" 华为制药军团不做药 " 冲上热搜，熟悉的话术、相似的打法，很多人看完第一反应：这股味道，和当年华为宣布 " 不造车 " 如出一辙。

10 月 24 日，南京，第十一届医药创新与投资大会上，华为制药军团总裁樊杰再次对外划清边界：华为不做药、不自研药物管线、不当药企，定位是医药行业的 AI 赋能者。

2025 年 12 月，制药军团正式组建，和早年的煤矿军团、智慧公路军团逻辑一脉相承。而放在整个华为的跨界故事里，最容易让人联想到的，就是智能汽车业务那句经典表态：华为不造车，帮助车企造好车。

同样是巨头跨界进入一个强监管、重专业的实体行业；同样开篇就主动表态，自己不做终端成品，不和行业原有玩家抢管线、抢牌照；同样手握底层算力、软硬件、工具链这套底座能力，对外输出基础设施，把产品定义和最终责任留给行业内的合作方。

一套配方，换了一个赛道。

为什么偏偏是药厂

华为挑行业，从来不是随手一指。

第一层原因是钱在涌入。

2025 年，中国创新药一共完成 157 起对外授权交易，交易总额 1356.55 亿美元，光首付款就有 70 亿美元。

樊杰自己的判断是，医药被认为是创新和蓬勃增长的行业。钱进来了，研发就停不下来；研发停不下来，算力的单子就有得做。

第二层原因是差距。

樊杰说过一句很直白的话：中国出现年收入千亿元的药企才正常，而现在还没有。空间摆在那儿，谁先把研发效率做上去，谁就先跑到前面。

第三层原因是路径。

华为不是第一次进这扇门。2021 年华为云就发布了盘古药物分子大模型，此后又和西安交大一附院合作，把新抗生素的设计周期从数年压缩到数月。

2022 年第二批军团里有运动健康军团，再往后，华为的数字化方案进了医院的就医流程和病理阅片。

从手腕上的表，到医生看的片子，再到药厂里的分子，这条路是一步一步走进去的。2025 年 12 月成立的制药军团，只是落在这条线的末端。

药企真正的瓶颈，卡在算力上

新药研发有个残酷的 " 双十定律 "：

一款新药从研发到上市，平均耗时十年以上，投入超十亿美元。

德勤追踪的全球 20 家药企，单款药物从发现到上市的平均成本已经抬到 26.7 亿美元，而临床整体成功率不足 10%。

III 期临床更是业内公认的 " 死亡之谷 "，失败率常年在 40% 到 50%，这一阶段的花费占到整个临床投入的六成以上。一旦失败，前面所有投入付诸东流。

值得注意的是，药企当下真正的瓶颈，早就不是找不到候选分子。

AI 生成分子的效率越来越高，候选分子并不稀缺。药企最烧钱的环节，是不断投入资源去验证、筛掉那些疗效不足、存在安全隐患的分子。

想要更早识别失败分子、省下巨额研发成本，卡点卡在算力底座上。

樊杰在会上给了一组对比：

国内不少药企的 AI 计算集群，还停留在 8 卡、16 卡、32 卡的规模；而真正训练复杂模型，起步就是 64 卡，动辄上百卡、上千卡。互联网和金融行业早已普及千卡、万卡集群，制药行业还在几十卡的量级上打转。

更要命的是，买 AI 卡不等于拥有可用算力集群。

医药行业的算力，首先要满足药监合规、可报备监管；大量计算卡要稳定组网互联，几百张卡能不能当一张使，是另一层功夫；模型和硬件之间还要完成复杂的算子适配。三件事叠加在一起，绝大多数药企没有能力自建。这就是制药军团切入的机会。

不做药，华为在药厂里卖什么

樊杰曾被问到，既然本质是算力业务，为什么叫制药军团，而不是算力军团？他的回答很关键：因为需要一批懂药的人来做这个事。

华为给自己的定位是 " 懂行的底座提供者 "。

不卖药，卖的是整套算力基础设施与配套工具链，核心能力分三块。

第一块是合规可监管的本地化算力。

昇腾的卡，加上智算服务器、存储和网络设备，部署在药企自己的环境里。

第二块是大规模集群组网方案。

华为目前握有 1024 卡的昇腾超节点方案，已和两家药企落地百卡算力集群项目，单个项目投资规模接近亿元，这种体量在国内医药行业还很少见。

第三块是算子适配工具。

算子是模型调用计算硬件的那层指令，适配做得好和做得差，性能能差十倍。过去做一次适配要三四个月，现在借助工具链和 AI 编程，最快一两天就能完成，药企上手国产算力的门槛被大幅拉低。

