大型药企押注 LLM 与智能体,什么才算成功?
Big Pharma Is Betting On LLMs and Agents. What Would Count As Success?
大型药企正通过与 Anthropic、OpenAI、Google 等合作把 LLM 和智能体引入研发与企业流程,但生产率和投资回报仍缺少量化证据。Novo Nordisk 计划用 Claude Science 测试特定研发工作流,Moderna 的 ChatGPT Enterprise 部署公布了内部 GPT 数量和活跃度,却未跟进生产力评估。
最新消息:Novo Nordisk 已与 Anthropic 达成合作,旨在加速新药的发现与开发。首个项目将在双方认为影响最大的特定研发工作流上测试 Anthropic 的 Claude Science,Novo 还计划利用这些模型强化软件开发,从而在整个公司范围内扩大 AI 的使用。财务条款未披露。
"与 Anthropic 携手将极大提升我们的研发组织……"Novo 首席执行官 Mike Doustdar 表示,重申了该公司全年反复提及的目标:成为全球最具 AI 驱动力的医疗保健公司。
这是近期一系列引入前沿模型、尤其是 agentic AI 流程的交易中的最新一笔,包括 Novo 春季与 OpenAI 的交易,旨在将 AI 工具引入其运营的每一个环节。Bristol Myers Squibb 与 Anthropic 达成了自己的协议,让这些模型在其机构知识体系中发挥作用。Merck 则在 4 月选择了 Google Cloud 及其 agentic 生态系统。Amgen 是 OpenAI ChatGPT Enterprise 在各职能中的早期采用者。
深入阅读:人人都在推出 AI Agent。实际部署的是什么?对生物制药下一轮 AI 建设的深度剖析。
这种模式确实存在,而且支出正在加速,但报道中被忽略的是:这些交易捆绑了截然不同的价值主张,而支撑这些价值主张的证据强度差异很大。
制药行业中 LLM 与 agentic 系统的企业级 AI 案例
大型制药组织购买的一部分是功能性的企业级 AI,应用于文档密集、流程密集的业务:软件工程、监管与医学写作、文献与内部知识检索、内容创作、会议与项目编排、合同与申报工作流、财务规划。
制药领域中这方面记录最完整的例子之一是 Moderna,它在全公司部署了 ChatGPT Enterprise。2024 年的报道数据包括:在两个月内于法务、研究、生产和商业部门构建了 750 多个内部 GPT,40% 的周活跃用户自行创建 GPT,用户平均每周进行 120 次对话,法务团队已全面采用。CEO Stéphane Bancel 更进一步,主张一支几千人的团队可以发挥十万人团队的作用。两年过去了,既没有更新的采用数据,也没有生产力评估。Bancel 代之以一个目标:借助 AI,在五年内以不到 6,000 名员工推出 15 个新产品。
如果你看大多数公告,它们谈的主要是采用指标,而不是成果指标。构建的助手数量、进行的对话数量、登录的员工百分比。Moderna 和 OpenAI 都没有公布此次部署带来的量化生产力或财务成果,而 Bancel 的比较是一种断言和规划,而非测量。
不过,制药行业之外的一些报告,能让人感受到整合大模型/智能体究竟意味着什么,且褒贬不一。三项针对 GitHub Copilot 的随机试验覆盖了 Microsoft、Accenture 以及一家匿名的财富 100 强电子制造商的 4,867 名开发者,发表于《Management Science》,发现完成任务数增加了 26%,但置信区间较宽,且收益集中在经验较少的员工身上——任职时间短的开发者提升了 27% 到 39%,任职时间长的开发者提升了 8% 到 13%。由于无法访问专有代码,作者们通过代理指标衡量质量,发现 Microsoft 的质量没有下降,但 Accenture 的构建成功率有所下降。
企业级回报更难得到验证,MIT 的 NANDA 项目报告称,在约 300 亿至 400 亿美元的企业生成式 AI 支出中,95% 的组织获得的回报为零,只有 5% 的整合试点提取出了真实价值,其余则显示“对损益表没有可衡量的影响”。该研究基于 300 多项公开披露的项目、对 52 个组织的结构化访谈以及对 153 位高管的调查,其作者提醒,这些数字“是基于个人访谈而非官方公司报告得出的,方向上是准确的”。
