当地时间1月13日，在J.P. Morgan大会期间，阿斯利康宣布正式收购波士顿生物医学AI公司Modella AI，交易金额未披露。收购完成后，Modella AI的生成式和智能体AI平台将整合到阿斯利康的肿瘤药物研发体系中，加速其临床开发。

阿斯利康科学创新AI负责人Jorge Reis-Filho表示，“收购Modella AI将为阿斯利康带来前沿的病理学基础模型和 AI 代理，这将助力阿斯利康继续开发肿瘤学产品组合中的靶向疗法及诊断手段。”  

此外，阿斯利康 CFO Aradhana Sarin在会上介绍，人工智能已全面融入阿斯利康的各个环节，从药物发现到开发、商业化运营再到医疗保健服务，人工智能正在帮助公司推动成果、提高效率和生产力，并以可衡量的影响加速创新。

事实上，这次收购建立在双方于 2025 年 7 月宣布的多年合作协议基础之上。根据当时的协议，Modella AI将向阿斯利康提供其多模态AI基础模型的访问，以加速阿斯利康全球肿瘤产品组合的临床开发。

Modella AI成立于2024年，由哈佛医学院和麻省总医院布里格姆分校的Mahmood实验室衍生，致力于开发生成式和代理式AI来推进医疗保健，尤其专注于AI病理学领域。

该公司的产品矩阵主要包含多模态生成式AI模型PathChat以及生成式AI病理诊断助手PathChat DX这两部分。

多模态生成式AI模型PathChat曾登上国际顶刊Nature。因为在提供有用的临床背景时，该模型准确率高达89.5%，曾一度引起业内轰动，Modella AI也被称为病理界的ChatGPT。基于PathChat，Modella AI进一步推出了升级版本PathChat 2，优化了多模态生成能力，可处理更复杂的病理数据，支持临床试验中的生物标志物发现和个性化治疗方案制定。

生成式AI病理诊断助手PathChat DX则获得了FDA突破性设备认定，是全球首款基于生成式AI的人类病理学辅助诊断工具。此外，Modella AI还有一套名为Judith的 AI 代理，用于自动化 AI 模型开发。该代理可实现细胞和组织分割、生物标志物识别等功能，适用于十亿像素级病理图像分析，可助力科研人员快速提取关键信息，加速药物研发和疾病机制研究。

除了本次收购外，过去一年，阿斯利康一直频繁布局AI。2025年4月，阿斯利康与Tempus AI和Pathos达成三方合作，获得2亿美元的数据授权，以构建多模态AI肿瘤学模型；2025年6月，阿斯利康与石药集团合作，利用石药集团的AI引擎双轮驱动的高效药物发现平台，发现和开发新型口服小分子候选药物，合作总额高达53.3亿美元；2025年10月，阿斯利康与 Algen Biotechnologies 达成合作，旨在利用 CRISPR 驱动的功能基因组学平台来破解新的免疫药物靶点，合作总额高达5.55亿美元。

但这次收购与此前的合作不同。在制药行业，此前大型药企与AI公司的合作多以战略联盟、技术授权或联合研发为主。阿斯利康此次直接收购Modella AI，打破了以往合作模式，将AI公司纳入自身研发体系，标志着人工智能在药物研发体系中的角色，正从“外部工具”升级为“核心基础设施”。

在2026年J.P. Morgan大会上，礼来也宣布了在AI领域的合作。当地时间1月12日，英伟达与礼来宣布，将在五年内斥资10亿美元在旧金山湾区建立一个新的联合研究实验室，以加速AI药物研发进程。据悉，该实验室将采用英伟达最新一代Vera Rubin架构的AI芯片，用于支持前沿生物医药研究，旨在重塑人工智能时代的药物研发流程；同时将汇集礼来在药物研发和临床研究方面的专业经验。该实验室的相关工作将于2026年年初正式启动。

同时，英伟达还披露，正与赛默飞世尔合作，打造高度自动化的“自主实验室”基础设施。

不仅阿斯利康、礼来、赛默飞世尔在抢滩AI领域，近年来，罗氏、诺华、吉利德、赛诺菲等医药巨头，都重金加码了AI制药领域。根据Nature于2025年12月发表的资料显示，AI驱动的药物发现正成为2025年授权交易中，一个快速增长的细分领域。自2017年以来，全球共有513项此类交易，其中2025年前十个月就达到120项，占比23%。

该领域频繁诞生BD的背后，在于AI能够为药物研发提供巨大应用价值。

具体而言，对于AI公司来说，与大型药企的合作则是获取必要资源、加速药物开发进程和拓宽业务范围的机会。AI制药公司往往在某一个特定的技术方面或疾病领域做得非常精深。如果AI制药公司能够有独特的技术解决药企的痛点，并且能够帮助药企理解AI制药平台的技术优势，往往会受到药企的青睐。

对于大型药企来说，其普遍看好AI在药物开发中的应用，并将AI视为提高效率、降低成本和加速药物上市时间的关键工具。同时，大型药企有资金、有数据，更有丰富的药物研发经验，但其一般不会自己开发所有的工具，大多数情况下更倾向于使用专业公司开发的工具。

但随着行业逐渐推进，我们也需正视AI制药的现状与痛点，即AI在药物发现中的应用正处于从“概念验证”向“规模化应用”的过渡期。AI技术在蛋白质结构预测（如AlphaFold）、虚拟筛选和分子生成等方面已展现出显著优势，但其在临床转化中的实际成效仍需更多数据验证。目前，AI平台主要聚焦于早期发现阶段，而药物开发的大部分成本和风险集中在临床试验阶段。因此，AI技术能否真正缩短整体研发周期、降低失败率，还有待临床结果的长期检验。业界普遍预期，随着首批AI设计药物在未来几年内获批上市，这一技术的商业价值将得到更明确的验证，从而推动更多前期投资。

参考资料：
《病理界ChatGPT，与阿斯利康达成合作！登Nature，准确率高达89.5%！》

《2025年生物制药授权交易三大趋势：中国力量、多特异性抗体与AI驱动的药物发现》