諾和諾德聯手OpenAI，MNC步入AI生態級競爭

4月14日，百年制藥巨頭諾和諾德宣布與通用人工智能領軍者OpenAI建立戰略合作伙伴關系，旨在將AI技術全面部署于從藥物研發到商業運營的每一個環節，“攜手改變藥物的發現與交付方式”。

這場牽手，發生在這家丹麥百年老店——傳統增長模式與未來競爭壓力的十字路口。長遠看，這也是諾和諾德為贏得未來十年競爭所發動的一場“效率迭代”。

3月20日，司美格魯肽核心化合物專利在中國的法定保護期正式屆滿。這意味著，國內藥企可以使用司美格魯肽的分子結構進行生產，此前被卡在專利保護的國產司美格魯肽仿制藥上市申請，集中進入了正式審評、獲批流程。

4月1日，禮來公司宣布，其口服小分子 GLP-1 受體激動劑 Orforglipron 已獲得美國 FDA 批準上市，為全球首個獲批上市的口服小分子非肽類 GLP-1 受體激動劑（GLP-1 RA），用于治療成人肥胖或超重。

當司美格魯肽的專利城墻出現裂縫，當禮來全管線展開貼身追擊，尋找“下一個司美格魯肽”的緊迫性，從未如此強烈。單純的分子迭代（如雙靶點、三靶點激動劑）已成為公開的競賽，難以構筑長期壁壘。

諾和諾德需要的不只是新藥，而是發現新藥的新范式。

01.

為何是OpenAI：數據、系統與時間窗口的三重邏輯

根據諾和諾德與OpenAI的聯合聲明，此次合作的核心目標是“更高效地利用AI工具與能力，分析復雜數據集、識別具有潛力的新藥候選，并縮短藥物從研發階段推進到臨床應用的時間”，同時提升生產、供應鏈及商業運營的效率。

諾和諾德總裁兼首席執行官Maziar Mike Doustdar提到，“將人工智能融入我們的日常工作，（AI將幫助員工）以此前無法想象的規模分析數據集，發現過去看不到的規律，并比以往更快地檢驗假設。”

選擇OpenAI，基于三重商業與技術邏輯：

首先，深挖獨占性數據價值。諾和諾德擁有全球最豐富的GLP-1類藥物真實世界數據，是一個超越當前人類團隊短期分析能力的復雜系統。結合OpenAI的先進模型能力，雙方有望深度挖掘大規模、高質量醫藥研發濕實驗與真實世界數據，在此類高維、跨尺度數據中識別隱秘關聯，從而踏足尚未破局的細分賽道與尚無優異解決方案的臨床空白。

其次，應對系統性效率挑戰。當前眾多AI公司合作聚焦優化既定流程（如更快的分子篩選）、提出新銳管線、從藥物發現/早期篩選等小切口進行AI賦能與迭代。而諾和諾德與OpenAI的合作模態，顯然不限于此——OpenAI將協助諾和諾德提升全球員工技能，提升人工智能素養能力；提升制造、供應鏈與分銷及企業運營的效率；試點項目將在研發、制造和商業運營領域啟動，預計于2026年底實現全面整合。

“融入日常工作”“提升制造、供應鏈與分銷及企業運營的效率”——暗示了更徹底的流程重塑，可以看作“安裝全新的底層系統”，讓AI成為科研思維和工作流的一部分，而不僅僅是加速某個環節的插件。通過與OpenAI共建統一的能力基座，諾和諾德有望打通從實驗室到藥房的端到端數據流，突破過往點狀合作、階段式合作的協同瓶頸。

最后，重塑創新范式與控制長期成本，以應對緊迫的戰略時間窗口。在專利獨占期衰減與競品管線密集壓境的有限時間內，通過漸進式改良勝出的概率正在降低。此次合作的本質是通過技術杠桿，將創新模式從“資金與人力密集”轉向“數據與算法驅動”，從根本上重塑資源的配置效率，寄希望于——AI能跨越傳統經驗邊界，在競品云集的靶點之外，發現全新分子實體、治療機理與可行性驗證。

02.

