撰稿 | 朱萍、李佳英

在过去几年，行业对AI制药的探讨大都围绕着人工智能能否更快地发现新药的方向。但对大型制药公司而言，即使AI能够设计出更有潜力的分子，如果药物无法有效抵达目标组织和细胞，前端的设计优势仍然难以转化为治疗价值。

2026年，礼来的几笔交易和技术合作，正把这个问题推到台前。从与英伟达旧金山湾区共建AI Co-Innovation Lab研发基础设施，到与英矽智能合作发现新药，再到与Profluent探索AI设计的基因编辑工具、收购体内基因递送公司Kelonia，礼来的布局已延伸至药物研发多个关键环节。如今它又与中国AI药物递送公司剂泰科技达成LNP战略合作，进一步用生成式AI平台探索组织特异性递送技术。

据了解，此次剂泰与礼来双方将围绕新型脂质纳米颗粒（LNP）递送解决方案开展研究，剂泰科技将收取一笔逾千万美元的首付款，并有资格获得总额最高可达11亿美元的开发、监管及商业里程碑付款。此外，剂泰科技还可获得基于合作产品年度净销售额个位数百分比的分级特许权使用费。

这笔合作值得关注的地方，不只是国内首个生成式AI-LNP平台出海大单，而是礼来正在以不同方式补充AI研发能力：有的投向基础设施，有的投向药物发现，有的直接收购获得技术平台，而剂泰所切入的，是核酸及其他复杂治疗模式面临的递送难题。

当AI制药的竞争从能否设计出药物延伸至能否让药物在人体内有效发挥作用，递送技术也开始成为大型药企重新评估的战略资产。递送的争夺只是开始，正如剂泰科技董事长兼首席执行官赖才达博士在公司中报发布时所言，他的目标是推动NanoForge平台能力从单一药物递送设计，升级为覆盖蛋白、核酸、递送系统及细胞状态的全要素系统性设计，加速进入“可编程生命”时代的Biological AI新阶段。

近两年礼来在AI领域动作频频，单与一些药企主要采购软件或开展单一研发合作不同的是，礼来在同时建设内部基础设施、外部技术合作网络和面向新治疗模式的研发能力。

2025年10月，礼来宣布与英伟达合作建设AI超级计算系统，借助算力提升分子识别、优化和验证能力，并将AI延伸至制造、医学影像和企业智能体等场景。2026年1月，双方进一步宣布建立AI联合创新实验室，计划五年内共同投入最高10亿美元，整合药物研发人员、AI研究人员和工程师，利用大规模计算、实验数据及机器人技术推动药物发现。

在具体药物发现层面，礼来与英矽智能的合作也在加深。2026年3月，双方宣布扩大合作，交易潜在总额最高达27.5亿美元，其中含1.15亿美元首付款。合作既涉及英矽智能部分临床前候选药物的全球授权，也包括多个研发项目，表明礼来希望获得的不仅是AI工具使用权，还有AI平台产生的候选药物资产及后续开发机会。

基因编辑是另一条路线。2026年4月，礼来与Profluent宣布合作开发由AI设计的重组酶，探索支持更大规模DNA编辑的遗传药物技术。同月，礼来宣布拟以最高70亿美元收购Kelonia，首付款32.5亿美元。Kelonia的核心技术是经工程化改造的慢病毒颗粒，旨在将遗传载荷选择性递送至体内T细胞，从而在患者体内生成CAR-T细胞。前者关注AI设计的基因编辑工具，后者直接布局体内基因递送和整合。

把这些布局放在一起，礼来的技术版图就比较清楚了：英伟达提供算力及AI基础设施，英矽智能补充AI药物发现能力，Profluent探索新一代基因编辑工具，Kelonia通过非LNP技术路线切入体内基因递送。剂泰此次合作覆盖的，是让这些分子和工具到达靶细胞的最后一公里技术。

这里需要厘清一个容易被忽略的问题：LNP与Kelonia的慢病毒递送系统并非简单的替代关系。不同载荷、细胞类型和治疗目标，对递送系统的要求并不相同。LNP具有支持核酸载荷递送的潜力，但其组织分布、细胞选择性和胞内释放仍面临挑战；Kelonia的工程化慢病毒颗粒则针对体内基因递送和整合需求。两种路线在技术机制、应用场景和开发要求上存在差异，不能仅凭合作时间先后就断定它们分别对应某一种确定的给药策略。

这种技术路径上的差异，恰恰揭示了礼来布局的深层逻辑：当药企开始拓展基因编辑、体内细胞治疗及其他复杂治疗模式时，它需要的可能不是一种通用递送技术，而是能根据载荷、细胞和疾病场景选择不同方案的技术组合。

