3月29日，英矽智能（Insilico Medicine）公告与礼来（Lilly）达成药物发现和AI管线授权合作，包括达成一项新型口服药物管线许可和涉及多个选定靶点的药物研发合作。

根据协议，英矽智能将有资格获得1.15亿美元首付款，并在后续达成开发、监管及商业化里程碑后获得进一步付款，交易总价值最高可达约27.5亿美元；此外，英矽智能还将获得基于未来销售额的分级特许权使用费（royalties）。

All in AI的礼来，为何再次选择英矽智能？

早在2025年11月Bio-Europe期间，英矽智能发布了一系列靶向心血管代谢（cardiometabolics）的管线组合，但随后不久即表示其中部分管线不再开放对外合作。这或许是此次合作最早的端倪。

（3月30日英矽智能官网管线）

英矽智能官网管线图显示，其中一项靶向GLP-1R的代谢疾病管线，其权益状态已由“可授权”变更为“全球权益已授予未披露合作伙伴”，存在被礼来购入的可能性。

在代谢领域，礼来的选择本身就是行业标准的投射。如若此次授权管线为代谢疾病适应症，“新型口服”剂型将与礼来当前产品形成互补，直指注射剂型在长期依从性的市场痛点。同时，英矽智能自有AI管线也显示出治疗范式变革潜力，如靶向GIPR的创新口服小分子拮抗剂ISM0676，在临床前肥胖模型中与司美格鲁肽联用达成31.3%的体重减轻，有望克服停药后反弹、肌肉量流失等GLP-1药物的关键短板。

更深层的一致性在于未来愿景的默契。

英矽智能创始人兼首席执行官Alex Zhavoronkov曾表示，“长寿研究是我的第一目标，我要么为此做出贡献，要么为此而死。”他在创办英矽智能的同年发起ARDD（衰老研究和药物发现大会），并见证其发展为抗衰老领域规模最大的盛会之一。

在2025年第12届ARDD上，礼来分子发现总裁Andrew Adams提出：“GLP-1领域可能诞生世界上首款抗衰老药物”，被业内视为顶尖MNC首次将抗衰战略纳入核心研发叙事。有研究表明，GLP-1药物显示出改善线粒体能量代谢、减少慢性炎症、显著降低心血管与肝脏疾病风险，甚至在部分人群中发现与生物学年龄指标的年轻化趋势相关。

在看似渐进、实则加速的合作深化中，礼来与英矽智能形成了AI for Drug Discovery技术供给与战略需求的高度匹配。

短短3年内，英矽智能与礼来就跑通了“软件服务－研发合作－管线授权”的长期战略合作，并延伸至股权投资的资本协同：

在BD交易逻辑中，合作关系的可持续性，源于由浅入深的信任递进。对于英矽智能，礼来是软件服务客户、管线买家、股权投资人，更是首个以全链条合作完成生态绑定的顶级MNC。

基于AI驱动的药物发现及开发平台Pharma.AI，英矽智能在制药领域核心为“双引擎”模式：一为药物研发及合作授权，二为商业化软件授权。业务逻辑上，通过将软件解决方案授权给MNC及上下游厂商，与潜在BD客户实现高接触（High-Touch）互动——从一次性服务订阅的“软件好用”“合作靠谱”到“资产值得买”的信任增值。

尤其，随着使用数据积累、工具定制化迭代与实验室正向反馈，客户在平台的研发沉淀，既是管线价值的评估点，又转化为BD谈判的优先筹码。长此以往，网络效应与锁定效应相互强化，英矽智能与客户形成深度绑定的共生关系。

这套生态网络支撑了英矽智能当前的AI核心叙事——搭建以产业信任为护城河、可持续产出医药资产的AI创新工厂；基于极高的研发投入产出比与极低的时间等边际成本，跳出单纯Biotech的资产定价框架。

2026年1月，礼来与英伟达在JPM大会上宣布联合成立AI联合创新实验室，未来五年将共同投入超10亿美元，全面重构药物研发全链条。2月，这个由制药公司完全自有运营的AI工厂“LillyPod”正式启动，内置了1016颗英伟达Blackwell Ultra GPU，整体算力高达9000 Petaflops。

MNC大手笔合作科技巨头、AI大厂，已不是新鲜事。新的叙事是，药企正将大规模、高质量的医药研发垂类数据，打造成平台化、可复用的商业化资产。

2025年9月，礼来推出人工智能和机器学习（AI/ML）平台Lilly TuneLab。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。首批超十几家Biotech已经入选，可以免费访问该平台数据与模型。

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。

异曲同工的是，2026年年初，英矽智能发布大语言模型训练框架Science MMAI Gym，拥有覆盖1000+药物研发基准测试与约1200亿token的高质量制药领域数据，旨在助力如GPT、Claude、Gemini、Grok、Llama、Mistral等通用LLM进行系统化“传授”，使其能够以现代制药研发所需的精度在药物化学、生物学和临床开发方面展开推理。简单来说，MMAI Gym将为通用型LLM打造一个专业化“训练场”，训练出一个专注于药物研发的垂直应用模型。

英矽智能已完成了这一路径的首次验证——3月初，与专注液态基础模型的Liquid AI推出首个轻量科研基础模型LFM2-2.6B-MMAI（v0.2.1）。仅基于26亿参数和本地部署（on-premise）环境，经MMAI Gym训练的LFM2-2.6B-MMAI可支持200余种药物研发任务类型，实现与规模大10倍的系统相当甚至更优的表现，例如分子优化成功率最高达98.8%。

Lilly TuneLab和Science MMAI Gym的迭代逻辑是一致的，即解决AI制药垂类大模型的根本矛盾：缺乏影响决策和训练模型所需的大规模、高质量医药研发垂类数据。

需要明确，AI制药核心价值/药企自主研发价值，与未来AI基础设施服务商的价值并不冲突。

具体来看，英矽智能在“高接触服务－资产BD授权”链条外，新增一条更具野心的第二曲线链路——向AI大模型公司输出制药能力，成为AI基础设施服务商。与此同时，其作为AI制药公司的核心能力并未让渡：高价值专有实验数据、内部验证算法、端到端的一体化发现工作流，以及药物发现与实验验证持续生成的新数据。

某种程度而言，训练式模型和数据共享项目遵循初创公司路径——应用深厚的行业知识（Know-how）和技术壁垒（独有的高质量数据/应用经验），形成专有的平台化资产。在商业层面，平台授权、定制化、新模型分成、管线资产分成等方式，将为药企带来更灵活的商业机会。在市场层面，头部科技大厂往往才拥有垂直赛道与应用细分规划，尽早布局意味着抢占话语权地位。

Alex Zhavoronkov曾在采访中表示，与头部LLM开发者与研究团队在数据与评测层面的协同，可获取对新模型架构、推理技术与训练方法的洞察，加速创新，并与AI前沿保持紧密连接。

传统的AI制药（Biotech）模式本质上是项目制的，其收入受制于管线合作的数量、阶段与交付周期，增长曲线存在天然波动。而将AI制药能力和一线数据输出为平台化产品，不应简单理解为从“亲自挖矿”转向“出售铲子”，而是既做挖矿、卖矿的人，也做共同研发新铲子的人。