百时美施贵宝宣布部署基于NVIDIA DGX Vera Rubin NVL72的第二代超级计算机，打造生命科学领域最先进AI工厂，性能提升10倍。该平台将开放给所有科学家，加速药物发现，包括靶点识别、CELMoD化合物扩展及“预测优先”优化，并通过智能体工作流整合跨项目学习，推动研发效率与创新。

Anthropic推出Claude Science，一个旨在加速科学发现和医疗干预的AI工具。该公司计划研发针对“被忽视”疾病的药物，尽管具体细节尚不明确。AI在药物发现的各个阶段都有应用，但药物获得批准仍需大量实验和人力投入。

NVIDIA推出BioNeMo代理工具包，旨在支持生命科学研究。科学家可以通过Claude Science与AI代理进行自然语言互动，从而简化研究流程。该工具包加速了基因组分析和蛋白质结构预测等任务的效率，目前已有18家顶级制药公司在使用BioNeMo，推动AI在药物发现领域的应用。

Genesis Workbench是一个开放的生命科学工作平台，结合NVIDIA加速计算和BioNeMo模型，支持药物发现和研发。该平台通过Databricks环境提供无代码用户界面，方便科学家在本地数据上进行AI分析，提升研发效率并确保数据安全。

2026年北京智源大会聚焦AI前沿技术，汇聚全球顶尖专家与青年科学家，探讨智能体与世界模型的发展。智源研究院发布悟界系列大模型，推动AI从数字世界向物理世界转型。大会强调AI安全与可信性，展示具身智能与药物发现等应用，展望未来AI技术的演进与挑战。

OpenAI于2026年推出了GPT-Rosalind，旨在支持生物学、药物发现和转化医学研究。该模型帮助科学家理解疾病、开发新疗法，并关注生物安全。同时，OpenAI推出了Rosalind Biodefense计划，以增强生物防御和疫情应对能力，确保技术的负责任使用。

GPT-Rosalind系列模型更新，专为生命科学研究设计，提升了药物发现智能和工具使用能力。该模型在生物学、药物化学和基因组学等领域表现出显著提升，通过LifeSciBench基准测试在科学证据处理、分析和优化等任务中表现优异。现已向全球合格组织开放，旨在加速科学发现和药物研发。

谷歌DeepMind首席执行官Demis Hassabis在Google I/O大会上表示，公司的目标是重新构想药物发现过程，以期解决所有疾病。他提到的Gemini for Science是一组实验性AI工具，旨在帮助研究人员进行新发现。尽管AI在医学研究中发挥了重要作用，但医学突破需要时间，AI的应用仍面临伦理和监管挑战。

康纳·科利在化学与机器学习交叉领域工作，专注于新药物化合物的发现与设计。他利用人工智能分析大量化学化合物，预测反应路径，加速小分子药物的发现。科利的研究结合化学工程与计算机科学，开发计算模型，帮助制药公司识别潜在新药分子。

谷歌DeepMind首席执行官Demis Hassabis在Google I/O大会上表示，人类正处于一个“深刻时刻”，并可能在“奇点的山脚”。他介绍了“科学的Gemini”工具，旨在重塑药物发现，最终解决所有疾病。他预测到2030年前实现通用人工智能（AGI）的可能性为50%。

OpenAI推出了GPT-Rosalind，这是一个专为生物学、药物发现和转化医学研究设计的推理模型，旨在加速科学工作流程，帮助研究人员更快生成和评估新想法。该模型支持证据综合、假设生成和实验规划，已在ChatGPT和Codex中提供，并与多家生物科技公司合作，推动科学发现。

多智能体系统加速跨学科研究，AiChemy结合外部MCP服务器与化学库，分析数据以发现新模式，识别疾病靶点、药物候选及文献验证，支持药物发现流程，并利用化学相似性生成新化合物。

罗氏与基因泰克利用人工智能加速药物发现，90%的小分子项目整合了AI，缩短药物设计时间并提高实验效率。同时，罗氏通过数字双胞胎技术优化制药生产，加快新设施开发。

Lilly TuneLab是一个基于Lilly数据的AI药物发现平台，采用NVIDIA FLARE的联邦学习架构，确保数据隐私。参与公司越多，模型越完善，推动生物技术生态系统的AI应用。

现代合成化学面临知识碎片化和应用效率低的问题。耶鲁大学提出的MOSAIC模型将大语言模型转化为专业化学专家协作系统，提升合成指导的准确性和效率，整合化学知识，提供高可重复性的实验流程，助力药物发现与材料开发。

BoltzGen是一种新型AI模型，能够从零开始生成针对生物目标的蛋白质结合物，推动药物发现。它结合了蛋白质设计和结构预测，经过严格测试，展示了在难以药物化靶点上的潜力，预计将加速药物设计并改变生物分子设计的未来。

AI工厂将用于训练大规模生物医学模型，支持药物发现与开发。Lilly TuneLab平台利用NVIDIA FLARE的联邦学习基础设施，确保数据隐私，随着参与公司增多，模型将不断完善，推动个性化药物的发展。