禮來推出 TuneLab：開放 10 億美後設資料訓練的 AI 藥物研發模型

搞藥物研發的人都知道，AI 製藥最大的痛點從來不是算力或者演算法模型，而是資料。

小公司沒有幾億美元去拿數十萬種化合物做實驗，即便有頂尖的演算法團隊，訓練出來的模型往往也是「巧婦難為無米之炊」。

製藥巨頭禮來（Eli Lilly）宣佈推出一個名為 Lilly TuneLab 的平臺，決定把自家的核心資產向生物技術初創公司敞開。首批上線的 AI 模型背後，是禮來耗資超過 10 億美元積累的實驗資料。

拿 10 億美後設資料做跳板，但要用資料換

這套平臺整合了禮來數十年沉澱下來的藥物處置、安全性和臨床前資料集，涵蓋數十萬種獨特分子的實驗結果。

禮來首席科學官 Daniel Skovronsky 把 TuneLab 形容為一個「拉平差距的工具」，希望讓小公司也能用上禮來科學家每天都在用的 AI 能力。

不過，天下沒有完全免費的午餐。想要用上這些昂貴的模型，入選的生物技術合作伙伴必須做出交換：貢獻出自己的訓練資料，以此來持續迭代整個平臺的模型能力。

為了打消初創公司對核心機密洩露的顧慮，TuneLab 交由第三方託管，並採用了聯邦學習架構。在這種隱私保護機制下，無論禮來還是參與的公司，都不需要直接公開自家的底層專有資料，演算法可以在不出庫的前提下完成協同訓練。

禮來還透露，接下來還會加入獨家提供的體內小分子預測模型，進一步強化平臺的預測深度。

為什麼重要

我們認為，禮來這步棋下得非常聰明，表面上看是在「做慈善」扶持早期藥企，實際上是在打一場極高明的資料生態壟斷戰。

對中小型 Biotech 公司來說，值不值得試？答案是顯而易見的。絕大多數初創藥企被困在臨床前驗證的巨大資金黑洞裡，TuneLab 相當於直接把價值 10 億美元的試錯經驗打包給了你。能在早期淘汰掉明顯走不通的分子結構，就能省下數以千萬計的真金白銀。

但這裡的隱患也同樣擺在明面上。資料交換是參與的門檻，即便有聯邦學習這層安全網，初創藥企最值錢的依然是自己獨有的生物靶點與專有資料。把這些輸入到受禮來主導的模型體系中，會不會在無形中讓自己的護城河變窄，是每個團隊創始人都要權衡的籌碼。

對整個行業而言，製藥巨頭通常習慣用收購或早期風險投資來收割新藥管線，禮來旗下本來就有專門做早期投資的 Lilly Ventures 和共享實驗室 Gateway Labs。現在 TuneLab 成了 Catalyze360 生態裡的資料抓手。

換句話說，禮來正在建立一個從資料工具、實驗室空間到股權投資的全套閉環。其他跨國藥企如果拿不出同等量級的資料共享方案，未來在早期創新管線的爭奪上，恐怕會被禮來甩開身位。