METR 的一项随机试验发现,当 16 位经验丰富的开源开发者被允许使用 AI 工具时,他们在自己的代码库中完成实际问题所需的时间反而延长了 19%,而事后他们估计这些工具让他们快了 20%。METR 此后报告称,运行这一实验设计正变得越来越困难,因为开发者越来越不愿意在没有 AI 的情况下工作,且有 30% 到 50% 的人避免提交他们预期在没有 AI 时会很慢的任务——按该组织自己的说法,这些偏差会使其对 AI 收益的估计偏低。
针对制药行业的评估在证据上更加薄弱。在一篇关于生成式 AI 与临床研究报告的联合文章中,Eli Lilly 和 Novo Nordisk 的专家与 AI 写作自动化供应商 Yseop 合作撰文,指出 2013 年从收到最终表格到生成 CSR 需要 8 到 15 周,而最近一项对五家全球制药公司的调查显示,如今这一范围仍是 6 到 15 周。所以,基本上没有变化。但他们的论点并不是 AI 无法提供帮助,恰恰相反,他们似乎是 AI 的拥护者。他们的观点是,瓶颈在于流程而非技术,而且自动化一个臃肿的流程只会更快地生成内容,却让数周的人工审核悬而未决。
因此,即使在制药行业 AI 投注的运营层面,与其说已得到验证,不如说仍前景可期。对于上述所有考量,有一点需要说明:这些研究和调查涵盖 2025 年底至 2026 年上半年,而智能体系统的发展速度非常快,到 2027 年 1 月进行的全面评估可能会更有参考价值。
制药行业智能体系统的科学 AI 案例
制药行业的第二个赌注是,前沿模型和智能体系统能够从事高难度的科学研究——对机制进行推理、生成假设、提出靶点。前沿 AI 实验室一直在朝着这个方向努力,只是投入程度各不相同。
Anthropic 于今年夏天推出了 Claude Science,这是一个接入了 60 多个科学数据库的研究工作台,内置基因组学、蛋白质结构和化学的预构建工具包,可接受委派任务的子智能体,以及一个核查引用和计算的事实核查智能体。早期用户包括 Allen Institute,其一位神经科学家用它搭建了多智能体综述流水线;还有 UCSF 脑肿瘤中心,用它加速了生殖系分析。今年春天,Anthropic 已 以约 4 亿美元收购了 Coefficient Bio,这是一家不到十人的隐身初创公司,由 Genentech 的 Prescient Design 校友创立,其平台可起草研发计划、处理监管策略并提出候选药物。
OpenAI 已从一个科学团队走向一个科学模型。GPT-Rosalind 于四月发布,并于本月通过可信访问计划全面开放,它是一个为生物学、药物发现和转化医学打造的推理模型,接入了 50 多个公共多组学数据库和生物学工具。OpenAI 报告称,它在 LAB-Bench2 的十一项任务中有六项胜过 GPT-5.4,在生物信息学基准 BixBench 上领先,并在与 Dyno Therapeutics 的一项评估中,在 RNA 预测任务上得分超过人类专家的第 95 百分位。命名合作伙伴包括 Amgen、Moderna、Thermo Fisher、Allen Institute、NVIDIA、Benchling 和 Novo。
Google 在实验验证方面走得最远。其 AI 共科学家是构建在 Gemini 2.0 之上的多智能体系统,在一个监督者之下设有生成、反思、排序、进化、邻近和元评审智能体,就其自身假设不断迭代。实验室测试了三个应用:与 Houston Methodist Hospital 合作,它提出了急性髓系白血病的药物重定位候选物,在多种细胞系中于临床相关浓度下抑制了肿瘤活力;与 Stanford 合作,它识别出 肝纤维化的表观遗传靶点,在人类肝脏类器官中显示出显著的抗纤维化活性;与 Fleming Initiative 和 Imperial College London 合作,它独立提出 cf-PICIs 与多种噬菌体尾部相互作用以扩大其宿主范围——这一抗菌耐药机制与当时尚未发表的实验工作相吻合。
如何为科学 AI 做基准测试?