从这个意义上说，剂泰不是简单地补上礼来AI版图中缺失的一块，而是进入了礼来正在加速拓展的遗传药物和递送技术领域。该公司由美国工程院院士陈红敏博士及MIT科学家赖才达、王文首博士于2020年联合创立，2026年5月13日以"全球AI药物递送第一股"登陆港交所（7666.HK）。前端的分子设计和基因编辑能力，需要与递送、药效验证及后续开发相互配合，才能真正形成药物研发能力。

更值得注意的是，礼来对不同技术的获取方式并不相同。与英伟达合作建设基础设施，与英矽智能开展药物发现和授权合作，与Profluent开发基因编辑工具，再到收购Kelonia，这些安排对应不同的技术成熟度、资产属性和风险承担方式。剂泰与礼来采取战略合作而非直接收购，意味着双方可围绕特定研发目标探索，而不必将整个平台所有权转移给礼来。

因此，与其说礼来把AI制药的“最后一公里”交给剂泰，不如说它正在为不同研发环节配置专业化的外部能力。真正的期待是，剂泰能够在这张全球技术网络中，用生成式AI提供足够独特且可验证的递送能力。

LNP领域并不缺乏积累深厚的企业。以Acuitas Therapeutics和Moderna等为例，传统LNP研发已形成成熟的脂质化学、配方优化、实验筛选及工艺开发体系。AI进入这一领域，并不意味着过去的化学研究和实验方法失去价值，而是试图通过新的计算方法，扩大可探索的结构空间，并提高实验筛选的针对性。

LNP研发的复杂之处，在于脂质结构与递送表现之间并非简单的线性关系。脂质组成、颗粒性质、载荷类型以及体内环境等因素相互作用，同一种结构在不同组织或载荷条件下也可能呈现不同递送表现。研发人员不仅要找到有效结构，还要理解结构与功能的关系，并验证其能否在不同实验条件下重复产生预期结果。

传统方法可通过化学家设计、配方优化和高通量筛选逐步逼近目标，但随着研发目标从器官富集转向组织乃至细胞类型选择性，单纯依赖已有结构进行局部优化可能不足以覆盖更广泛的探索空间。这正是AI-native平台试图切入的地方：不是寻找一个更优版本，而是利用生成模型提出新结构，再通过预测模型和实验验证筛选候选方案。

剂泰的NanoForge平台采用的正是这一思路。其AiLNP（AI纳米递送系统设计平台）负责AI驱动的纳米递送设计，另有AiRNA、AiProtein、AiTEM分别覆盖mRNA序列、蛋白及小分子制剂设计。NanoForge拥有全球首创的AI for Nano脂质从头生成算法、脂质语言基础模型、METiS智能体ALAN及高通量干湿实验闭环平台，已积累超1000万种脂质结构和10万个实验数据点，推进超10条管线，并在8个重要人体器官及组织/细胞靶向递送方向取得突破。

这些信息说明，剂泰试图构建的不是单独的脂质生成模型，而是一套从结构设计到实验验证的研发体系。如果模型能根据实验结果不断更新，平台就有机会减少无效筛选，并将分散在化学设计和实验操作中的知识沉淀为可复用的数据与模型能力。

这套逻辑转化为可验证的技术壁垒，需要更长的时间和展示更多更具体的数据支撑。

首先，超1000万种脂质结构和10万个实验数据点只是开始，证明模型在不同组织、不同载荷条件下具有稳定的预测能力需要时间，甚至一点点运气闯关。对平台型企业而言，数据规模只是起点，数据质量、实验覆盖范围及模型在新任务中的预测效果，才更接近真正的技术价值。

其次，从器官级富集到组织或细胞类型选择性递送，并不是简单地提高一个百分比。研究人员需分别回答载荷是否抵达目标组织、是否进入目标细胞、是否完成有效的胞内释放，以及这一过程是否具备足够的安全性和可重复性。某种脂质在动物实验中表现出较好的组织分布，还需要在人体中证明有效性，才能据此推导出其已具备细胞级选择性。

今年8月，剂泰科技的AiTEM人工智能制剂创新平台已落地恒瑞医药做本地化部署，以加速后者多个管线品种的制剂配方开发。我们期待在未来能看到更多的披露，以独立评估剂泰模型预测误差、细胞选择性量化指标及其与传统方法对照结果的完整数据，更期待看到此次合作后续具体研发项目进入IND阶段或产生临床概念验证结果。

那为什么礼来会选择一家AI平台公司，而不是仅仅向传统LNP技术提供商获取现成配方？一个合理的解释是，双方目标不仅在于获得已有脂质结构的使用权，还在于探索新的结构设计与优化能力。“通过强强联合，我们共同的目标是用AI解锁新一代组织和细胞靶向递送技术，加速药物抵达患者的关键变革。”赖才达表示。如果未来递送需求不断分化，能持续发现和优化新结构的平台，可能比围绕少数成熟配方服务的模式更具扩展空间。

但这并不意味着传统LNP技术路线目前已经触及天花板。现有技术仍在持续优化，成熟配方的工艺、稳定性、安全性及临床经验也构成重要价值。AI生成式设计要想超越传统方法，需通过具体项目中的命中率、研发周期、递送效果和开发成本进行比较。这场赛跑刚刚开始。

