本文由虎嗅旗下健康与抗衰公众号“九叶刀研究”首发，全文约3000字。封面图来自Pixabay。
这两天可能有不少人已经看到了这样一张截图：
图源丨第一财经公众号
大部分人只分享，不评论，但潜台词已不言自明：华为凭什么对创新药研发指指点点？
出于好奇，笔者随手反查了一下，发现一个非常有趣的细节：这张截图来自半年前的一篇商业软文，而且甲方还不是华为……
大家也许非常好奇，华为真的在进军AI制药吗？他们到底能不能推动创新药研发？
其实除了半年前这段突然翻红的截图，在10月24日的第十一届医药创新与投资大会上，樊杰就以华为制药军团总裁的头衔高调露面，新华、每经、经观等媒体对此均有报道，从这些新闻转述的只言片语中，我也发现了几个大家可能感兴趣的问题。
华为进军AI制药了吗？
是，也不是。
虽然这次华为亮出了“制药军团”的组织名称，但按其总裁樊杰的说法，他们只提供AI算力，打通医药和医疗机构的数据，他们还与目前一些面向制药行业的AI模型公司合作，大家分工明确。
所以，今天的华为制药军团，本质就是一个上下游通吃的卖水人，给模型商提供算力，推动上下游高效重新认识和利用数据，用互联网黑话说，这叫“赋能”。
不过，这种话他们说一说，我们也就听一听，毕竟之前华为还说过不造汽车的。
AI制药过热了吗？
在10月24日的行业大会上，樊杰还公开表示，AI制药行业“相对过热”。那么这个号称不做药的高管给出的结论是否属实？
很多人可能对AI制药有误解，以为ChatGPT之类的大语言模型出现后，AI制药才兴起的，其实不然，AI制药行业已经起起伏伏好几次了。
头部AI制药公司英矽智能、晶泰科技，都有10年以上的历史，而行业老大哥薛定谔公司的历史更是超过35年，后者一开始使用的工具是计算化学和结构生物学，到了今天，生成式AI只是他们研发的工具之一。
仅仅三四年前，AI制药尚一度面临低潮，头部公司薛定谔甚至一度想甩掉“AI制药”的帽子，但最近两年，随着OpenAI、Anthropic相继进军AI for Science领域，又给整个行业又重燃希望。
需要说明的是，虽然AI制药公司有很多，但迄今为止，大家的工作都还没实现真正突破。无论是绝大多数AI4S公司，还是在使用AI研发新药的大型药企，又或是意气风发的大模型公司，使用AI从头设计，并完成临床试验，最后获得监管批准上市的新药，数量是——零。
从这个角度说，AI制药“相对过热”的结论没毛病。
但也需要乐观对待。新药研发的范式一直在迭代，30年前的薛定谔，和10年前的晶泰科技，再到今天的Anthropic，各自工具箱不同；疾病种类很多，解决角度各异，大家的研发管线完全可以互不影响；再说了，先发有积累的优势，后来者的业务通常垂直而单薄，非要把这些公司凑一起说有泡沫，属于偷换概念。
卖管线是个坑吗？
樊杰还说：现在国内biotech公司（生物技术公司）对外授权和BD，虽然能赚钱，但对志在成为pharma（制药公司）的公司来说，过早卖掉药苗会丧失建立品牌和商业化的能力。
言外之意，依赖对外授权本身是个坑。
然而biotech成长路径和最终归宿，并非华山一条道，可以像莫德纳（Moderna）一样保持底色，也可以像基因泰克（Genentech）一样卖身罗氏，在全球化非常成熟的制药行业，管线授权，是很常见也行之有效的商业模式，权益谈判比较灵活，并非单纯“卖苗”，把对外授权和完全卖掉等同起来，本身就是混淆概念。
历史上K药、修美乐这两大药王，都是通过授权/并购才大放异彩；这两年爆火的流感新药玛巴洛沙韦、ADC抗癌药物德曲妥珠单抗，一开始都是日本药企研发，通过全球化授权获得成功。
国内通过授权成功实现商业化的更是不在少数，像百济神州、传奇生物、信达生物的第一款新药，都以部分授权合作的形式获得了成功，并成功打出了公司出海的名气。
总之，对外授权是不是坑，全看biotech怎么谈条件，你可以不认可这种模式，但没必要在授权和独立研发之间搞对立，这种看似占据产业制高点的言论，实在毫无价值。
有些研发环节能压缩到一个小时？
回到本文开头大家转发的截图中那段话：
干实验……为什么不是一天呢？为什么不是一个小时呢？其实技术上并非不能实现，只是要跳出思维限制去敢于尝试。
那么华为这里有没有吹牛？
所谓“干实验”，是药物研发的一个必须环节，指在计算机上完成的推演，主要用来发现靶点、预测结构、虚拟筛选、生成设计、推测成药可能性，并设计逆合成路线。
