华为制药军团不做药，冲上热搜

华为又因为一项意想不到的业务冲上了热搜。

近日，“华为制药军团不做药”登上热搜，引起不少网友围观。

乍一看还有些让人摸不着头脑，华为什么时候开始做药了？既然已经成立了制药军团，为什么又急着强调不做药？

事实上，这个问题，华为制药军团总裁樊杰已经回答过很多遍。

在第十一届医药创新与投资大会上，面对外界的疑问，樊杰再次明确表示：“我们不做药。”

图源：海报新闻

自去年12月出任制药军团负责人以来，他始终强调，华为不做药，也不做药物研发管线。

至于制药军团的定位，樊杰给出的解释是，华为要做医药行业的AI赋能者，发挥自身在计算和通信领域的技术优势。

华为的军团，已经开进药厂

华为制药军团其实并非最近才成立。

早在2025年12月，这支团队就已经组建完成，由樊杰担任总裁。随后，制药军团陆续出现在医药行业论坛和企业合作活动中，只不过由于面向的是企业客户，普通消费者此前接触得不多。

说起来，华为对军团这种组织形式已经相当熟悉。

2021年，华为率先成立煤矿军团，后来又组建了海关和港口军团、智慧公路军团等专业团队。

图源：东方财富网

军团的组织方式，与华为过去按照产品划分业务的模式有所不同。它通常围绕特定行业建立专门团队，把原本分散在研发、销售和服务等部门的资源集中起来，直接面对客户的实际需求。

例如煤矿军团，华为不会因为进入煤矿行业就自己开矿，而是与煤矿企业合作，提供通信网络、数字化平台及相关技术支持。

制药军团的业务思路也有相似之处，只是医药行业有些特殊。

一家科技公司想进入制药领域，首先要面对的就是非常高的专业门槛。

新药研发涉及生物学、化学、医学等大量知识，后续还要经过严格的临床试验和监管审批，整个过程可能持续多年。

华为过去的核心业务主要集中在通信和计算领域，显然没有必要从头建立一套药物研发体系。

但随着AI技术逐渐进入医药研发环节，双方开始有了越来越多的合作空间。

今年3月18日，华为联合望石智慧、华鲲振宇发布AI药研解决方案。

图源：望石智慧

根据华为官方介绍，这套方案结合了华为的算力底座与小分子药物研发平台，希望借助AI提高药物发现和优化的效率。

图源：华为官网

几个月后，华为又与广药集团开展了更深入的合作。

9月18日，双方宣布启动AI制药联合创新实验室建设。

按照规划，广药集团负责开放实际的药物研发场景，华为则投入专家、算力和产业生态资源，共同探索AI在小分子药物、抗体等研发方向的应用。

而在最近的医药创新与投资大会上，樊杰又透露了一个新进展。

华为已经与两家医药企业合作建设了百卡算力集群。

所谓百卡集群，可以简单理解为把上百张AI计算卡连接起来，组成一套更强大的计算系统，为复杂模型训练和大规模计算提供支持。

樊杰表示，这类接近亿元级投资规模的项目，在国内医药行业目前还比较少见。

有意思的是，在一次媒体采访中，有人曾向樊杰提出一个很直接的问题，既然华为的优势是算力，为什么不干脆叫算力军团，而要成立制药军团？

樊杰的回答很干脆：“因为需要一批懂药的人来做这个事。”

这句话其实很能说明华为的想法。

过去华为熟悉的是计算机和通信行业，但医药企业真正需要解决什么问题、药物研发的哪个环节适合使用AI，都需要深入行业才能弄明白。

当然，外界更好奇的是华为既然不生产药品，也不自己研发新药，究竟准备从药厂里赚什么钱？

不做药，华为在行业里卖什么？

答案首先指向了算力。

如果把传统的新药研发比作一次漫长的筛选过程，那么AI的作用，就是帮助研究人员更快找到值得进一步验证的候选分子。

过去，研究人员需要通过大量实验寻找具有潜力的化合物。现在，部分早期研发工作可以借助AI完成，例如预测分子结构、分析分子性质，或者从大量候选分子中筛选出更值得研究的对象。

