诺和诺德联手OpenAI,MNC步入AI生态级竞争

4月14日，百年制药巨头诺和诺德宣布与通用人工智能领军者OpenAI建立战略合作伙伴关系，旨在将AI技术全面部署于从药物研发到商业运营的每一个环节，“携手改变药物的发现与交付方式”。

这场牵手，发生在这家丹麦百年老店——传统增长模式与未来竞争压力的十字路口。长远看，这也是诺和诺德为赢得未来十年竞争所发动的一场“效率迭代”。

3月20日，司美格鲁肽核心化合物专利在中国的法定保护期正式届满。这意味着，国内药企可以使用司美格鲁肽的分子结构进行生产，此前被卡在专利保护的国产司美格鲁肽仿制药上市申请，集中进入了正式审评、获批流程。

4月1日，礼来公司宣布，其口服小分子 GLP-1 受体激动剂 Orforglipron 已获得美国 FDA 批准上市，为全球首个获批上市的口服小分子非肽类 GLP-1 受体激动剂（GLP-1 RA），用于治疗成人肥胖或超重。

当司美格鲁肽的专利城墙出现裂缝，当礼来全管线展开贴身追击，寻找“下一个司美格鲁肽”的紧迫性，从未如此强烈。单纯的分子迭代（如双靶点、三靶点激动剂）已成为公开的竞赛，难以构筑长期壁垒。

诺和诺德需要的不只是新药，而是发现新药的新范式。

根据诺和诺德与OpenAI的联合声明，此次合作的核心目标是“更高效地利用AI工具与能力，分析复杂数据集、识别具有潜力的新药候选，并缩短药物从研发阶段推进到临床应用的时间”，同时提升生产、供应链及商业运营的效率。

诺和诺德总裁兼首席执行官Maziar Mike Doustdar提到，“将人工智能融入我们的日常工作，（AI将帮助员工）以此前无法想象的规模分析数据集，发现过去看不到的规律，并比以往更快地检验假设。”

选择OpenAI，基于三重商业与技术逻辑：

首先，深挖独占性数据价值。诺和诺德拥有全球最丰富的GLP-1类药物真实世界数据，是一个超越当前人类团队短期分析能力的复杂系统。结合OpenAI的先进模型能力，双方有望深度挖掘大规模、高质量医药研发湿实验与真实世界数据，在此类高维、跨尺度数据中识别隐秘关联，从而踏足尚未破局的细分赛道与尚无优异解决方案的临床空白。

其次，应对系统性效率挑战。当前众多AI公司合作聚焦优化既定流程（如更快的分子筛选）、提出新锐管线、从药物发现/早期筛选等小切口进行AI赋能与迭代。而诺和诺德与OpenAI的合作模态，显然不限于此——OpenAI将协助诺和诺德提升全球员工技能，提升人工智能素养能力；提升制造、供应链与分销及企业运营的效率；试点项目将在研发、制造和商业运营领域启动，预计于2026年底实现全面整合。

“融入日常工作”“提升制造、供应链与分销及企业运营的效率”——暗示了更彻底的流程重塑，可以看作“安装全新的底层系统”，让AI成为科研思维和工作流的一部分，而不仅仅是加速某个环节的插件。通过与OpenAI共建统一的能力基座，诺和诺德有望打通从实验室到药房的端到端数据流，突破过往点状合作、阶段式合作的协同瓶颈。

最后，重塑创新范式与控制长期成本，以应对紧迫的战略时间窗口。在专利独占期衰减与竞品管线密集压境的有限时间内，通过渐进式改良胜出的概率正在降低。此次合作的本质是通过技术杠杆，将创新模式从“资金与人力密集”转向“数据与算法驱动”，从根本上重塑资源的配置效率，寄希望于——AI能跨越传统经验边界，在竞品云集的靶点之外，发现全新分子实体、治疗机理与可行性验证。

回顾诺和诺德过往的AI布局，呈现出明显的“点状突破”特征。这些合作虽覆盖了靶点发现、分子设计、临床开发等多个前沿领域，但相对独立，目标聚焦于解决特定环节的瓶颈：

2025年1月，诺和诺德与Valo深化合作，将范围从心血管疾病大幅扩展至肥胖症、2型糖尿病，潜在交易总额约46亿美元，旨在利用其Opal计算平台发现新靶点和设计分子。

同年6月，诺和诺德又与英伟达及丹麦AI创新中心（DCAI）携手，计划借助基于英伟达技术的Gefion AI超级计算机，打造定制化的AI模型与智能体，以加速早期研究与临床开发，并构建用于药物探索的生物医学大语言模型。

但观其老对手、全球首个万亿美元药企礼来，已进一步构建咄咄逼人的生态化AI布局——通过构建一套系统性的AI基础设施，试图改写游戏规则。

2025年，礼来推出向外部生物技术公司开放的“Lilly TuneLab”AI/ML平台，并宣布建设行业领先的自主AI算力工厂。其首次发布的AI药物发现模型拥有超过价值10亿美元的专有数据——来自礼来公司多年来珍贵的药物研发、实验积累。

Lilly TuneLab将向早期生物技术公司开放，利用创新的“联邦学习”（Federated Learning，一种在没有任何人看到或接触数据的情况下训练AI模型的方法）技术，让使用者无需共享核心数据即可共享AI能力。这意味着礼来正试图将自身的数据与算法能力，转化为吸引整个行业创新资源的“公共事业”，从而在创新源头建立持久优势。

换言之，AI正将制药能力推向更广泛的参与者——包括Biotech、AI初创企业、LLM研发商，以及拥有最强算力与最先进算法的那群公司。

对比诺和诺德过往的点状合作，在应对礼来所构建的、高度集成的“中央AI工厂+开放平台”模式时，可能面临数据标准不一、技术栈分散、协同成本高昂的整合挑战。因此，与OpenAI的全链条合作，不只是诺和诺德的“被动接招”，更应视为对其AI战略的一次根本性升级与长期战略整合。

评估这场合作的价值，应避开对短期股价或宏大叙事的过度解读，转而关注未来几个坚实、可验证的实质性产出：

第一个观察坐标是管线推进实证，即首个由该联合平台从头驱动并进入临床研究的候选药物及其明确的时间表。第二是效率量化报告，例如公布在特定研发环节的效率提升量化报告。第三是同行评议论文等科学能力公开验证。第四是平台扩展的证据——AI操作系统如何对公司内部资源实现整合，并展现出跨治疗领域的适配能力，从而证明其并非仅为单一靶点（如GLP-1）打造的定制工具，而是具备通用性的战略基座。

更广泛的视角来看，相较过往MNC AI+布局，诺和诺德与礼来已经步入“生态级”竞争。对于顶级药企而言，AI已从“锦上添花的工具”彻底转变为“关乎生存的战略基础设施”。

礼来倡导的“开放平台”模式与诺和诺德选择的“垂直整合”模式，代表了AI时代两种截然不同的生态构建思路。前者的逻辑在于能否吸引并繁荣整个创新生态，成为行业的“基础服务商”；后者的关键在于内部整合的深度与闭环效率。这两种模式的并行与竞争，将重新定义未来医药创新中，巨头与初创公司，以及巨头之间的协作形态。

与此同时，夹在中间的、提供单一算法工具的AI软件服务公司/AI Biotech将面临巨大压力，行业价值将进一步向拥有独特数据生成能力或能解决特定复杂科学问题的“深科技”公司聚集。

往期推荐