諾和諾德攜手AWS建倫敦AI樞紐，試圖打通藥物研發的資料斷點

製藥業導入人工智慧的瓶頸，往往不只是模型能力，而是散落於不同系統、格式與研發階段的資料能否真正連接。諾和諾德與Amazon Web Services（AWS）宣布建立策略合作，並在倫敦成立共同創新樞紐，企圖把雲端運算、生成式AI與生命科學資料帶進同一套研發流程。

依諾和諾德公布的規劃，AWS將成為其首選雲端供應商及藥物發現策略AI夥伴。倫敦樞紐設於諾和諾德既有設施，由AWS工程師、AI專家與應用科學家，和藥廠研發團隊共同工作；目標涵蓋疾病靶點辨識、療法設計，以及縮短從靶點發現走到首次人體試驗的路徑。

合作的核心工具包括面向生命科學研究的Amazon Bio Discovery，以及可存取多種基礎模型的Amazon Bedrock。雙方計畫串接基因體、醫學影像與臨床資料，讓模型協助研究人員搜尋跨資料類型的關聯、形成可檢驗的假說，並支援候選療法設計。這類系統的實際價值，將取決於資料品質、族群代表性，以及預測能否在細胞、動物或人體樣本中重現。

合作也延伸至研究以外的企業運作。Amazon Bedrock AgentCore預計用來建置可執行多步驟任務的AI代理；諾和諾德表示，雙方過去的專案已縮短部分臨床文件處理時間，並向逾2.5萬名員工提供生產力工具。不過，公司沒有公布比較基準、節省幅度或錯誤率，因此尚難判斷改善是否足以影響臨床開發時程。

這項協議反映大型藥廠正把AI合作由單點實驗推向基礎設施層級：模型不只篩選分子，也介入資料治理、文件流程與研發決策。然而，公告未揭露合作年限、財務條件、優先疾病領域，也沒有提出由平台產生並獲實驗確認的靶點或候選藥物。現階段較明確的成果，是共同團隊與技術架構的落地，而非藥物發現效率已獲證實。

若系統未來參與候選藥物排序或臨床決策，還需處理敏感健康資料的存取權限、模型輸出可追溯性、偏差監測及人工覆核。對這座倫敦樞紐而言，真正的考驗不是AI能提出多少答案，而是能否留下可稽核的證據鏈，並讓其預測經得起濕實驗與臨床結果的檢驗。