礼来TuneLab补上“湿实验”一环:金斯瑞、Ginkgo同时接入实验数据能力
礼来正在给自己的AI制药平台补一块关键基础设施。
9月16日,金斯瑞(HK:01548)与Ginkgo Datapoints分别宣布接入Lilly TuneLab。前者将为TuneLab成员提供蛋白表达、纯化和表征等湿实验服务;后者则提供小分子ADME(吸收、分布、代谢和排泄)以及抗体成药性检测。两项合作都指向同一个目标:让AI模型的预测结果更快进入实验室,再把标准化实验数据重新送回模型。
TuneLab是礼来(NYSE:LLY)面向生物科技公司的协作式AI/ML药物发现平台。它向参与企业开放礼来自有模型,这些模型基于20多年、超过50万个临床前数据点训练,覆盖小分子药代动力学、毒理以及抗体成药性等任务。成员还可以通过联邦学习贡献新数据,在不直接共享原始专有数据的情况下参与模型更新。
这次合作的重点,已经从“给企业一个模型”进一步走到“给模型接上实验室”。
AI制药愈发稀缺的是能快速回流的实验数据
AI可以一次生成成千上万个候选分子,但模型给出的高分,并不能直接证明一个分子真的容易生产、稳定、安全,或者能在人体内保持合适的药物浓度——这些问题最终都要通过实验回答。
金斯瑞接入后,TuneLab成员可以把AI筛出的蛋白或抗体序列交给其进行表达、纯化和表征,再获得标准化、可追溯的实验数据。金斯瑞称,这套流程希望缩短从“计算预测”到“生物学验证”的距离。
Ginkgo负责的环节则更接近“分子体检”。其Datapoints平台可以测试小分子的溶解度、代谢稳定性等ADME性质,也可以对抗体进行热稳定性、聚集倾向、自相互作用等成药性检测。Ginkgo表示,这些实验由自动化平台执行,结果以适合机器学习使用的结构化格式返回,并可重新接入TuneLab模型。
由此,一个完整的循环开始形成:模型预测 → 实验验证 → 生成新数据 → 数据回流模型 → 再进行下一轮预测。
这类闭环正在成为AI制药竞争中越来越重要的一环。
模型越来越多,实验开始变成新的“算力”
过去几年,AI制药最受关注的是模型能力:谁能更快生成分子、预测蛋白结构,或者筛出更有潜力的候选物。
当模型逐渐普及,新的瓶颈开始出现在实验端。一个模型可以在几小时内产生大量设计,但真实世界的蛋白表达、细胞实验和药物性质测试依然需要时间和实验资源。如果实验速度跟不上,模型产生再多候选物,也会堵在验证环节。
Ginkgo在公告中直接把这一问题描述为AI模型与实验数据之间的“gap”。公司称,其自动化实验可以把部分结果以机器学习可用格式在数天内返回,不过这一周转时间来自公司自身描述,目前尚缺少统一的第三方对照。
金斯瑞也把重点放在规模化验证能力上。公司此前披露,2026年上半年AIDD(AI驱动药物发现)相关业务同比翻倍,并计划把近期配售募集资金中的较大部分用于自动化高通量湿实验室建设。
这说明AI制药的基础设施竞争,正在从GPU和模型扩展到另一类资源:谁能更快、更稳定地产生高质量实验数据。
TuneLab希望将“模型—实验”变成一整个网络
TuneLab本身的设计就带有很强的网络效应。平台里的企业使用礼来的模型预测分子,同时可以贡献新的训练数据;参与者越多,平台理论上能积累越丰富的数据。现在金斯瑞和Ginkgo这样的实验服务商加入,相当于给这个网络增加了持续生产标准化数据的入口——这对小型Biotech尤其有吸引力。
它们可能拥有自己的靶点和分子设计能力,却没有足够预算自建大规模自动化实验平台。TuneLab如果能把预测模型、实验验证和数据回流串起来,就可以减少企业在不同供应商之间来回拼接流程的成本。
不过,现在还很难判断这套模式究竟能把研发效率提高多少。两项合作都没有披露财务条款,也没有公布实际可处理的样本规模、实验周转时间的基准对照,以及新生成的数据能够让TuneLab模型性能提升多少。Ginkgo所说的“数天返回结果”等指标,也主要来自企业公告。
因此,目前更值得关注的信号,是AI制药竞争正在向实验数据基础设施延伸。
生成一个分子已经越来越容易,下一阶段真正拉开差距的,可能是能否快速判断这个分子到底行不行,并把每一次实验结果继续变成下一轮模型训练的数据。
参考资料
[1] 金斯瑞. 金斯瑞与礼来TuneLab达成重要合作 紧抓AI赋能战略机遇[EB/OL]. (2026-09-16)[2026-09-17].
[2] GINKGO BIOWORKS. Ginkgo Datapoints Announces Partnership with TuneLab to Close the Gap between AI Models and Lab Data[EB/OL]. (2026-09-16)[2026-09-17].
[3] ELI LILLY AND COMPANY. Lilly TuneLab: AI/ML Drug Discovery Models for Biotech[EB/OL]. [2026-09-17].
[4] GINKGO DATAPOINTS. Bio × AI Data Generation Services[EB/OL]. [2026-09-17].

李伯睿
关注:科技/医药/财经
邮箱:borui.li@infocase.world




