精彩觀點

1. 生物醫藥行業長期受到一個問題的困擾：創新周期往往比回報周期更長。

2. 在幾乎所有治療領域裏，禮來的整體研發速度，平均仍然比下一家同規模的製藥公司快大約40%。

3. CEO的工作職責是創造條件，讓偉大的想法能夠系統性地不斷湧現。

4. 在過去10年裏，我當初做過的一個最重要的決定，就是在公司還負擔不起的時候，依然為英偉達建造了一台當時全球規模最大的超級計算機之一。

5. 我現在真的認為，生物醫藥行業的「關鍵時刻」已經到來了。能夠從「藥物發現」這種有點像在森林裏找松露的方式，轉向真正的計算機輔助藥物設計。

6. 當然，這背後的科學極其複雜，人類生物學本身也極其複雜，可能（完全實現）還需要10年時間。

7. 如果我們能把這件事從一種「手工藝式的發現」，變成一個工程問題，那對人類生命的影響將是巨大的。

8. 我們更關注一個更現實的問題：如果最大壽命上限是100歲，我們怎麼讓更多人更有機會真正走到那一天？而我們的方式，是通過消除疾病來實現這一點。

9. 如果說在AI領域目前最容易落地，也最可操作的方向，我認為是醫療服務。

在上個月舉行的2026年摩根大通醫療健康大會上，英偉達創始人黃仁勳與禮來公司CEO戴文睿（Dave Ricks）在宣佈重大合作後進行了一場深度對話，大約1小時。今天剛放出了完整視頻。

兩家公司將在舊金山灣區共建一個首創性的AI聯合創新實驗室，並計劃在未來五年內共同投入高達10億美元，將AI技術徹底融入藥物發現和生物醫學研究流程。

兩位掌舵者都無比興奮。

對於生物醫藥行業來說，傳統新藥研發周期長、成本高、成功率低已成為公認的結構性難題。而AI具備高速模擬、海量空間探索和自動化協同的潛力，被視為可能改變這一格局的關鍵力量。

過去幾年，禮來在代謝性疾病領域的突破已無需贅述。

以替爾泊肽（Tirzepatide）為代表的GLP-1藥物，不僅在減重和糖尿病治療中展現出前所未有的療效，也正在顯著改變慢性病管理的邊界。

戴文睿在對話中反覆強調的是一個更長期的目標：把藥物發現從高度經驗化的探索，推進為可以不斷複製、持續優化的工程體系。

對話還提及，該合作框架未來將向生物醫藥初創公司開放，通過聯邦學習等機制，在不共享原始數據、不損害知識產權的前提下，共同訓練模型、放大創新效率。

看起來挺酷的。

值得一提的是，2026年2月4日禮來發布2025年財報，全年營收651.79億美元，按年增長45%，預計2026年營收規模在800-830億美元之間。財報披露當日禮來股價蹭蹭蹭漲了10.33%，一度重返萬億美元市值。

戴文睿在對話中反覆提到的替爾泊肽合計銷售額365.07億美元，其中四季度銷售額116.70億美元。替爾泊肽全年銷售額超過司美格魯肽和Keytruda，正式登頂藥王寶座。

加速藥物研發速度以及如何更好接棒

黃仁勳 說起來，我們兩個人的成長背景，幾乎不可能更不同了。戴文是鷹級童子軍，而我則上過一所「問題少年學校」。先澄清一下，我是被誤送進去的，那並不是什麼糟糕的學校，其實是一所非常好的學校，而且學費也很便宜。

所以回到正題。2017年，你成為了CEO。我的問題是：當時的禮來是一傢什麼樣的公司？那時它對生命科學未來的願景是什麼？而今天的禮來又處在什麼狀態？在信念的層面上，你現在對生命科學未來的看法又是什麼？

 戴文睿 2017年的時候，禮來啱啱超過140年，是一家相當成熟、根基深厚的公司。不過，在那之前，我們的行業經歷過一段相當艱難的時期，這一點稍後我也可以再展開講。

正如在座很多人所知道的，我們這個行業長期受到一個問題的困擾：創新周期往往比回報周期更長。

平均來看，你會不斷經歷高峯和低谷的循環。

而在低谷期，你要麼撐不過去，被併入其他公司，最終只剩下別人公司名字後面的一個「連字符」；要麼就學會如何活下來，並做出極其艱難的決策。

我認為，禮來幾乎是唯一一家在經歷這些周期時，沒有通過併購或合併來渡過難關的大型製藥公司。

我們已經經歷過好幾輪這樣的周期，因此也逐漸形成了一種在艱難時期具有生存韌勁的組織DNA。

其中有一件事對我觸動非常深。當時我已經是執行委員會的一員，我們經歷了2010、2011、2012 年那一輪周期。那段經歷讓我意識到，在發明和創新這件事情上，你必須極端地、持續地保持強度。

