\"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，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。
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。
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。
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。
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。
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。
参考资料：
每日经济新闻：《对话华为制药军团总裁樊杰：华为不是药企和AI模型公司，而是“懂行的底座提供者”》 https://www.mrjjxw.com/articles/2026-10-28/4623766.html海报新闻（腾讯新闻转载）：《既不做药也不做管线，华为要做制药行业的智能底座》 https://news.qq.com/rain/a/20261027A02UHK00蓝血研究：《华为成立制药军团，但表示：“我们不做药”》 http://mp.weixin.qq.com/s?__biz=MzIyNzM5MDA3Mg==&mid=2247489849&idx=1&sn=0299ebe4bc12b642e038eaf86ae5ff16同花顺财经：《华为杀入制药圈，想把算力技术卖给医药企业》 https://m.10jqka.com.cn/20261030/c681305008.shtmlIT之家（今日头条转载）：《华为制药军团总裁樊杰明确“华为不做药”，希望成为AI制药产业技术底座》 https://www.toutiao.com/article/7702096808407548442中国基金报：《科技巨头竞相入局，AI制药谁将笑到终局？》 https://www.chnfund.com/article/AR0a73eea0-fc73-832e-2649-3a248a72614e腾讯新闻：《生命科学爱好者李彦宏押注AI制药，百图生科赴港IPO》 https://news.qq.com/rain/a/20260318A01TXH00
正配网提示：本文来自互联网，不代表本网站观点。