当然，AI给出的结果并不能直接成为药品，后续仍需要实验验证。

但随着计算模型越来越复杂，药企对算力的需求也开始增长。

图源：新浪财经

樊杰提到，目前国内很多医药企业还在使用8卡、16卡或32卡的小规模计算集群，而涉及复杂模型训练时，往往需要64卡甚至百卡以上的计算资源。

相比之下，一些国际大型医药企业已经开始建设规模更大的AI计算基础设施。

这便给华为提供了一个熟悉的商业机会。

过去几年，华为一直在发展昇腾AI计算平台及相关软硬件生态。如今，医药企业开始增加AI投入，华为便有机会把这些技术能力带进药物研发领域。

前面提到的两家百卡集群项目，就是一个例子。

不过，接近亿元级的投资规模，并不意味着华为已经拿到了亿元订单。

算力集群项目还涉及设备采购、软件部署等多种费用，不同参与方的收入如何分配，目前没有公开数据。

而且，真正让华为有机会进入医药行业的，远不只是硬件销售。

举个例子。

一家药企购买了一批高性能AI计算设备，同时引入一套专门用于药物研发的AI模型。按理说，设备有了，模型也有了，应该就能开始工作。

但实际操作中，模型未必能够直接在新的计算平台上高效运行。

因为不同硬件平台的计算方式和软件生态存在差异，原本在一种平台上开发的模型，迁移到另一种平台时，可能需要重新适配和优化。

这里面有一个重要环节，叫做算子。

可以把它理解为模型调用计算硬件时需要使用的一套计算指令和程序。算子适配得好不好，会直接影响算力利用效率。

按照樊杰的说法，在某些项目中，算子适配的优劣甚至可能造成高达十倍的性能差距。

他还提到，过去部分模型适配工作可能需要三四个月，如今借助工具链和AI编程，某些任务已经可以缩短到一两天。

图源：中国药促会

与此同时，医药行业还存在一个非常现实的问题，就是数据安全。

药企掌握着大量实验结果、候选药物信息以及研发数据，其中不少内容属于核心商业秘密，不可能随意向外部公司开放。

华为提出的解决方式包括本地化部署，让模型和计算系统在客户自身的环境中运行，尽量满足企业对数据安全的要求。

从商业模式来看，华为可以通过计算设备、存储和网络基础设施，以及配套软件与技术服务参与这门生意。

如果客户后续需要扩大集群规模，或者部署新的模型，还可能产生持续的服务和设备需求。

但AI制药这门生意本身，至今仍然存在不小的争议。

华为的赋能生意，能在制药业走多远？

华为显然不是唯一盯上AI制药市场的科技巨头。

今年1月，英伟达宣布与全球制药巨头礼来共同建立AI联合创新实验室。

根据双方公布的计划，未来五年将在人才、基础设施和研究等领域联合投入最高10亿美元，希望利用AI加速药物发现，并探索相关自动化技术的应用。

图源：NVIDIA官网

这笔投入相当庞大，也足以证明国际大型科技公司已经开始把医药行业视为重要的AI应用场景。

不过，科技公司与制药企业之间的合作，仍然面临一个无法回避的问题。

AI究竟能在多大程度上提高新药研发的成功率？

从目前的实践来看，AI在部分早期药物研发环节已经展现出一定的价值。

例如，AI可以帮助研究人员从数量庞大的候选分子中找到更值得验证的对象，也可以在分子设计阶段提供更多参考。

但候选分子被发现，只是新药研发的起点。

一种药物能否真正用于治疗疾病，还需要经过临床前研究以及后续临床试验，确认它在人体内具有足够的安全性和有效性。

即使早期研发效率提高，也不意味着后续临床试验一定能够成功。

事实上，华为制药军团总裁樊杰自己，也没有回避行业的现实问题。

在《每日经济新闻》的专访中，他表示，目前AI制药行业“相对过热”。

但他同时认为，不能因为出现一些过热或负面声音，就放弃对这个领域的投入。

一边是主动加码AI制药，一边又承认行业存在过热现象。华为对这个市场的判断，显然并非一味乐观。

毕竟，对于制药行业来说，算力再强、模型再先进，最终都要回到药物研发本身。

如果AI真的能够帮助药企提高研发效率，缩短部分研发周期，那么提供相关基础设施的科技公司，自然有机会分享行业发展的红利。

但如果药企投入了大量资金，却迟迟看不到预期效果，算力需求能否持续增长也会受到影响。

华为选择不直接参与新药研发，确实避开了部分与药物管线直接相关的风险。

但作为技术服务提供者，它同样需要证明，自己的产品和技术能够给客户带来实际价值。