和鉑醫藥（Harbour BioMed）與百圖生科（BioMap）的人工智慧藥物合作案，目標是提升 500% 的效率。

和鉑醫藥（Harbour BioMed）與百圖生科（BioMap）宣布建立多面向、長期的策略合作關係，旨在打造一個以人工智慧為核心的生物製藥發現與開發平台，承諾可提升超過 500% 的效率，並將資料累積速度加快十倍。這項合作在聯合聲明中揭露，將整合百圖生科的 xTrimo 基礎模型與和鉑醫藥的專有資料集，包括其 Harbour Mice、HBICE 及 HCAB PLUS 平台所產生的資料。預期由此產生的 AI 驅動基礎設施平台，將在五年內生成超過 5 PB、可直接用於人工智慧的生命科學資料，其規模將遠超現有大多數生技製藥資料集。此協議標誌著迄今最雄心勃勃的嘗試之一，將大規模人工智慧基礎模型應用於複雜生物製藥開發這個以緩慢且易失敗著稱的流程。此事之所以重要，在於業界一直難以將人工智慧的熱潮轉化為實質的生產力提升，而和鉑醫藥與百圖生科如今公開承諾一個具體且大膽的效率目標，此舉若非驗證、便是推翻「人工智慧能從根本重塑藥物發現」的論點。

壓縮複雜生物製藥的設計 - 製造 - 測試循環

500% 效率提升目標並非模糊的願景，而是一項具體的營運指標，與該平台壓縮複雜生物製劑「設計—製造—測試」循環的能力掛鉤。傳統生物製劑開發從目標辨識到候選藥物提名，可能需要五到七年時間，而每一輪抗體工程、表現、純化及檢測測試，都要耗費數週甚至數月。和鉑醫藥（Harbour BioMed）與百圖生科（BioMap）的這項平台，目標是在任何濕實驗室工作開始前，利用 xTrimo 預測抗體—抗原互動作用、可開發性輪廓及免疫原性風險，藉此縮短此時間表。十倍資料累積效率意味著，該平台每次實驗所產生的可用訓練資料將多於現行方法，形成良性循環：更多資料提升模型準確度，進而減少失敗實驗的數量。和鉑醫藥帶來其專有的轉基因小鼠平台及單域抗體能力，這些已產出一條候選藥物管線。百圖生科的 xTrimo 模型以數十億條蛋白質序列與結構訓練而成，提供運算骨幹。五年內 5 PB（拍位元組）的資料目標，隱含每年約 1 PB 的資料產生速率，這將需要持續的高吞吐量篩選與定序作業，直接回饋至模型再訓練循環。和鉑醫藥現有的抗體開發計畫，已從其 Harbour Mice 平台產生數十萬筆資料點，這些歷史紀錄將被輸入 xTrimo 訓練管線，以加速初始模型準確度。根據透過《金融時報》新聞電訊發布的聯合揭露，該合作將以人工智慧原生實驗室結構運作，濕實驗室作業直接回饋至模型再訓練，而非作為孤立的實驗單元。此架構代表對多數生物製藥公司所採取的「外掛式」人工智慧模型做法的一項重大偏離——在那些公司中，現有實驗室將人工智慧作為顧問層執行，而非作為核心營運基質。此差異至關重要，因為外掛式實作很少能產生隨時間提升基礎模型準確度所需的專有資料循環：模型仍是一個通用工具，而非持續改善的資產。透過從第一天起就將資料管線與人工智慧模型建構為單一整合系統，和鉑醫藥與百圖生科正在為複利報酬進行結構化布局，這使得人工智慧基礎設施具有防禦性而非可複製性——彭博指出，此差異正日益區分競爭市場中持久的人工智慧護城河與一次性優勢。

將成本結構從實驗室驅動轉型為資料驅動

對和鉑醫藥（Harbour BioMed）而言，此合作將其成本結構從資本密集、以實驗室為主的模式，轉變為資本輕盈、以資料驅動的模式。傳統生物製藥研發約有 60% 至 70% 的預算投入濕實驗室實驗，每株候選抗體的發現與優化成本介於 500 萬至 2,000 萬美元。500% 的效率提升意味著，以五分之一的濕實驗室資源即可達成相同產出，直接改善內部計畫的毛利率，並降低合作計畫的服務成本。和鉑醫藥亦可將其多年來透過轉基因小鼠平台營運所累積的專有資料集變現，將這些資料導入 xTrimo 訓練流程，並分享下游價值。對百圖智庫（BioMap）而言，此交易提供了龐大且高品質的訓練資料流，若自行生成將所費不貲。5 PB 的資料目標確保 BioMap 的 xTrimo 模型能持續以專有生物製藥資料進行再訓練，形成相較缺乏此類資料集的競爭對手日益擴大的護城河。雙方共享任何共同開發候選藥物的上檔空間，其經濟結構設計旨在按比例獎勵資料貢獻與模型改良。此合作亦降低和鉑醫藥對外部 CRO 在早期發現工作的依賴，使其能從內部管線中保留更多價值。