因為這個時間周期非常殘酷：一旦你遇到專利懸崖，卻又沒有任何產品可以接續，你就不得不對整個公司進行重塑。

想象一下，每隔10到15年就來一次這樣的過程，組織根本不可能積累真正的動能。人會離開，隱性知識會流失等等。

於是我們開始着手應對這個問題。我認為大致有兩種路徑。

第一種是說「那我們就要有更好的點子」 。但正如你們所知道的，這很難長期維持。即便你一度有很好的想法，外界也覺得你很聰明，現在大家對禮來的看法就是如此，但這種狀態是很難持續的。

所以我們當然也在努力提高發明本身，但更重要的一件事，是加快發明的速度。

我們系統性地拆解了整個研發流程，幾乎是逐個環節來做，從候選分子的選擇到第一次獲批，中間有上百個步驟，我們把時間一段一段地壓縮下來。

直到今天，在幾乎所有治療領域裏，禮來的整體研發速度，平均仍然比下一家同規模的製藥公司快大約40%。

這意味着，我們可以在專利周期之內完成真正的發明，然後公司纔有可能重新進入增長軌道。

這在2017年還只是一個設想，而現在已經被真正落實了。

與此同時，我們也做了很多事情來推動更多的發明。我們很幸運，在2006年就較早押注了一個叫GLP-1的方向，並推出了全球第一款相關產品。

當時幾乎沒人聽說過這個概念。我們在這個方向上反覆摸索、不斷嘗試，大概折騰了12年。對整個人類來說，確實是一個非常好的想法。 

 黃仁勳  聽起來像個芯片名字，GLP-1。

 戴文睿  確實有點像。你是不是想問，會不會有GLP-2、GLP-3？

確實有GLP-2，那是一種真實存在的蛋白，不過作用基本相反。我們並不希望把這兩種激素結合在一起，因為市場非常小，我得說，真的非常小。

我並不是醫療專家，但如果我沒理解錯的話，現在我們其實已經算是在「GLP-2」階段了，因為替爾泊肽（Tirzepatide）是把兩種蛋白融合在一起的，而這是我們開發出來的一項技術。

接下來還有一個三重作用機制的分子，預計在2027年推出，那會是一個相當有意思的階段。

不過總的來說，我們抓住了這一波浪潮。最初是競爭對手在肥胖領域率先完成了創新，而我們隨後追趕並執行得相當不錯，最終在去年成為了市場領導者。

所以現在，我們不僅擁有一台更快的創新引擎，而且還處在一個由單一理念帶來的巨大成功周期之中。

擺在我們面前的挑戰是：如何在這一輪成功周期結束之前，就提前找到下一輪成功，並獲得持續向前的速度。

這件事，坦率說，行業裏還沒有哪家大型公司真正做到過。大家一直只是經歷一輪又一輪的周期，而我們的目標，是打破這一點。

（聰投注：這段讓人想起3萬億美元的近百年的資管巨頭資本集團（Capital Group）。其歷史上最傑出的分析師之一——傑森·皮拉拉斯（Jason Pilalas）在職業生涯中，正是通過對單一突破性產品的前瞻判斷，捕捉到一批偉大的醫藥投資機會：因胃潰瘍藥物泰胃美（Tagamet）押中史克，因善胃得（Zantac）投中葛蘭素，又因降壓新藥依那普利（Vasotec）看準默克的長期潛力。這些成功案例為資本集團帶來過豐厚的回報。

但同樣重要的是，當他意識到某些公司在覈心產品之後缺乏清晰、可驗證的後續研發接力時，即便當期業績仍處高峯，也會選擇退出。資本集團內部始終堅持一個判斷：醫藥公司的長期價值，不取決於「這一款藥有多成功」，而取決於「成功是否能夠被接續」。這恰恰呼應了戴文睿在對話中的核心命題——真正困難的，不是創造一次突破，而是在每一次產品周期之後，為下一次增長提前鋪路。）

CEO的根本職責是創造條件

 黃仁勳  你剛纔提到的一點，其實我經常對我的員工說，CEO的根本職責，並不是親自去想點子。我們的工作是創造條件，讓偉大的想法能夠系統性地不斷湧現。

你剛纔描述的，本質上就是禮來在長期實踐中形成的一種智慧：必須創造出讓這些重大創新得以發生的條件。

我們以前也聊過英偉達早期進入AI領域的事情。回頭看，英偉達做過的最重要的一件事，就是在基礎設施上提前下注，去創造條件，讓最優秀的AI研究人員願意加入我們，從而讓偉大的發明自然發生。

