礼来推出 TuneLab：开放 10 亿美元数据训练的 AI 药物研发模型

搞药物研发的人都知道，AI 制药最大的痛点从来不是算力或者算法模型，而是数据。

小公司没有几亿美元去拿数十万种化合物做实验，即便有顶尖的算法团队，训练出来的模型往往也是「巧妇难为无米之炊」。

制药巨头礼来（Eli Lilly）宣布推出一个名为 Lilly TuneLab 的平台，决定把自家的核心资产向生物技术初创公司敞开。首批上线的 AI 模型背后，是礼来耗资超过 10 亿美元积累的实验数据。

拿 10 亿美元数据做跳板，但要用数据换

这套平台整合了礼来数十年沉淀下来的药物处置、安全性和临床前数据集，涵盖数十万种独特分子的实验结果。

礼来首席科学官 Daniel Skovronsky 把 TuneLab 形容为一个「拉平差距的工具」，希望让小公司也能用上礼来科学家每天都在用的 AI 能力。

不过，天下没有完全免费的午餐。想要用上这些昂贵的模型，入选的生物技术合作伙伴必须做出交换：贡献出自己的训练数据，以此来持续迭代整个平台的模型能力。

为了打消初创公司对核心机密泄露的顾虑，TuneLab 交由第三方托管，并采用了联邦学习架构。在这种隐私保护机制下，无论礼来还是参与的公司，都不需要直接公开自家的底层专有数据，算法可以在不出库的前提下完成协同训练。

礼来还透露，接下来还会加入独家提供的体内小分子预测模型，进一步强化平台的预测深度。

为什么重要

我们认为，礼来这步棋下得非常聪明，表面上看是在「做慈善」扶持早期药企，实际上是在打一场极高明的数据生态垄断战。

对中小型 Biotech 公司来说，值不值得试？答案是显而易见的。绝大多数初创药企被困在临床前验证的巨大资金黑洞里，TuneLab 相当于直接把价值 10 亿美元的试错经验打包给了你。能在早期淘汰掉明显走不通的分子结构，就能省下数以千万计的真金白银。

但这里的隐患也同样摆在明面上。数据交换是参与的门槛，即便有联邦学习这层安全网，初创药企最值钱的依然是自己独有的生物靶点与专有数据。把这些输入到受礼来主导的模型体系中，会不会在无形中让自己的护城河变窄，是每个团队创始人都要权衡的筹码。

对整个行业而言，制药巨头通常习惯用收购或早期风险投资来收割新药管线，礼来旗下本来就有专门做早期投资的 Lilly Ventures 和共享实验室 Gateway Labs。现在 TuneLab 成了 Catalyze360 生态里的数据抓手。

换句话说，礼来正在建立一个从数据工具、实验室空间到股权投资的全套闭环。其他跨国药企如果拿不出同等量级的数据共享方案，未来在早期创新管线的争夺上，恐怕会被礼来甩开身位。