必治妥施貴寶BMY

BMS 準備部署 8 套 NVIDIA DGX Vera Rubin NVL72。依 NVIDIA 公布的每套 72 顆 Rubin GPU 推算，總數是 576 顆。 禮來則與 NVIDIA 建立共同創新實驗室，五年投資上限 10 億美元。 對投資人來說，重點不在誰的機房最壯觀，而是這些支出能否縮短研發循環、提高候選藥品質，最後落到管線價值與資本報酬率。 ━━━━━━━━━━━━━━ 📊 01｜同樣叫 AI，資產負債表上的意義不同 2026 年大藥廠的 AI 投入，可以拆成三類。 第一類是算力資本支出。 BMS 建置 Vera Rubin AI factory；Roche 新增 2,176 顆 Blackwell GPU，合併雲端資源後超過 3,500 顆。這類投資的優點是資料留在受控環境、運算需求可自行排程，缺點是折舊、電力、散熱與軟體維運都會跟著進來。 第二類是企業平台。 BMS 把 Claude Enterprise 導入超過 3 萬名員工；美國默沙東與 Google Cloud 簽下多年、最高 10 億美元合作；諾和諾德則與 OpenAI 合作，計畫一路覆蓋研發、製造、供應鏈與商務。 這一層短期較容易看見文件時間縮短、知識搜尋改善與行政成本下降，卻很難直接拆出「多賣了多少藥」。若公司只公布使用人數，沒有研發週期、實驗吞吐量或品質指標，投資人仍缺一塊關鍵拼圖。 第三類是研發閉環。 禮來與 NVIDIA 的 10 億美元實驗室最有野心：AI 端提出設計，機器人濕實驗回傳結果，再讓模型繼續學習。這套循環若能跑通，價值會落在每一輪「設計—實驗—修正」的時間與成本，而不是模型參數。 三類投入不能用同一把尺比較。買 GPU 是資產；買企業模型是工具；把模型接進可重複的實驗流程，才可能重塑研發生產力。 ━━━━━━━━━━━━━━ 🧬 02｜護城河藏在失敗資料裡 AI 新創常強調演算法，大藥廠手裡的王牌卻是專有資料。 一款藥為何在動物有效、進人體卻失敗？某個化合物的毒性在哪一種劑量突然升高？哪些病人看似同一疾病，分子機制卻完全不同？這些負面結果很少完整出現在公開論文，卻可能改變下一個專案的決策。 BMS 表示，AI 已參與所有小分子與多數大分子計畫的設計。這代表 AI 已深入日常研發，仍不能推論成功率提高。投資人應該等待更硬的營運訊號：候選藥提名時間、每輪實驗週期、進入臨床前的淘汰率，以及後續人體資料。 Schrödinger 7 月推出的 Bunsen，則展示另一種商業模式：把物理模擬與代理人包成可規劃、執行、解讀的軟體服務。官方沒有說 BMS 是 Bunsen 客戶，兩者不應被硬連。對軟體供應商而言，可觀察指標會是早期客戶轉正式商用、訂閱收入與運算使用量，而不是一次產品發表。 ━━━━━━━━━━━━━━ 🧪 03｜一期 80%到90%，不能拿來估上市機率 2024 年一篇回顧曾觀察到，AI 原生公司候選藥的一期成功率約 80%到90%。這個數字很吸睛，也很容易被估值模型誤用。 首先，樣本仍小，「AI 發現」沒有一致定義，公開項目還可能帶有選擇偏差。其次，一期偏重安全性、耐受性與劑量；到了二期，該回顧觀察到的成功率約 40%，已接近歷史平均。AI 也許能提高分子的成藥性，但它還沒有證明能解開每一種疾病的生物學。 臨床前緣目前有兩個案例： • rentosertib：71 人、12 週 IIa 期隨機對照研究，最高劑量組肺活量次要終點出現訊號；樣本小、退出率不低，仍需更大、更長試驗。 • MDR-001：MindRank 的口服小分子 GLP-1 藥物，已在中國啟動約 750 人三期。這是重要進度，但公司摘要不能代替三期結果與完整同儕審查。 因此，市場可以給「速度」溢價，還不該給「臨床成功率已提升」的滿額溢價。 ━━━━━━━━━━━━━━ 💰 04｜投資人該看哪四個數字？ 一、週期：從標靶確認到候選藥提名，實際縮短多少？ 二、吞吐量：同一時間能完成多少設計與實驗循環？ 三、淘汰品質：是否更早剔除毒性高、成藥性差的分子？ 四、臨床轉換：二期與三期成功率是否出現可重複的改善？ 前兩項可在幾季內看到，後兩項可能要等好幾年。這也解釋了為什麼 NVIDIA、Google Cloud、Anthropic 等基礎設施與平台商，較早拿到收入；藥廠端的報酬則要穿過漫長的臨床時鐘。 ━━━━━━━━━━━━━━ 🇹🇼 05｜台股有生態系關係，沒有特定藥廠訂單證據 NVIDIA 公布的 Vera Rubin 供應鏈包括台積電、矽品、鴻海、廣達旗下 QCT、緯創、英業達與和碩等台灣業者，涵蓋晶片、封裝、系統與整機。 目前沒有公開資料把 BMS 或 Roche 的設備採購，直接對應到其中任何一家台廠。因此這裡只能視為 AI 伺服器整體需求的觀察鏈，不能寫成特定藥廠訂單，也不宜用藥廠新聞直接推估台廠營收。 若沿著事件本身追蹤，美股可分成三層：藥廠端的 BMY、LLY、MRK，算力端的 NVDA，以及研發軟體端的 SDGR。它們的收入兌現時鐘完全不同，不能混成同一種 AI 概念股；Roche、Novo Nordisk、Sanofi 也各有不同的產品與市場風險。 ━━━━━━━━━━━━━━ 結論 大藥廠的 AI 戰爭已經進入重資本階段，贏家卻不會由 GPU 數量直接決定。 短期看平台商的訂單與軟體滲透；中期看藥廠能否把實驗週期、候選藥提名與淘汰效率做出可量化改善；長期只認人體臨床與新藥核准。 576 顆 GPU 和 10 億美元，讓這場競賽有了聲量。臨床終點，才會決定它有沒有價值。 — 風險提醒：本文為產業資訊整理，不構成投資建議。合作金額多為投資上限或多年承諾；公司所稱效能、規模與研發改善，均需等待實際營運與臨床資料驗證。 資料來源：BMS、NVIDIA、禮來、Roche、Merck、Novo Nordisk、Sanofi、Schrödinger 官方公告；《Nature Medicine》rentosertib IIa 期論文；Drug Discovery Today 2024 年回顧。