今天我們對這件事其實講得不多，但越來越多的人開始意識到，在過去10年裏，我當初做過的一個最重要的決定，就是在公司還負擔不起的時候，依然為英偉達建造了一台當時全球規模最大的超級計算機之一。

那時，甚至沒有多少AI研究人員能真正用得上它。

如果你想吸引世界上最頂尖的粒子物理學家，卻沒有大型強子對撞機，那幾乎是不可能的。

這也把我們的對話自然引向了一個結論：AI已經取得了足夠的進展，使我們有可能把它應用到人類最非凡、也最困難的挑戰之一——生物學。

於是，我們兩個人就開始設想，如果全球最大的計算與計算機科學公司，能夠與全球最重要的生命科學公司展開深度合作，會發生什麼？

這就好像我們共同創建了一間實驗室，在某種意義上把兩家公司當成一家公司，把所有最頂尖、最不可思議的能力整合在一起。

 戴文睿  非常令人興奮。今天我們正式宣佈了這項合作。這項合作大致分為四個部分。

首先，我們採購了大量芯片，並正在建設一台全球最大的、專門用於生物學研究的本地部署超級計算機，預計就在本周完成。這台計算機將位於印第安納波利斯，這裏本身就是全球生物藥物發現的重要中心。

在超級計算這件事之外，我們還會在灣區組建一支研究團隊。如果有優秀的科學家或者計算機科學家想加入，這將會是一個禮來—英偉達聯合的 AI 實驗室。

我們還會着力開發全新的數據。因為任何真正了解這個問題的人都知道，你可以訓練模型，但如果數據「只有一英寸厚」，你是走不了多遠的。

而生物學在很大程度上仍然是未知的。所以，我們需要為了訓練機器而開展大規模的實驗，持續生成數據。

接着，我們還要在英偉達已經構建的模型基礎之上繼續往上「爬梯子」，做出更復雜、更高級的預測。

從「手工藝式的發現」變成一個工程問題

 黃仁勳  理解AI的一個重要方式，是把它想象成一塊多層蛋糕。

最底層，你需要能源來驅動這些計算機；再往上一層，是計算機裏的芯片；再往上，是基礎設施層。這一層本質上是在解決這樣的問題：如何讓計算機學習？如何處理數據？如何設定安全護欄？如何微調？如何教學？