禮來加碼AI生態鏈，諾和諾德接招

回顧諾和諾德過往的AI布局，呈現出明顯的“點狀突破”特征。這些合作雖覆蓋了靶點發現、分子設計、臨床開發等多個前沿領域，但相對獨立，目標聚焦于解決特定環節的瓶頸：

2025年1月，諾和諾德與Valo深化合作，將范圍從心血管疾病大幅擴展至肥胖癥、2型糖尿病，潛在交易總額約46億美元，旨在利用其Opal計算平臺發現新靶點和設計分子。

同年6月，諾和諾德又與英偉達及丹麥AI創新中心（DCAI）攜手，計劃借助基于英偉達技術的Gefion AI超級計算機，打造定制化的AI模型與智能體，以加速早期研究與臨床開發，并構建用于藥物探索的生物醫學大語言模型。

但觀其老對手、全球首個萬億美元藥企禮來，已進一步構建咄咄逼人的生態化AI布局——通過構建一套系統性的AI基礎設施，試圖改寫游戲規則。

2025年，禮來推出向外部生物技術公司開放的“Lilly TuneLab”AI/ML平臺，并宣布建設行業領先的自主AI算力工廠。其首次發布的AI藥物發現模型擁有超過價值10億美元的專有數據——來自禮來公司多年來珍貴的藥物研發、實驗積累。

Lilly TuneLab將向早期生物技術公司開放，利用創新的“聯邦學習”（Federated Learning，一種在沒有任何人看到或接觸數據的情況下訓練AI模型的方法）技術，讓使用者無需共享核心數據即可共享AI能力。這意味著禮來正試圖將自身的數據與算法能力，轉化為吸引整個行業創新資源的“公共事業”，從而在創新源頭建立持久優勢。

換言之，AI正將制藥能力推向更廣泛的參與者——包括Biotech、AI初創企業、LLM研發商，以及擁有最強算力與最先進算法的那群公司。

對比諾和諾德過往的點狀合作，在應對禮來所構建的、高度集成的“中央AI工廠+開放平臺”模式時，可能面臨數據標準不一、技術棧分散、協同成本高昂的整合挑戰。因此，與OpenAI的全鏈條合作，不只是諾和諾德的“被動接招”，更應視為對其AI戰略的一次根本性升級與長期戰略整合。

03.

MNC+AI分化，AI整合賦能仍在等待實質性產出

評估這場合作的價值，應避開對短期股價或宏大敘事的過度解讀，轉而關注未來幾個堅實、可驗證的實質性產出：

第一個觀察坐標是管線推進實證，即首個由該聯合平臺從頭驅動并進入臨床研究的候選藥物及其明確的時間表。第二是效率量化報告，例如公布在特定研發環節的效率提升量化報告。第三是同行評議論文等科學能力公開驗證。第四是平臺擴展的證據——AI操作系統如何對公司內部資源實現整合，并展現出跨治療領域的適配能力，從而證明其并非僅為單一靶點（如GLP-1）打造的定制工具，而是具備通用性的戰略基座。

更廣泛的視角來看，相較過往MNC AI+布局，諾和諾德與禮來已經步入“生態級”競爭。對于頂級藥企而言，AI已從“錦上添花的工具”徹底轉變為“關乎生存的戰略基礎設施”。

禮來倡導的“開放平臺”模式與諾和諾德選擇的“垂直整合”模式，代表了AI時代兩種截然不同的生態構建思路。前者的邏輯在于能否吸引并繁榮整個創新生態，成為行業的“基礎服務商”；后者的關鍵在于內部整合的深度與閉環效率。這兩種模式的并行與競爭，將重新定義未來醫藥創新中，巨頭與初創公司，以及巨頭之間的協作形態。

與此同時，夾在中間的、提供單一算法工具的AI軟件服務公司/AI Biotech將面臨巨大壓力，行業價值將進一步向擁有獨特數據生成能力或能解決特定復雜科學問題的“深科技”公司聚集。

*封面來源：神筆PRO

專題推薦

聲明：動脈新醫藥所刊載內容之知識產權為動脈新醫藥及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。