随着大型制药公司越来越多地采用 LLM、智能体和更专业的 AI 系统,对实际测评结果并估算投资回报率的需求日益增长。这仍然并非易事,且大多是个未解之谜。不过,在这一方向上有一项值得注意的努力,即一篇 发表在 Cell 上的新研究论文,评估了各种 AI 模型和系统在“硬核”生物学任务上的表现。
具体而言,AI 公司 Insilico Medicine 联合来自 Liquid AI、Buck Institute for Research on Aging、Harvard Medical School 和 Brigham and Women's Hospital 的研究人员,发布了 一个名为 LongevityBench 的开放基准,测试在临床记录、遗传学、表观遗传学、转录组学和蛋白质组学上的推理能力,其设计旨在奖励对新生物学测量的解读,而非对训练数据的记忆。

对前沿模型和微调后的 L-LLM 在 17 项衰老生物学任务上的评估。图片来源:Zhavoronkov A, Naumov V, Sidorenko D… An open benchmark and language models for AI in aging biology, Cell, 189, 5980-5994.e8
共有来自 OpenAI、Google、Anthropic、xAI、DeepSeek 和 Moonshot AI 的十八个前沿系统接受了评估。没有一个系统在全部五个领域中都领先,其表现会因问题的表述方式而变化。直接从组学测量预测生物学年龄是该基准中最难的任务,而且无论模型多大,它始终很难。随后,团队用衰老数据微调了五个小型开源模型——最大的一个仅有 90 亿参数。其中最好的一个在全部 26 个受测系统中排名第一,领先于 Gemini-3.1-Pro,甚至 0.6 亿参数的版本也排在第六位,领先于大多数前沿模型。在这些任务上,模型的训练数据比它的规模更重要。
这个基准试图推动技术模型性能评估的进步。当然,如果我们谈论的是评估 AI 采用的战略影响、投资回报率(ROI)、员工生产力和组织层面指标的能力,它仍然只是难题的一部分。这更难实现。例如,ZS 采访了大型制药公司的研发负责人,发现其 ROI 估计仍然是"拍脑袋"式的,这些组织依赖节省的时间或模型准确率,缺乏将影响归因于任何事物的基线。EY 主张改用经济指标:候选药物选择时间、进入 IND 的研发成本、项目成功概率、每个项目的成本等。在我们自己对 AI 药物发现管线的 BiopharmaTrend 分析中,我们以生物科技初创公司活跃的年数来衡量内部药物候选管线的推进情况,作为评估 AI 平台的生产力替代指标(尽管该指标对于拥有数百个候选药物和历史研究的大型制药公司或大企业大多无关紧要)。
总之,除了基准测试的价值之外,Insilico Medicine 的这项研究得出了一个有趣的结论:在某些情况下,更小的专门模型在科学推理方面实际上可能比最大的前沿模型更好。
这一发现描述了市场中许多公司已经构建的方向。Schrödinger于今年夏天开放了 Bunsen 的早期访问,其定位毫不含糊:与那些"只能检索和总结现有科学信息"的通用系统不同,Bunsen 执行该公司经过验证的计算方法,设计建模策略,运行计算并解读结果,涵盖三十年的基于物理的模拟。Lantern Pharma 已将 Open-Medicine AI 分拆为一家独立公司,认为其智能体承载着它们诞生于其中的临床项目的运营知识,并正将其向下游扩展到试验设计、患者选择和监管策略。Owkin 的 K Pro在其 MOSAIC 多模态患者网络上运行。而 Causaly 将每个答案都建立在专有生物医学知识图谱之上,每项主张都可追溯到用户可以打开的来源。