這層有點像AI的人力資源部門，只不過他們的工作效率要高得多。

在基礎設施之上，是模型層；再往上，是領域特定的數據和飛輪機制。

真正令人興奮的一點在於：我們可以訓練模型來合成蛋白質或化學分子，把這些結果送進機器人實驗室進行實驗，收集新的數據，再把這些數據反饋回模型中。

這個飛輪——用AI生成蛋白或分子、進行真實實驗、獲得現實世界的數據，再把整個科學飛輪加速運轉。這樣的未來，令人無比興奮。

所以，我們正在系統性地把藥物發現領域中最優秀的專家，與計算機科學領域中最優秀的人才聚集到一起。

在我們的聯合創新實驗室裏，基本上會覆蓋這塊「蛋糕」的每一層，希望最終能勾勒出一幅關於未來藥物發現的藍圖。

大概在40多年前，準確地說是43年前，我屬於第一代工程師，那一代人第一次迎來了「計算機輔助設計」這個概念。

在我之前的工程師世代裏，他們會設計一款芯片，可能會成為一次成功，但接下來好幾年都沒有新的突破；再設計一款，又成功一次，然後又停滯幾年。 

 戴文睿  現在這個行業已經完全不是那樣了。

 黃仁勳  沒錯。而我們這一代人出現之後，第一次能夠用軟件來表示晶體管、邏輯門和系統功能。

計算機終於可以準確地表示你的領域，並模擬它的行為，儘可能在硅片裏完成設計和驗證。

今天我們設計的是極其龐大的系統。大約有1.5萬人共同參與一套計算系統的設計。我們啱啱完成了Vera Rubin的流片，投入了數十億美元的研發費用。

最終完成的計算機重達三噸，包含大約150萬個部件、6顆全新芯片，總計220萬億個晶體管。

而最關鍵的是，它第一次運行，就完全符合我們的預期。每一代系統，都是在上一代基礎上構建的。

我現在真的認為，生物醫藥行業的「關鍵時刻」已經到來了。

經過百萬倍、甚至更高數量級的算力提升之後，我們終於也許能夠表示並理解世界上最困難的問題之一——人類生物學。

能夠從「藥物發現」這種有點像在森林裏找松露的方式，轉向真正的計算機輔助藥物設計。

順便說一句，禮來當年真的有一個「土壤發現部門」，會派人去熱帶雨林採集土壤樣本，帶回印第安納波利斯，從中提煉出後來變成抗生素的物質。

事實上，醫院裏最重要、也是最後防線的抗生素之一——萬古黴素，就是禮來在婆羅洲的一份土壤樣本中發現的。

那他們當初怎麼知道要去哪裏？其實也不知道，只是因為真菌會產生對抗細菌的天然機制，於是他們就去挖土、去找這些天然防禦體系，再把它們轉化成藥物。

這纔是真正意義上的「藥物發現」。

你仔細想想，這種工作方式是有生命風險的，甚至可能得瘧疾。那是1950年代的事情，距今已經70年了。

但現在不同了。現在，你們的工作方式開始變得像我的工作一樣，基本不用離開辦公室。

 戴文睿  是的，全都在螢幕裏完成。

 黃仁勳  所以，真正讓我感到興奮的是，我們也許真的能夠實現計算機輔助藥物設計。當然，這背後的科學極其複雜，人類生物學本身也極其複雜，可能還需要10年時間。

但我真心認為，這次我們之間的合作宣佈，可能會成為某種起點，一種藍圖的開始。

 戴文睿  我也希望如此。我們確實需要這樣的突破。

你在摩根大通的大會上會看到，行業裏有着令人難以置信的研發管線，但其中大多數成果，都是一點點鑿出來的，是非常艱苦、非常經驗主義的過程。

偶爾我們能借助一些系統性突破，比如單克隆抗體，本質上是「劫持」了生物體自身解決問題的方式。

但大多數時候，每一個小分子發現都像一件藝術品，獨一無二，稍有偏差就前功盡棄。

如果我們能把這件事從一種「手工藝式的發現」，變成一個工程問題，那對人類生命的影響將是巨大的。

關於GLP-1的機理以及更多價值

 黃仁勳  回到GLP-1。你剛纔提到，它其實已經進入第三階段了。那麼接下來會走向哪裏？還能用來做什麼？

 戴文睿  事實上，肥胖是成年人慢性疾病中一個非常關鍵的樞紐變量。

很多當下的疾病，在人類進化史上根本不是問題。我們進化得太慢，而環境變化得太快，於是出現了錯配。肥胖正是這種錯配的產物。

我們是在一個資源稀缺的環境中進化出來的。在人類進化過程中，其實並不需要為「飢餓」設計一個關閉開關。因為當時的世界並不存在「過剩」這個概念。

現在不一樣了，現在的關鍵詞是「豐裕」，是過剩。不論是熱量、智能，還是生產力，我們都生活在一個高度豐裕的世界裏。至少對我來說，我的生活幾乎被各種各樣的「過剩」所包圍。

但問題在於，我們現在也處在一個熱量極度過剩的環境中，而進化並沒有提前為我們設計好一個「停止進食」的機制。

從進化角度看，這是完全沒有必要的。所以我們纔會出現肥胖問題，而肥胖又會引發大量慢性疾病，折磨人類，甚至縮短壽命。

如果我們能擁有一套相當有效、而且還會不斷變得更有效的工具去真正幫助人們管理體重，用一種人工合成的方式，幫身體裝上一個關閉開關，那麼我們就有機會下調、甚至顯著緩解200多種慢性疾病。

 黃仁勳  真的有這麼多？

 戴文睿  確實如此。接下來24個月裏，會發生兩件非常重要的演進。

第一，是選擇會顯著增多。GLP-1本身只是一種肽，但它屬於一個家族。

通過在替爾泊肽中把GIP和GLP結合在一起，我們已經看到藥效更好、耐受性也更強的結果。未來你可以預期會看到更多類似的組合。

在這個「超級蛋白家族」中，我們可以整合不同成員的優勢，做出更容易耐受、同時效果更強的藥物。

不論是在維持階段、誘導減重階段，還是針對不同患者特徵的個性化需求，都會有更多方案出現。正如我剛纔提到的，我們的三重作用分子也在推進中。

而單純的體重下降，本身就會帶來極其廣泛的下游好處。這也引出了第二個重要變化：應用場景的拓展。

現在我們已經清楚地看到，使用Zepbound（替爾泊肽減重注射液）後，平均體重可下降約23%。但真正逐步顯現的，並不只是減重本身，而是一系列原本可以預期、卻遠比想象中深遠的連鎖結果，包括心梗風險下降，整體代謝系統明顯改善。