华为与昌平实验室合作的 TorchFold 是一个可观测的样本：

AlphaFold 新一代走向闭源后，昌平实验室基于昇腾算力把蛋白质结构预测模型重新写了一遍，实测精度与 AlphaFold 对齐。

华为与广药集团、望石智慧的联合项目则给出概念验证结果：苗头化合物发现周期有望从 12 到 18 个月压缩到 1 到 3 个月。

同时，华为立下一条清晰红线：上不碰应用，下不碰数据。

本地化部署，研发原始数据不出厂，数据主权完全归药企；分子设计交给深势科技、望石智慧、分子之心这些 AI 模型公司，药效验证、临床试验、药监审评的全部责任，依旧由药企承担。

樊杰的总结是：华为不是颠覆医药行业，只是做加持。

这和汽车赛道的分工高度相似。

华为提供智驾、座舱、计算平台等底层技术，整车制造、整车安全、产品最终责任由车企承担。

车出问题，华为不背整车的锅；药临床失败，算力底座也不替管线风险买单。

绕不开的难题：数据孤岛与行业挤泡沫

这套模式并非没有软肋。

华为可以降低算力门槛、提升模型适配效率，却无法打通医药行业根深蒂固的数据孤岛。

樊杰自己把问题拆成两层：

药企内部，早研、湿实验、临床数据互相割裂，分子在临床被刷掉，连错在哪儿都不知道；医院端，临床数据牵扯隐私、合规、可信空间和利益分配，不是一家底座服务商能拍板的。

华为能做的是搭建 " 可用不可见 " 的可信计算通道，路修好了，数据愿不愿意流通，决定权在药企和医院手中。

而且，AI 制药赛道还处在挤泡沫的阶段。

海外明星公司接连遇挫：Recursion 在 2025 年砍掉多条临床管线、裁员约 20%，全年净亏损 6.45 亿美元，英伟达已在 2025 年第四季度清仓其全部持股；Exscientia 被并购，薛定谔裁员收缩管线。

由 AI 从头设计、走完临床、最终获批上市的新药，到今天一款都没有出现。行业热度退潮之后，药企反而更倾向于把算力集群这种重资产、高运维压力的基础设施外包出去，这恰是华为的机会窗口。

竞争也在加剧。2026 年 1 月，英伟达宣布与礼来共建 AI 联合创新实验室，五年内最高投入 10 亿美元；字节跳动把 AI 制药业务分拆为独立公司，首轮融资 2.9 亿美元。

算力巨头们都盯上了这条赛道。

熟悉的味道，不一样的考卷

大家之所以联想到华为汽车，心里还藏着一层顾虑：

今天只做赋能、只做底座，长期会不会一步步深度介入产业链？

药品和汽车一样，都是直接关乎生命安全的强监管品类。

AI 干实验、分子模拟筛选再快，也替代不了严谨的一期、二期、三期临床试验，替代不了随机双盲对照试验，更替代不了上市之后长期的不良反应监测。华为提出希望把原本四周的干实验压缩到一天，甚至一小时。

提速本身是行业乐见的方向，但速度永远不能凌驾于安全之上。

说到底，华为入局 AI 制药，本质是一场底层基础设施生意。

它不抢药企做药的饭碗，而是提供药企做药离不开的算力铲子。药研发成功，它是生态赋能伙伴；管线折戟，研发风险归药企。这一套风险切割、底层赋能的玩法，和当年 " 不造车，帮车企造好车 " 的叙事如出一辙。

相似的开局，能不能走出不一样的结局，最终要看两件事：

这套算力底座能不能实实在在降低新药研发成本、兑现效率价值；

整个生态能不能守住底线，算力提速，绝不以牺牲药品安全为代价。

END