制药行业也在买入 AI 市场的这一侧。武田(Takeda)与 Iambic Therapeutics 达成的协议,据报道价值可能高达十亿美元或更多,支持面向分子设计的专用机器学习。礼来(Lilly)则与 Insilico Medicine 达成了安排;赛诺菲旗下 Servier 从 Owkin 授权了 K Pro,并捆绑 MOSAIC 数据,与 勃林格殷格翰(Boehringer Ingelheim)一同加入同一平台。BenchSci 构建于一个精选的生物学知识图谱而非仅靠通用模型,已 与 argenx 签约,部署 EMET——其智能体研究环境,可在 3800 万篇论文和 100 多个精选数据库之间进行推理,这在其与默克(Merck)和赛诺菲(Sanofi)的多年期协议之外再添一笔。而百时美施贵宝(Bristol Myers Squibb) 正在其整个研究组织中大规模部署 Bunsen,并与 Schrödinger 共同开发新功能,包括一个 AI 合成规划平台。
签署前沿实验室协议的这些公司,也在为有据可依的替代方案付费,以实现工具和研发工作流的多样性。
智能体驱动工具的用户群正在扩大
关于生命科学领域大语言模型和智能体系统当前发展势头的思考,仍有许多悬而未决的问题和不断演进的最佳实践,但有一点今天已经很清楚:在日常工作中使用 AI 工具的生命科学专家,其用户群正在扩大。
生物信息学工具传统上用户群相当狭窄。如今,在工具和平台之上叠加由大语言模型驱动的智能体层,更多类别的科学家、管理者和业务领导者都能参与跨学科工作。搭建和解读自由能计算是专业工作,而 Schrödinger 构建 Bunsen 正是为了消除这一限制。其发布材料称,该系统让先进的计算方法能够为“并非计算化学家的资深药物猎手”所用,CEO Ramy Farid 将此与公司的经济模式联系起来:Bunsen 正在“扩大我们计算平台的用户群”,而“我们基于吞吐量的许可模式非常适合捕获这种不断扩大的使用所带来的价值”。
Schrödinger 平台首席科学官 Robert Abel 表示,大规模采用 Bunsen“将使更广泛的科学家群体能够拥抱预测优先的计算方法”。从买方角度看,BMS 计算科学副总裁 Stephen Johnson 表示,Bunsen“让我们的科学家能够以不同的方式思考基于物理的工具如何用于探索分子设计空间”——注意是公司的科学家,而非计算团队的科学家。
Causaly 正把边界推得更远。联合创始人兼 CEO Yiannis Kiachopoulos 表示,将合作扩展到 Microsoft Copilot “把受治理、以溯源为先的科学推理,放进了生物制药行业研发、医学和商务各职能所共用的同一界面之中。”
BenchSci 从需求侧提出了同样的论点。其 EMET 智能体环境是在 argenx 科学家自行开展对比评估后被选中的——CEO Liran Belenzon 称之为 在“实验台前而非董事会里”赢得信任。argenx 的 Tim Van Acker 形容它是“口袋里的科学家——随时可用,始终在证据之间进行推理”。
因此,该行业正在 AI、LLM 以及在此基础上的智能体流程方面不断推进,而生产力与 ROI 评估、经济学以及工作流设计等问题,我相信将成为 2027 年的核心关注点。
深入了解 LLM 与智能体 AI 在制药领域的崛起
人人都在推出 AI 智能体。实际部署了什么?——我们对已真正上线内容的深度报道:Stanford 的"虚拟生物技术公司"以 46 美元的 API 额度并行运行 37,000 个智能体,AstraZeneca 对实时多智能体流水线中出错环节的坦诚复盘,IQVIA 的 150 个智能体,Roche 的 3,500 块 GPU——以及可靠性数据,揭示为何相同的提示词仍有 30% 的概率产生不同答案
主题: 生物领域的 AI
Anthropic BenchSci Bristol-Myers Squibb Company Eli Lilly Google Iambic Therapeutics Insilico Medicine Lantern Pharma Microsoft Novo Nordisk Nvidia OWKIN OpenAI Schrodinger Takeda
来源:BiopharmaTrend · biopharmatrend.com