在糖尿病與糖尿病前期人羣中，向糖尿病發展的轉化概率下降了93%。可以設想，如果在全國範圍內，為約7000萬名糖尿病前期人羣提供 Zepbound，美國的糖尿病患者規模在理論上將大幅收縮。

這是一個極其重大的發現。若與特朗普政府啱啱簽署的醫保準入協議能夠順利推進，或許真的有機會向這一方向邁出實質性一步。

除此之外，還有一些不那麼直觀、卻同樣關鍵的作用機制，其中最重要的一項是炎症。肥胖所引發的，並非一次性的急性反應，而是一種長期存在、系統性的慢性炎症。這種狀態持續侵蝕心血管系統，加重關節負擔，也會在更廣泛的層面上損害身體機能。

在早期臨床試驗階段，我們就開始自發地聽到患者的反饋：他們不僅體重下降了，而且有人說，這是十年來第一次能夠輕鬆地從椅子上站起來；膝蓋不再像以前那樣疼；背部的不適明顯緩解。還有一些患有克羅恩病或結腸炎的患者，甚至報告症狀幾乎消失。

為什麼會出現這些變化？關鍵在於，我們並不是在處理某一個孤立症狀，而是在系統層面降低了長期存在的慢性炎症水平。基於這一機制，我們已經啓動了一系列針對不同疾病的研究。

上個月公布的首項結果顯示，在銀屑病關節炎患者中，在原有基礎用藥之上聯合使用Zepbound，整體療效提升了約50%。

接下來，這些潛在應用將以醫學體系能夠接受的方式逐步推進——也就是通過清晰、可驗證的適應症，讓創新真正進入臨床實踐。

 黃仁勳  這和AI的採用路徑其實很像，你也需要在具體場景中證明它的價值。

 戴文睿  完全一致。我們已經啓動了一系列腦健康相關研究，並且專門為神經系統疾病設計了GLP-1 / GIP的特定組合，其中一個重點方向就是成癮問題。

成癮，是一個非常嚴峻的現代社會挑戰。有意思的是，這類藥物抑制食慾的機制，其實並不只是因為身體需要更少的熱量，而是因為它們作用於一些後天學習形成的行為迴路。

聽起來是不是越來越像AI了？同樣的機制，也可能適用於其他具有自我強化特徵的有害行為，比如賭博、飲酒，甚至戒菸。

因此我們也在系統性地探索這些方向。當然，我們希望它不會影響那種工作過於拼命的行為。

 黃仁勳  對，那可不行。

 戴文睿  放心，只會針對不良行為。事實上，這些行為在模式上，與過度進食高度相似。

順便說一句，這是給在座各位創業公司CEO的一個友情提醒：如果你發現自己的意志力開始下降了，先停一停微劑量試驗。

 黃仁勳  現場可是有不少創業CEO。

 戴文睿  目前大家也在同步研發作用時間更長的方案，以進一步降低用藥頻率。今年春天，我們還將推出口服GLP-1。這不僅是使用便利性的突破，更重要的是一次全球可及性的突破。

從外表看，我們現在的自動注射裝置似乎很簡單，但從製造角度來看，這其實是全球最複雜的藥物之一，而且面臨的是數億人次級別的需求規模。

我們啱啱在中國、印度以及東南亞推出產品，而這些地區的肥胖問題同樣非常嚴峻。僅依靠注射製劑，根本無法滿足需求，尤其是在東南亞，那裏糖尿病負擔極其沉重。

某種意義上，東南亞人羣在肥胖問題上「輸掉了遺傳彩票」：在更低的體重水平下，哪怕是小幅度的體重增加，也更容易觸發一系列疾病。因此，我們必須具備大規模生產能力。

口服制劑在化學層面實現，不依賴蛋白合成，也不需要無菌注射系統——只是一顆藥片，就能實現極大規模的擴產。這一產品也將於今年上市。

 黃仁勳  也就是說，這一個想法，你們還可以再跑五十年？

 戴文睿  我們是這麼希望的，也是在向你學習。

GLP-1的發現過程以及之後的重點

 黃仁勳  當然，我們面臨的一個挑戰是：能否持續不斷地發明出足夠好的新產品，讓人們願意為其付費，從而跨越專利周期？歷史上有沒有哪一種生命科學技術，曾經如此廣泛地造福人類？

