我们现在主要的工作方向。那条路径的核心问题，是能否把人类在理想条件下的最大寿命上限进一步往后推。比如说，在理想条件下人可能活到100岁，然后系统出于某些原因就关闭了。坦率说，如果人能永生，那世界会很奇怪。那我们为什么要繁衍？我们怎么进化？这里面有很多问题，甚至是哲学层面的：自然的“原始设计”要怎么自洽？我们更关注一个更现实的问题：如果最大寿命上限是100岁，我们怎么让更多人更有机会真正走到那一天？而我们的方式，是通过消除疾病来实现这一点。你如果回看1900年的美国，男性的预期寿命大约只有46岁。最主要的原因，并不是人老得快，而是儿童死亡率极高。大量人群在很小的时候，就因为感染等原因去世。随着抗生素、疫苗，以及一整套控制儿童疾病的医学工具出现，预期寿命迅速被拉升。从1960年到今天，我们又大约增加了10年的预期寿命，这一阶段的提升，主要来自慢性病管理能力的持续进步。癌症治疗取得了巨大突破，在座的很多公司，都在慢性病管理中发挥了重要作用；HIV/AIDS 以及其他新型病原体，也被逐步控制。今天，美国的预期寿命已经接近80岁。事实上，如果不是阿片类药物滥用和交通事故死亡率异常偏高，这个数字可能更接近84岁。而这两项，在美国都显著高于其他发达国家。自动驾驶或许能解决其中一个问题；另一个问题，也许GLP-1能发挥作用，因为我们已经开始研究它在阿片成瘾上的潜在影响。我们正是通过这样一项一项、系统性地推进，不断拉长人类的健康寿命。当然，随着人活得更久，与衰老相关的新问题也会随之出现。对我来说，在GLP-1之后，我最兴奋、也最关注的下一个前沿，是痴呆症以及与衰老相关的脑部疾病。当我们的身体可以支撑我们走到八十岁、九十岁，大脑这件事，却还远没有被真正解决——无论是对生活质量，还是对寿命长度来说，这都会变得至关重要。我们已经在这一领域投入了大量精力，也有一些令人期待的项目正在推进。从药物发现的角度看，如果我们能够模拟脑组织，去寻找新的靶点，并理解那些我们目前尚不清楚的靶点之间的相互作用，也许就能打开新的突破口。衰老的大脑中，同时存在炎症和蛋白质错误折叠等问题，那里可能正隐藏着下一代治疗的关键。关于联合创新实验室的构想黄仁勋如果我们退一步来看这间联合创新实验室，第一件事，其实是把计算平台搭建好，让研究者能够真正开展工作。所以我们有算力、有基础设施层、有BioNeMo，也有一整套已经构建完成的模型和模型架构。接下来，就是把科学家聚到一起，在这些基础之上开始协作。但如果你要给研究团队一个愿望清单，你最希望他们把精力放在哪个方向？戴文睿 我觉得可以先把问题简化为两个方向。当然在每个方向里，我们都需要进一步聚焦，只有这样才能持续推进，也才能形成可交付的成果。第一个问题，其实我们这个行业已经有相当的动能了，也就是工程化的药物设计。今天很多药物，本质上都属于这一类：靶点已经存在、也被充分研究过，真正的挑战在于，如何更精准地定制那把“钥匙”，去匹配那把“锁”。与此同时，也出现了一些新的治疗范式，比如RNA、基因疗法等。这些技术出现的时间还不够长，还远没有被充分优化。所以我认为，围绕药物工程和药物优化这一整套问题，本身是相对可解的，而英伟达的科学家与我们的研究团队结合起来，很可能在这一领域较快取得实质性进展。这类成果，也非常适合通过Tune Lab这样的接口开放出来，与更多生物科技合作伙伴共同使用。我们可以把“更好的药物制造”这件事，通过计算机内的设计与工程化，真正推向规模化。简单解释一下Tune Lab：这是一个平台，让礼来能够与初创公司或第三方一起合作，共同推动某个具体方向的进展。它基于联邦学习的技术框架，底层是我们贡献的NVFlare。研究者不需要集中或混合数据，却仍然可以共同训练模型，从而实现协作式创新。自从我们宣布合作以来，几乎一整天都有初创公司主动来询问如何参与Tune Lab 和联合创新。Tune Lab的构想非常有前瞻性，它解决了一个长期存在、却极其棘手的问题：如何在保护数据与知识产权的前提下，让不同公司的AI研究者真正协作。我们不收取费用，但会进行筛选，确保项目是严肃、可信的生物科技研究。合作的成果，也会被整合回Tune Lab，让不仅是礼来的科学家，更多生物科技研究者都能从中受益。第二个问题，是靶点本身。在这一点上，我认为机器人实验体系必须真正发挥作用。为什么我们可用的靶点还不够多？为什么我们对已有靶点的理解仍然不够深入？很大程度上，是因为它们的结构和行为，比我们以为的要复杂得多。药物研发失败的一个重要原因，正是我们以为理解了靶点，但实际上并没有。这背后需要的是围绕关键靶点，获取海量、系统性的实验数据，把它真正“刻画清楚”。我们已经有机器人湿实验室在运行，但接下来会建更多，让它们24小时不间断工作，在一个靶点空间内持续实验、持续生成数据，形成完整画像，再与工程化药物设计结合。