2026年，全球最赚钱的制药公司正在经历一场身份焦虑。
8月10日，丹麦制药巨头诺和诺德宣布与亚马逊云科技（AWS）建立战略合作伙伴关系。AWS成为诺和诺德的首选云服务提供商和战略AI合作伙伴，双方将在伦敦设立联合创新中心，依托亚马逊的智能体AI和云技术加速药物发现，目标直指缩短从靶点识别到首次人体给药的研发周期。
这已经是诺和诺德在2026年签署的第二份重量级AI合作协议。四个月前，它刚刚与OpenAI达成全域战略合作，将AI智能体植入制造、供应链和企业运营，计划年底前完成全面整合。一年之内，诺和诺德同时绑定了AI领域最炙手可热的两家公司，OpenAI提供“业务操作系统”，AWS提供“研发操作系统”。
这不像一家保守的欧洲药企会做的事。但它别无选择。
诺和诺德的AI双保险
诺和诺德与OpenAI的合作，覆盖从药物发现到生产制造到商业运营的全链条。CEO Mike Doustdar明确表示，目标是“提高生产力并控制未来招聘速度”，背景是诺和诺德在2026年2月宣布裁减9000个岗位、削减13亿美元年度成本，这是其历史上规模最大的一次重组。
而与AWS的合作，则更聚焦于研发底层。AWS不仅是云服务提供商，更被定位为战略AI合作伙伴。联合创新中心设在诺和诺德伦敦现有设施内，诺和诺德的研发团队将与AWS的工程师、AI专家和应用科学家并肩工作，利用AWS的智能体AI技术和诺和诺德积累数十年的代谢疾病临床数据，加速从靶点发现到首次人体试验的全流程。
两个合作的分工逻辑清晰：OpenAI负责“业务操作系统”，AWS负责“研发操作系统”。但同一时间绑定两个AI巨头，也意味着诺和诺德需要同时管理两套技术栈、两套数据治理框架和两套合作路线图，这种复杂性本身就是一种风险。
诺和诺德的“双AI伙伴”策略，放在全球制药行业的大背景下，更像是一种防守。
2026年以来，全球前20大制药巨头几乎全部与AI公司建立了深度合作。礼来与英伟达共建AI联合创新实验室，启用名为LillyPod的制药行业最大超级计算机，计划五年内投入最高10亿美元；默沙东以10亿美元联手谷歌云构建智能体AI平台，谷歌工程师团队直接嵌入默沙东；BMS与Anthropic达成战略合作，全面部署Claude人工智能系统；罗氏基于Amazon Bedrock构建的Galileo平台已服务超过7万名用户，在研发领域部署了29个AI智能体，是制药行业目前已知规模最大的AI智能体生产级部署。
这些合作的共同特征：合作金额史无前例，AI从“工具”升级为“基础设施”，且合作正在向全链条渗透。诺和诺德如果不做，就将被甩在身后。
为什么是AWS？
诺和诺德的选择并非偶然。在制药行业，AWS的生命科学布局已经深耕多年。
在2026年AWS Life Sciences Symposium上，罗氏展示的Galileo平台让整个行业看到了AI智能体在制药研发中的落地可能。这不是一个概念验证项目，而是服务于超过7万名用户、具备29个AI智能体的生产级基础设施。赛诺菲、BMS等也在同一平台上构建了各自的AI系统。
诺和诺德选择AWS，实质上是选择了一条“基建复用”路径。相比自研AI平台的高昂成本和技术风险，借用AWS已经验证的行业解决方案，可以更快地实现从概念验证到生产部署的跨越。联合创新中心的存在，又保证了诺和诺德能够将自己的专有数据与AWS的技术能力深度结合，而非简单地做一个“云租户”。
把时间线拉长看，诺和诺德在技术基础设施建设上一直保持务实态度。与OpenAI的合作覆盖了业务运营层面的智能化，但AWS的合作则是在研发基础设施层面，两者互补而非重叠。但问题在于，这种“双平台”策略是否可持续？当OpenAI和AWS在AI基础设施层面形成竞争关系时（例如AWS的Amazon Bedrock也提供大语言模型服务），诺和诺德将面临站队难题。
AI制药竞赛进入“算力基建”阶段
如果把2025年之前的AI制药称为“概念验证期”，那么2026年已经进入“算力基建期”。
标志性事件是礼来与英伟达的合作。2026年2月，礼来启用了名为LillyPod的超级计算机，号称“制药行业最大的超级计算机”，并承诺投入10亿美元在湾区建立AI联合创新实验室。罗氏紧随其后，与英伟达扩大合作，部署超过3500块Blackwell GPU，这是制药公司已公布的最大GPU部署规模。
相比之下，诺和诺德选择AWS而非英伟达作为AI基础设施伙伴，走的是一条“云优先”路线。AWS的算力弹性让诺和诺德不需要一次性投入数十亿美元建设自有算力集群，而是按需调用。对于一家正处于营收增长放缓周期（2025年全年营收约433亿美元，增速6%），且面临2026年销售额预期下降5%-13%的公司来说，这显然是一个更可控的财务选择。