我能想到的，可能只有抗生素這一整個藥物類別。

 戴文睿  沒錯。

 黃仁勳  青黴素的發現，幾乎創造了現代醫學。如果沒有抗生素，就不可能有現代牙科、現代外科。今天我們已經把這一切視為理所當然。

但從弗萊明在實驗室裏發現那團奇怪的黴菌開始，這開啓了一條持續60年、誕生100多種新藥的創新浪潮。

我覺得，GLP-1也可能屬於這樣的技術浪潮。不同之處在於，它針對的不是急性感染，而是現代智人所面臨的慢性疾病。

戴文，你有沒有意識到，你的工作聽起來竟然會這麼「輕鬆」？我太太也問過我這個問題。

為什麼我不來你們這兒工作？一次偉大的發現，然後幾十年都在享受紅利。你們在森林裏挖着挖着，就挖到了GLP-1這顆「松露」。

 戴文睿  其實歷史並不是那樣的。

這個故事要追溯到上世紀70年代。當時，一位德國科學家發現了所謂的「促胰島素效應」（incretin effect）。GLP-1正是這一激素家族中的一員。

這類激素由腸道分泌，用來向全身傳遞一個信號：你已經進食了。

他觀察到，如果將糖分通過口服方式給予人體，與靜脈注射相比，胰島素的反應完全不同。胰島素本身是一種促進糖吸收的激素，而在口服條件下，這一反應明顯更慢。這一現象提示，腸道的參與會改變整個系統的反應路徑。

到了80年代，研究人員首先發現了GIP，隨後發現了GLP-1，這正是Zepbound的兩個組成部分。

此後，人們又陸續識別出更多相關激素。但始終存在一個核心難題：這些靶點極難做成真正可用的藥物。天然GLP-1在人體內的半衰期只有大約7分鐘。

如果直接使用這種天然肽作為藥物，患者就需要全天候持續輸注，這在現實中根本不可行。

直到我們逐步學會將作用時間從每天兩次延長到每周一次，如今甚至在探索按月給藥的可能性，GLP-1才真正具備了成為產品的基礎。

而在AI藥物發現領域，已經開始顯現效果的一點是：我們可以生成海量的組合方案，在計算環境中進行篩選，再從中過濾出真正具有潛力的候選物。

我們已經在規模化地推進這項工作，而通過這次合作，規模還可以再放大一個數量級。

 黃仁勳  那我們能不能用AI找到更多生物學靶點？那纔是真正的「聖盃」。因為如果把這兩件事結合起來，我們就有可能一次性對整個系統進行建模，那會非常、非常令人興奮。

還有一件事，是戴文一直特別想做的——把這個AI實驗室、這個聯合創新實驗室放在這裏。放在硅谷，甚至就在這座「AI之城」的附近。

舊金山確實是很多AI研究者的聚集地，我們在這裏也有辦公室。所以，這個實驗室要麼設在南舊金山——那一帶是灣區的生物科技中心，要麼就設在這裏。

 戴文睿  沒錯。我們想去人們真正願意生活的地方。

 黃仁勳  說到GLP-1以及它之後的東西，硅谷現在有不少人在聊長壽、聊延緩衰老。那你跟我講講，這背後的技術路徑是什麼？

 戴文睿  這是個很有意思的話題。它當然對很多人都有吸引力，畢竟誰想變老呢？

細胞為什麼會「到期」，這裏面有很多生物學機制，你可以把它外推到細胞系統，再外推到器官，最終甚至外推到整個個體。但正如我們在台下聊到的，那不是我們現在主要的工作方向。

那條路徑的核心問題，是能否把人類在理想條件下的最大壽命上限進一步往後推。

比如說，在理想條件下人可能活到100歲，然後系統出於某些原因就關閉了。坦率說，如果人能永生，那世界會很奇怪。那我們為什麼要繁衍？我們怎麼進化？這裏面有很多問題，甚至是哲學層面的：自然的「原始設計」要怎麼自洽？