如果你还无法理解，那么有现成的例子：Google的Alpha Fold预测蛋白质结构，Anthropic使用Claude从头设计蛋白质，斯坦福大学Arc 研究所使用Evo 2设计和筛选病毒基因组，都是典型的干实验。
干实验能压缩吗？当然能。Claude根据提示词筛选蛋白质靶点，也就用了48小时。
能压缩到几个小时吗？也能，而且早就实现了。2026年一篇新药研究综述论文就提到多个工具，能在数小时内完成干实验流程，比如，科学家给一个名为Tater的智能助手如下提示词：
设计一种在Opentrons上自动进行腺相关病毒（AAV）qPCR定量检测的方案。该检测材料属于临床前级别，但应能进一步发展为可用于临床释放的测试。请查阅文献，寻找合适的方法，识别出灵敏度和特异性最佳且符合FDA要求的方案，并撰写一份详细的操作规程，包括需要进行的数据分析内容。
结果该助手在1小时39分钟后，完成了精选文献集和引用图谱，生成了检测参数（灵敏度、特异性、MIQE对齐、法规适用性）的对比表，完整的操作流程及控制步骤，并将其转化为适用于Opentrons液体处理仪的可执行代码。此外，还生成了一份结构化报告，总结了检测范围、分析标准、自动化流程以及统计分析模板。
与传统新药研发流程相比，快了约400倍。研究者还给出了每个环节节省效率的表格：
一些AI助理可以把干实验流程效率提升数百倍，图源丨参考文献[4]
但这种高效奇迹，也有前提条件。
比如，你要知道靶点吧，你得清洗过数据吧，实际的约束条件得是现成的吧？其实在实际操作中，这些前置条件都是人类花费很长时间帮AI做了；
再比如，AI工具可以从100亿个分子中找到1万个值得计算的分子，只需要几秒钟，但筛出来的1万个分子仍要再花十几天进行对接校验，代理模型缩小了广度带来的问题，但深度根本没有省时间。
所以“干实验能不能压缩到一个小时”，更像是设置了各种前提的结论，多少有些鸡贼。
就像不能说全球最好的智能手机，但加一个“东半球”让人没法挑毛病，可这样除了博眼球，没有什么实际意义。
AI能让临床试验人数减少到几十人？
樊杰还认为，有了AI的加持，不会太久之后，新药研发的拐点就会到来，比如，几百例的临床试验缩到几十例。
这现实吗？
换个问法就是，现在新药研发时，AI能为临床节省时间吗？
目前行业普遍的观点是，AI可以压缩临床试验前的环节，比如文献检索、干湿试验效率，但临床试验能验证一款新药的安全性和有效性，这是它能否获得监管批准上市的最重要依据，这个环节无论如何不能压缩。
AI行业大概会认为，只要数据量足够大，准确率足够高，那么AI就能预测新药的毒性和药代动力学。
但实际情况是，几百上千人的三期临床试验可能验证安全的新药，在上市后，仍然会因为人类的个体差异，出现不同程度的不良反应，所以很多新药即使上市之后，还要收集真实世界数据，评估长期效果和不良风险。
说个类似的案例。Windows 10系统之前，微软通常会把系统测试得比较顺手，才会推送给用户，但后来改变了策略，即使系统不完美，也可以推送，bug和来不及增加的新功能，可以通过内测用户反馈，通过定期更新解决。
在新药研发领域，如果以为有了AI就想着压缩临床试验规模，其实类似Windows系统的滚动开发策略，等于把临床期间的风险推到真实世界中，让更多人冒险尝试，系统bug了，顶多蓝个屏，死个机，但人要是试出了不可挽回的问题，可就真的没机会重开一局了。
最后想说一句，所有行业固然都可以用AI重做一遍，但华为不是新药神。药关乎人命，在怀着对新技术自信和对美好未来憧憬之余，还是要对行业多一份尊重，对生命多一份敬畏。
本文仅代表个人观点，不构成任何投资和医疗建议。
参考文献
[1] 第一财经. 制药业“十年磨一药”的魔咒，正在被AI打破. 2026.5.21
[2] 每日经济新闻. 对话华为制药军团总裁樊杰：华为不是药企和AI模型公司，而是“懂行的底座提供者” . 2026.10.28
[3] 每日经济新闻. 药企普遍焦虑智能化转型窗口期，华为樊杰：未来三年AI制药快速爆发，生态协同重塑竞争格局. 2026.5.20
[4] Huynh DL, Seal S, Reid D, Carpenter AE, Bender A, Spjuth O, et al. AI agents in drug discovery: applications and case studies. Drug Discovery Today. 2026;31(3):104650. doi:10.1016/j.drudis.2026.104650