对剂泰来说，与礼来的合作提供了一个重要的外部验证场景。大型药企的研发体系可帮助检验平台能否适应真实的药物开发需求，而合作产生的实验结果也有机会进一步丰富平台的数据积累。真正值得期待的，是后续能够产生可重复、可量化、可用于药物开发的递送方案。

礼来与剂泰的合作，折射出AI制药商业逻辑的一项变化：行业价值评估正从单一的分子发现能力，延伸到能影响药物最终表现的递送环节。

过去，AI制药公司经常通过候选药物数量、模型能力和潜在靶点空间证明价值。但随着越来越多企业进入市场，单纯拥有算法或生成大量候选结构，已难充分解释平台的长期商业价值。药物研发的最终目标不是生成一个计算结果，而是获得能经实验验证、具开发潜力并最终可能惠及患者的治疗方案。

递送平台的价值，正是在这一过程中体现。它可能不直接决定药物分子的药理活性，却会影响治疗性载荷能否抵达目标组织、能否进入目标细胞，以及能否在合适的位置发挥作用。对核酸药物、基因编辑和体内细胞治疗而言，递送能力可能影响候选药物能否进入后续开发，甚至决定某些治疗策略是否具有可行性。

这意味着，AI制药并非只会沿着AI发现分子这一条路径发展。药物发现、蛋白设计、基因编辑、递送系统、实验自动化和开发工艺，都可能形成具独立价值的技术平台。不同平台之间既有合作空间也有竞争关系，最终产业结构可能是由多个专业化能力共同构成的研发网络，而非由一家企业掌握所有环节。

对AI递送公司而言，这种变化也可能带来估值逻辑的调整。传统递送技术企业的价值，往往与成熟配方、专利、工艺能力及已验证的应用场景有关；AI-native递送平台则试图进一步证明，自己不仅能提供已有方案，还能持续发现新结构，并将其应用于不同载荷、组织和疾病领域。

如果这一能力得到验证，平台的商业价值就可能不再局限于单个项目。不同药物项目可复用同一套设计和实验体系，平台也有机会通过多项合作积累数据与技术经验。但这种可复用性并不意味着所有项目都能共享同样成功率。不同载荷和疾病场景仍需独立验证，合作中的知识产权归属、数据使用权和后续授权范围，也会影响平台能否真正积累长期优势。

从交易结构看，首付款、研发里程碑和销售提成所代表的意义也不同。首付款体现合作启动时双方对技术和项目的初步认可；研发及监管里程碑取决于后续成果能否达到约定标准；销售提成则需建立在合作产品最终获批并实现商业销售的基础上。潜在交易总额不等于签约时已实现的收入，更不能直接作为平台技术成熟度的替代指标。

因此，真正值得研究的仍是金额背后的交易安排：礼来究竟获得哪些技术或项目权益，剂泰需完成哪些研发目标，双方如何分配开发风险，以及合作成果能否进一步转化为药物资产。这些细节决定了合作对剂泰商业模式的实际影响，也决定了市场应如何评估其平台价值。

另一个值得关注的变化，是中国AI生物技术公司参与全球创新药研发的方式正变得更加多样。过去谈到中国创新药国际化，讨论较多的是单一候选药物的授权交易；而对剂泰这类企业，合作涉及的可能是底层技术平台及其持续产生研发方案的能力。如果平台能在全球药企研发体系中得到反复使用，其价值就可能不再只由某一个药物项目决定。

剂泰和礼来的这笔合作打开了不一样的想象空间，中国AI递送平台成为全球研发基础设施成为一种可能。但真正的变化，需要通过更多合作、持续的研发成果和后续开发数据来确认。这笔交易为观察中国AI生物技术公司如何参与全球药企技术布局，提供了一个具体案例。

回到礼来与剂泰的合作，最值得关注的并不是礼来是否补齐了AI版图中的最后一块拼图，而是大型药企正在重新审视药物研发中哪些环节可通过外部技术创新获得突破。AI发现分子是一种能力，AI设计递送系统则是另一种能力；前者帮助研究人员寻找潜在治疗方案，后者可能影响这些方案能否在人体内发挥作用。只有当两者与实验验证、开发工艺和临床研究真正连接，技术优势才可能转化为药物价值。

未来12至18个月，剂泰与礼来合作的进展值得持续追踪。明确的研发成果，动物实验中展示可重复的组织和细胞选择性，以及这些结果能否进一步支持候选药物开发，都值得期待。

对AI制药而言，递送不是分子发现之后一个可以被忽略的技术环节，而可能是决定AI设计能否走出计算机、真正进入药物研发体系的关键变量。 剂泰与礼来的合作能否证明这一点，将决定这笔交易最终被记住的，是一项受到关注的BD合作，还是AI药物递送平台商业化的一次重要验证。