我們更關注一個更現實的問題：如果最大壽命上限是100歲，我們怎麼讓更多人更有機會真正走到那一天？而我們的方式，是通過消除疾病來實現這一點。

你如果回看1900年的美國，男性的預期壽命大約只有46歲。最主要的原因，並不是人老得快，而是兒童死亡率極高。大量人羣在很小的時候，就因為感染等原因去世。

隨着抗生素、疫苗，以及一整套控制兒童疾病的醫學工具出現，預期壽命迅速被拉升。

從1960年到今天，我們又大約增加了10年的預期壽命，這一階段的提升，主要來自慢性病管理能力的持續進步。

癌症治療取得了巨大突破，在座的很多公司，都在慢性病管理中發揮了重要作用；HIV/AIDS 以及其他新型病原體，也被逐步控制。

今天，美國的預期壽命已經接近80歲。事實上，如果不是阿片類藥物濫用和交通事故死亡率異常偏高，這個數字可能更接近84歲。

而這兩項，在美國都顯著高於其他發達國家。自動駕駛或許能解決其中一個問題；另一個問題，也許GLP-1能發揮作用，因為我們已經開始研究它在阿片成癮上的潛在影響。

我們正是通過這樣一項一項、系統性地推進，不斷拉長人類的健康壽命。當然，隨着人活得更久，與衰老相關的新問題也會隨之出現。

對我來說，在GLP-1之後，我最興奮、也最關注的下一個前沿，是癡呆症以及與衰老相關的腦部疾病。

當我們的身體可以支撐我們走到八十歲、九十歲，大腦這件事，卻還遠沒有被真正解決——無論是對生活質量，還是對壽命長度來說，這都會變得至關重要。

我們已經在這一領域投入了大量精力，也有一些令人期待的項目正在推進。從藥物發現的角度看，如果我們能夠模擬腦組織，去尋找新的靶點，並理解那些我們目前尚不清楚的靶點之間的相互作用，也許就能打開新的突破口。

衰老的大腦中，同時存在炎症和蛋白質錯誤摺疊等問題，那裏可能正隱藏着下一代治療的關鍵。

關於聯合創新實驗室的構想

 黃仁勳  如果我們退一步來看這間聯合創新實驗室，第一件事，其實是把計算平台搭建好，讓研究者能夠真正開展工作。

所以我們有算力、有基礎設施層、有BioNeMo，也有一整套已經構建完成的模型和模型架構。接下來，就是把科學家聚到一起，在這些基礎之上開始協作。

但如果你要給研究團隊一個願望清單，你最希望他們把精力放在哪個方向？

 戴文睿  我覺得可以先把問題簡化為兩個方向。當然在每個方向裏，我們都需要進一步聚焦，只有這樣才能持續推進，也才能形成可交付的成果。

第一個問題，其實我們這個行業已經有相當的動能了，也就是工程化的藥物設計。

今天很多藥物，本質上都屬於這一類：靶點已經存在、也被充分研究過，真正的挑戰在於，如何更精準地定製那把「鑰匙」，去匹配那把「鎖」。

與此同時，也出現了一些新的治療範式，比如RNA、基因療法等。這些技術出現的時間還不夠長，還遠沒有被充分優化。

所以我認為，圍繞藥物工程和藥物優化這一整套問題，本身是相對可解的，而英偉達的科學家與我們的研究團隊結合起來，很可能在這一領域較快取得實質性進展。

這類成果，也非常適合通過Tune Lab這樣的接口開放出來，與更多生物科技合作伙伴共同使用。我們可以把「更好的藥物製造」這件事，通過計算機內的設計與工程化，真正推向規模化。

簡單解釋一下Tune Lab：這是一個平台，讓禮來能夠與初創公司或第三方一起合作，共同推動某個具體方向的進展。

它基於聯邦學習的技術框架，底層是我們貢獻的NVFlare。研究者不需要集中或混合數據，卻仍然可以共同訓練模型，從而實現協作式創新。

自從我們宣佈合作以來，幾乎一整天都有初創公司主動來詢問如何參與Tune Lab 和聯合創新。

Tune Lab的構想非常有前瞻性，它解決了一個長期存在、卻極其棘手的問題：如何在保護數據與知識產權的前提下，讓不同公司的AI研究者真正協作。

我們不收取費用，但會進行篩選，確保項目是嚴肅、可信的生物科技研究。合作的成果，也會被整合回Tune Lab，讓不僅是禮來的科學家，更多生物科技研究者都能從中受益。