人工智慧藥物發現領域的競爭格局重整

這項合作重塑了人工智慧驅動藥物發現的競爭格局，使 Harbour BioMed 與 BioMap 的聯盟得以對抗 Recursion Pharmaceuticals、Insilico Medicine 以及 Alphabet 旗下的 Isomorphic Labs 等既有業者。Recursion 已建置自家高吞吐量篩選平台與資料管線，但缺乏 BioMap 所帶來的基礎模型能力。Isomorphic Labs 擁有 DeepMind 的 AlphaFold 血統，但主要聚焦於小分子而非複雜生物製劑。Harbour BioMed 與 BioMap 的組合特別鎖定生物製劑領域，該領域約占全球藥品市場的 40%，且因抗體藥物複合體、雙特異性抗體與細胞療法的興起而成長速度快於小分子。騰訊控股在多個垂直領域大舉投資人工智慧基礎設施，是 BioMap 的策略投資人，並透過騰訊雲端專門為蛋白質模型訓練工作負載配置的運算資源來擴展該平台。這項合作也對藥明生物與三星生物等合約研究組織形成壓力，這些業者以傳統按服務收費模式建立業務，其濕實驗室成本比率高達 60% 至 70%，而新平台正是設計來壓縮這類成本。過去十年投入建置內部人工智慧團隊的大型藥廠將面臨直接指標：在內部達成可比的效率提升，或將早期生物製劑發現拱手讓給此類平台。羅氏、輝瑞與阿斯特捷利康各自營運規模可觀的人工智慧藥物發現部門，而 Harbour BioMed 與 BioMap 宣稱的 500% 效率提升，將在 2027 年前與這些內部計畫進行壓力測試，屆時雙方將各自產出臨床候選藥物的比較數據。該聯盟也是大型藥廠尋求將人工智慧驅動的生物製劑能力內部化時的首要收購目標，無需投入長達十年的時間從零建置可比的數據與模型資產。

對超大規模雲端業者、晶圓廠與企業買家的下游影響

5 PB（拍位元組）的資料生成目標與持續的模型再訓練需求，將為繪圖處理器（GPU）運算資源、儲存與網路基礎設施創造持續性需求。百圖生科（BioMap）將需要配置能夠訓練及服務大型蛋白質基礎模型的 GPU 叢集，可能透過與騰訊雲或其他超大規模雲端業者的雲端合作達成。這將進一步推升人工智慧運算資源需求，此需求已促使 SpaceX 以每月 9.2 億美元、為期 32 個月的條件，將人工智慧基礎設施租賃給 Google，該交易在 32 個月期間將產生 300 億美元營收。五年內 5 PB 的資料儲存需求，將需要企業級物件儲存與高吞吐量資料管線，有利於 Pure Storage、NetApp 等基礎設施供應商及雲端儲存服務。對製藥產業的企業買家而言，此合作案顯示人工智慧原生的藥物發現正從實驗階段邁向營運階段。羅氏（Roche）、輝瑞（Pfizer）與諾華（Novartis）等大型藥廠將需決定是否自行建置人工智慧平台、與既有業者合作，或透過併購取得相關能力。此交易亦對半導體需求產生影響：訓練蛋白質基礎模型需要輝達 H100 與 B200 GPU 等專用硬體，而先進人工智慧模型的出口管制將影響百圖生科若將營運擴展至受美國限制管轄地區時取得最新晶片的管道，此一限制因 Anthropic 出口管制先例而具體化，而非僅止於理論。此合作案帶來的持續運算資源需求，將加劇人工智慧加速器所需的高頻寬記憶體與先進封裝產能本已吃緊的供給。

人工智慧在生技領域的政策與策略訊號

和鉑醫藥與百圖生物（BioMap）的合作，可視為一項策略性押注，即中國的人工智慧生態系能在高價值生物製藥發現市場中與歐美業者競爭，儘管先進人工智慧模型仍受出口管制。川普政府近期對 Anthropic 的 Mythos 與 Fable 人工智慧模型實施出口管制，帶動市場對 Cohere 等競爭對手的入境興趣，形成一個分裂的市場，使中國人工智慧公司取得尖端美國模型的管道受限。BioMap 透過建置以自有資料訓練的專屬基礎模型，使其免受這些管制影響，並打造出以中國為基地、可替代美國主導的人工智慧藥物發現平台。此交易也顯示，騰訊願意在其核心遊戲與社群媒體業務之外，支持人工智慧新創事業，繼其投資林軍陽新成立的人工智慧實驗室之後——林軍陽在離開阿里巴巴的 Qwen 團隊後創立該實驗室，旨在打造專注科學應用的次世代推理模型。這種模式——財力雄厚的騰訊支持具領域特定資料與專屬訓練管線的專業人工智慧實驗室——正是支撐百圖生物投資的相同結構性邏輯。對監管機構而言，此合作引發關於資料主權與生物安全的具體問題：5 PB 的生物製藥資料，加上經訓練可設計新型抗體的人工智慧模型，已達美國與歐盟雙用途技術審查的門檻。美國 FDA 針對人工智慧輔助生物製藥送件的新興架構，尚未涵蓋基礎模型生成的候選藥物，形成監管落差，和鉑醫藥與百圖生物在任何依賴人工智慧預測可開發性資料的臨床程式中，都需設法因應。此合作的商業條款，包括資料所有權、模型治理與候選藥物授權權利，將定義未來 24 個月亞太地區人工智慧藥物發現合資企業的範本。此交易也對歐美監管機構形成壓力，要求其在該平台首個人工智慧原生生物製藥候選藥物進入臨床試驗前，釐清其對人工智慧驅動生物製藥發現的立場，將其視為國家競爭力議題。