这条路更难，也更偏经验主义，但机器天生适合日夜不停地做这件事。一旦这个飞轮转起来，它会转得非常快。AI领域目前最可操作的可能是医疗服务黄仁勋戴文，如果你回头看我们在其他领域取得的一些突破，第一件事往往是：你最终必须让这个飞轮落到现实世界。你得做真实的实验，收集真实的数据，用它把闭环跑起来。随着循环推进，模型会变得足够好，基础模型会变得足够强，你就可以教它去生成、去做生成式工作。最终可能会出现这样一种形态：一个模型在不断与另一个模型对抗、验证。而那个“另一个模型”，其实就是“世界模型”或者“靶点模型”。靶点模型会和你训练中的模型一起，在一个闭环里运行。从这个意义上讲，实验室本身也在变成一个模型。当然，你最终还是要重新落地，真正去合成蛋白，产生真实数据。但在这个过程中，我们会进入一个合成数据飞轮：先在模型里生成、再在模型里筛选、再用真实实验去校准。这个飞轮的效率极高。我认为在我们这个行业里，以往从未有人以这样的规模去尝试，而我相信我们会在这里做到。真正关键的是，挑选出少量我们高度怀疑与重大疾病密切相关的靶点，然后在机器人湿实验室里对它们做完整、系统的刻画，用实验数据训练数据集，再让机器去填补中间的空白、扩展整个空间，最终做出更好的药物——因为我们真的理解了这些靶点。这实在太令人兴奋了。我认为这可能是第一次，我们拥有一个在专业深度和规模上都足以吸引顶尖人才的实验室，让他们愿意把一生投入到这个交叉领域。这场大会有一件特别棒的地方，就是大型公司和小型公司能够聚在一起。你这边看到了哪些公司？哪些方向让你觉得特别有意思？戴文睿 我看到的方向很多。比如机器人实验室相关的公司、AI 科学家团队，当然也包括代理式医疗（agentic healthcare）相关的公司。像Abridge在做的事情，还有Open Evidence，也都非常、非常酷。如果说在AI领域目前最容易落地、也最可操作的方向，我认为是医疗服务。这当然不像我们今天讨论的这些问题那么复杂，而是如何用代理式AI服务去替代或增强人类层级的服务。这是整个经济体系里生产率最低的部分之一，从逻辑上说，采用AI是非常显而易见的选择。但现实里有很多需要磨合的地方。我们经常讨论怎么合作、怎么推动。比如我们现在运营着全国规模最大的直达型药房平台之一，是真正意义上的直销。业务才一年，但目前年化已经接近每季度10亿美元，也就是一年约40亿美元的药房销售规模。于是很多团队会问：礼来能不能用你们的市场体量去推动这些新技术的采用？坦率讲，保险公司并不喜欢改变，医生群体对这些技术也会有顾虑。但我们确实需要让美国医疗系统变得更高效。只有这样，才能为创新、为前沿药物的采用腾出空间，也才能对患者做更准确、更全面的评估。与此同时，正如我之前提到的，过去十年里，即便没有把AI完整引入主流程，药物研发在一些新范式上的生产率其实也在加速。这令人兴奋，但仍处在早期阶段。现在很多公司在把新旧范式组合起来，做成“双功能药物”：一端是靶向部分，另一端是“战斗部”，比如用于杀伤癌细胞。甚至只是更精准地把药物送到正确组织，本身就是一个非常重要、也非常难的工程问题。今天我也见了几家在做不同路径探索的公司，对我来说都很有意思。这是药物制造这一侧。我认为AI能在这里继续加速进展，而且已经有很多聪明的人在解决这些问题。戴文睿 说真的，十年前、也就是你刚才问到的2017年，礼来的外界形象，可能还是一家有点“昏昏欲睡”的中西部公司。但给在座的计算机行业朋友们讲几个有意思的事实。你可能不知道，第一个获批、由活体生物制造出来的生物技术药物——用最现代方式生产的药物，其实是礼来的产品Humulin，是我们和 Genentech 合作完成的。黄仁勋哦，那挺酷的。戴文睿 然后在12年之后，礼来买下了制药行业里的第一台超级计算机，把它放在了印第安纳波利斯。那是一台Cray超算名字叫 Big Red，顺便一提，我们公司的标志也是红色的。黄仁勋Big Red。戴文睿 对，很巧妙。后来我们正是在那台机器上，设计出了第一款由计算机设计并最终获批的药物——胰岛素赖脯胰岛素（Humalog）。直到今天，它仍然被全球大量一型和二型糖尿病患者使用。当时我们基本上就是通过不断尝试不同的氨基酸序列，用相对经验的方法把这件事做成的。黄仁勋你一直在试图说服我，说礼来其实很酷。戴文睿 我们确实很酷。—— / Cong Ming Tou Zi Zhe/ ——排版：关鹤九责编：艾暄- 小彩蛋 -转载开白，请联系小编微信【fanxiaocom】，添加备注“转载+新媒体名+姓名”，按顺序邀请加入媒体转载群商务合作，请添加聪明牛牛【微信congmingtzz1/ 手机13262200706 】，添加备注“合作+机构名+姓名”具体商议