第二個問題，是靶點本身。在這一點上，我認為機器人實驗體系必須真正發揮作用。

為什麼我們可用的靶點還不夠多？為什麼我們對已有靶點的理解仍然不夠深入？很大程度上，是因為它們的結構和行為，比我們以為的要複雜得多。

藥物研發失敗的一個重要原因，正是我們以為理解了靶點，但實際上並沒有。

這背後需要的是圍繞關鍵靶點，獲取海量、系統性的實驗數據，把它真正「刻畫清楚」。

我們已經有機器人溼實驗室在運行，但接下來會建更多，讓它們24小時不間斷工作，在一個靶點空間內持續實驗、持續生成數據，形成完整畫像，再與工程化藥物設計結合。

這條路更難，也更偏經驗主義，但機器天生適合日夜不停地做這件事。一旦這個飛輪轉起來，它會轉得非常快。

AI領域目前最可操作的可能是醫療服務

 黃仁勳  戴文，如果你回頭看我們在其他領域取得的一些突破，第一件事往往是：你最終必須讓這個飛輪落到現實世界。

你得做真實的實驗，收集真實的數據，用它把閉環跑起來。隨着循環推進，模型會變得足夠好，基礎模型會變得足夠強，你就可以教它去生成、去做生成式工作。

最終可能會出現這樣一種形態：一個模型在不斷與另一個模型對抗、驗證。而那個「另一個模型」，其實就是「世界模型」或者「靶點模型」。

靶點模型會和你訓練中的模型一起，在一個閉環裏運行。從這個意義上講，實驗室本身也在變成一個模型。

當然，你最終還是要重新落地，真正去合成蛋白，產生真實數據。

但在這個過程中，我們會進入一個合成數據飛輪：先在模型裏生成、再在模型裏篩選、再用真實實驗去校準。

這個飛輪的效率極高。我認為在我們這個行業裏，以往從未有人以這樣的規模去嘗試，而我相信我們會在這裏做到。

真正關鍵的是，挑選出少量我們高度懷疑與重大疾病密切相關的靶點，然後在機器人溼實驗室裏對它們做完整、系統的刻畫，用實驗數據訓練數據集，再讓機器去填補中間的空白、擴展整個空間，最終做出更好的藥物——因為我們真的理解了這些靶點。

這實在太令人興奮了。我認為這可能是第一次，我們擁有一個在專業深度和規模上都足以吸引頂尖人才的實驗室，讓他們願意把一生投入到這個交叉領域。

這場大會有一件特別棒的地方，就是大型公司和小型公司能夠聚在一起。你這邊看到了哪些公司？哪些方向讓你覺得特別有意思？

 戴文睿  我看到的方向很多。比如機器人實驗室相關的公司、AI 科學家團隊，當然也包括代理式醫療（agentic healthcare）相關的公司。像Abridge在做的事情，還有Open Evidence，也都非常、非常酷。

如果說在AI領域目前最容易落地、也最可操作的方向，我認為是醫療服務。

這當然不像我們今天討論的這些問題那麼複雜，而是如何用代理式AI服務去替代或增強人類層級的服務。這是整個經濟體系裏生產率最低的部分之一，從邏輯上說，採用AI是非常顯而易見的選擇。

但現實裏有很多需要磨合的地方。我們經常討論怎麼合作、怎麼推動。

比如我們現在運營着全國規模最大的直達型藥房平台之一，是真正意義上的直銷。業務才一年，但目前年化已經接近每季度10億美元，也就是一年約40億美元的藥房銷售規模。

於是很多團隊會問：禮來能不能用你們的市場體量去推動這些新技術的採用？坦率講，保險公司並不喜歡改變，醫生羣體對這些技術也會有顧慮。

但我們確實需要讓美國醫療系統變得更高效。只有這樣，才能為創新、為前沿藥物的採用騰出空間，也才能對患者做更準確、更全面的評估。

與此同時，正如我之前提到的，過去十年裏，即便沒有把AI完整引入主流程，藥物研發在一些新範式上的生產率其實也在加速。這令人興奮，但仍處在早期階段。

現在很多公司在把新舊範式組合起來，做成「雙功能藥物」：一端是靶向部分，另一端是「戰鬥部」，比如用於殺傷癌細胞。甚至只是更精準地把藥物送到正確組織，本身就是一個非常重要、也非常難的工程問題。

今天我也見了幾家在做不同路徑探索的公司，對我來說都很有意思。這是藥物製造這一側。

我認為AI能在這裏繼續加速進展，而且已經有很多聰明的人在解決這些問題。

 戴文睿  說真的，十年前、也就是你剛纔問到的2017年，禮來的外界形象，可能還是一家有點「昏昏欲睡」的中西部公司。但給在座的計算機行業朋友們講幾個有意思的事實。

你可能不知道，第一個獲批、由活體生物製造出來的生物技術藥物——用最現代方式生產的藥物，其實是禮來的產品Humulin，是我們和 Genentech 合作完成的。

 黃仁勳  哦，那挺酷的。

 戴文睿  然後在12年之後，禮來買下了製藥行業裏的第一台超級計算機，把它放在了印第安納波利斯。那是一台Cray超算名字叫 Big Red，順便一提，我們公司的標誌也是紅色的。

 黃仁勳  Big Red。

 戴文睿  對，很巧妙。後來我們正是在那台機器上，設計出了第一款由計算機設計並最終獲批的藥物——胰島素賴脯胰島素（Humalog）。直到今天，它仍然被全球大量一型和二型糖尿病患者使用。

當時我們基本上就是通過不斷嘗試不同的氨基酸序列，用相對經驗的方法把這件事做成的。

 黃仁勳  你一直在試圖說服我，說禮來其實很酷。

 戴文睿  我們確實很酷。