但“云优先”也有代价。在AI模型训练和推理效率上，专用GPU集群（如英伟达的Blackwell）通常优于通用云实例。随着AI制药竞赛从“有没有AI”转向“谁的AI更快更好”，算力基础设施的差异可能成为决定性的竞争变量。礼来可以花10亿美元建自己的AI实验室，诺和诺德则选择更轻盈的方式，但轻盈的另一面，可能在几年后显现为效率差距。
诺和诺德的AI焦虑
理解诺和诺德为什么如此急切地绑定AI，需要回到它正在面临的商业困境。
2025年，诺和诺德全年营收约433亿美元，司美格鲁肽三大品牌（Ozempic、Wegovy、Rybelsus）合计贡献约361亿美元，占比超过83%。这是一个极度依赖单一产品线的收入结构。任何威胁到司美格鲁肽地位的因素，都直接威胁到诺和诺德的生存根基。
2026年，公司预计销售额将下降5%-13%，这是自2017年以来首次年度销售下滑。原因很简单：礼来追上了。
在GLP-1注射剂市场，礼来的替尔泊肽（Zepbound/Mounjaro）2025年实现约365亿美元收入，以微弱优势超越司美格鲁肽的361亿美元，登顶全球“药王”。在美国GLP-1市场，礼来市占率已达约60%，诺和诺德已失去在减肥药领域的主导地位。口服药领域，礼来的Orforglipron在2026年4月以50天创纪录速度获批，而诺和诺德的口服Wegovy虽于2026年1月抢先上市，但先发优势正在被迅速侵蚀。
更致命的是，制药行业几乎没有品牌忠诚度。患者可以轻松从一种GLP-1药物切换到另一种，且切换后很少回流。这意味着，诺和诺德无法像消费品公司那样依靠品牌护城河守住市场份额。
在这样一个市场结构中，诺和诺德唯一的出路就是比礼来更快地推出下一代更好的药物。这正是AI被推上战略核心的原因。
诺和诺德利用AI已经取得了可量化的效率提升，临床研究文档准备时间从超过10周缩短至10分钟。但效率提升只是第一步，真正的考验是AI能否帮助诺和诺德在药物发现端取得突破，缩短从靶点识别到临床验证的周期。
AI制药的“效率悖论”
目前，AI在制药行业最显著的成效集中在运营效率端。强生将临床试验报告撰写时间从700-900小时压缩至15分钟；赛诺菲将mRNA设计时间缩短一半；默沙东超过80%的员工已在应用AI平台。但在药物发现端，即AI能否真正设计出全新的、安全有效的药物分子，行业仍处于早期验证阶段。
波士顿咨询公司的数据显示，AI生成的药物分子在I期临床试验中成功率高达80%-90%，远高于40%-65%的历史行业平均水平。但I期成功不等于最终获批。从I期到上市还有漫长的路要走。BCG追踪的73个AI衍生分子中，进入II期后成功率骤降至约40%。强生首席信息官吉姆·斯旺森在2026年路透社AI大会上坦言：强生目前还无法依靠AI直接研发新药并推向市场，真正实现AI全自动研发新药尚需时日。
诺和诺德与AWS的合作，本质上是想在这个“效率悖论”中寻找突破口。联合创新中心的成立，意味着诺和诺德不再满足于用AI优化现有流程，而是希望将AI嵌入到药物发现的源头，从靶点识别的那一刻起就让AI介入。
但AWS的智能体AI能否真正加速药物发现，仍然是一个开放性问题。通用AI平台在理解特定疾病生物学机制方面，能否比专业AI制药公司（如Recursion Pharmaceuticals、Insilico Medicine）做得更好？诺和诺德选择了一条中间路线，用云厂商的AI基建能力结合自己的专有数据，但这也意味着在AI模型本身的能力上，可能不如与专业AI制药公司深度绑定来得直接。
谁会赢？
这一轮AI制药竞赛，短期内最受益的可能是AWS和英伟达这样的“卖水人”。无论哪家药企最终胜出，它们都需要算力、云服务和AI平台。AWS签下诺和诺德，谷歌云签下默沙东，英伟达签下礼来和罗氏，云厂商和算力厂商正在瓜分制药行业这块巨大的AI蛋糕。
中长期看，竞争焦点将从“谁有AI”转向“谁有更好的数据和模型”。诺和诺德拥有全球最大的代谢疾病、肥胖和心血管疾病临床数据集之一，这是它与AWS合作中最具价值的资产。但数据的价值取决于如何被利用，如果AWS的通用AI平台无法充分消化诺和诺德的专有数据，这笔合作的价值就会大打折扣。
对于关注这一领域的读者，有三个值得持续跟踪的信号。诺和诺德-AWS联合创新中心未来12-18个月是否有AI发现的新分子进入临床，这是衡量合作成败的关键指标。礼来与诺和诺德的AI军备竞赛将如何演变，谁的AI策略更高效，谁就更有可能在下一代GLP-1药物中胜出。云厂商与算力厂商在制药AI领域的竞争格局将如何演化，药企的“站队”选择将影响整个AI制药生态的走向。
诺和诺德一年之内绑定了OpenAI和AWS两个AI巨头。但AI能给它买的，不是时间，而是追赶的机会。真正的答案，要等到诺和诺德的AI管线里，走出第一个自己设计的十亿美元分子。
快报