諾和諾德攜手Anthropic：讓Claude推理、寫程式，投入新藥研發測試

──────────

2026 年 9 月 16 日，Novo Nordisk 宣布與 Anthropic 合作，將使用 Claude models 與 Claude Science 來推進研發中的科學推理，以及 AI-driven software engineering。把近兩年的公開一手資料放在一起看，Novo 正逐步把資料、模型、雲端算力與研發流程接起來。【1】

這條鏈至少有四個層次。

第一層，是 Valo Health 這類「資料與疾病模型」合作。Novo 在 2025 年 1 月把與 Valo 的合作擴大到最多 20 個 obesity（肥胖）、type 2 diabetes（第二型糖尿病）與 cardiovascular disease（心血管疾病）新藥項目；2025年1月8日公布的擴大協議，將首付款、股權投資與可能取得的近期里程碑款，列為合計最高1.9億美元；這筆金額包含股權投資，不能全數視為無條件的授權款。公告另列，Valo可就擴大後最多20項藥物計畫，依約取得合計約46億美元的潛在里程碑款，研發資金與潛在權利金另計。各款項須依其性質及條件分別判讀，不能合併寫成已收款或保證現金。第二層，是 OpenAI 這類通用模型能力導入，目標從研發、製造到商業營運都能使用 AI。第三層，是 AWS 的雲端與 agentic AI 基礎設施，負責把資料、臨床、基因體與營運流程接起來。第四層，則是 Anthropic 的 Claude Science，往更細的科學推理與研發軟體工程靠近。【4】【1】【2】【3】

四項合作分別提供可嵌入研發流程的能力，也帶出一個具體問題：這些工具能改善哪些決策？對製藥公司來說，AI 的價值不只在生成一個漂亮分子，而在於能不能讓正確資料更快進入正確決策，讓錯誤方向更早停下來，讓值得推進的假設更快走到實驗與臨床。

【圖 1｜四種能力，平行支援Novo研發】

Novo在不同時間宣布的合作，分別涉及人體資料與藥物探索、AI工作流程、雲端基礎設施，以及科學推理與軟體工程。本圖按能力平行呈現；連線包含公告中的規劃與試點方向，不代表供應商之間具有線性商業或技術整合依賴，也不表示所有流程已完成整合或已證明臨床效益。來源1–5（圖中S1–S5）。

【01｜四項合作，各自補上哪一種能力？】

單看 9 月 16 日的 Anthropic 合作，容易把焦點放在「Novo 又找了一家 AI 公司」。但如果把 2025 年以來的公開公告連起來，重點會變得更清楚：Novo 正在同時補四種能力。

Valo 合作補的是人類資料、真實世界資料、遺傳資料與疾病模型。Novo 與 Valo 原本在 2023 年就簽下合作，Valo 當時提供 Opal Computational Platform、真實世界病人資料、AI 小分子發現能力與 Biowire human tissue modelling platform；Novo 則取得三個 Valo 以 Opal 平台發現與開發的心血管疾病臨床前項目授權。2025 年擴大後，合作範圍從最多 11 個項目擴到最多 20 個項目，並把重心擴到肥胖、第二型糖尿病與心血管疾病。【5】【4】

OpenAI 合作補的是通用 AI 能力和公司級導入。Novo 2026 年 4 月公告表示，OpenAI 的先進 AI 能力將用於分析複雜資料集、找出有潛力的新藥候選物、縮短從研究走向病人的時間；同時也會導入製造、供應鏈、配送與商業營運。依2026年4月14日公告，Novo計畫先在研發、製造與商業營運展開試點，目標於2026年底前完成整合。這是該份公告提出的推進時程，並非整合已完成的證據，也不能據此認定藥物開發成功率已提高。【2】

AWS 合作補的是雲端、agentic AI 與資料基礎設施。Novo 2026 年 8 月公告，AWS 成為其 preferred cloud provider and strategic AI partner，雙方在倫敦建立 AI co-innovation hub，讓 AWS 工程師、AI 專家、應用科學家與 Novo 研發團隊共同工作；合作目標包括加速藥物發現、現代化科技基礎設施，並把基因體、影像、臨床資料與早期研究連到臨床試驗設計。Novo在2026年8月10日公告中表示，既有AWS合作已縮短臨床文件作業時間，並支援超過25,000名員工提升生產力。這些是公司報告的流程進展；公告沒有揭露這群員工的生產力改善幅度或測量方法，不能把支援人數當成已逐人驗證改善效果的人數。【3】

Anthropic 合作補的是更貼近科學推理和研發軟體工程的模型能力。Novo 2026 年 9 月公告指出，將使用 Anthropic models 與 Claude Science 推進 R&D scientific reasoning，並強化 AI-driven software development。Anthropic於2026年9月17日公布，Claude在技術人員監督下，於不到四週內優化超過30個開源生物模型，涵蓋結構預測、蛋白質設計、蛋白質語言模型與基因體學。受測任務在容許微小精度差異的設定下，推論速度平均約為原來的4倍；要求相同輸出時，整體加速接近2倍。研究檢查的是模型運算與下游任務表現，不能換算成新藥完整研發時程縮短，也不是Novo藥物臨床成功的證據。這也說明了製藥公司為何會關注「科學工具本身的速度」。【1】【6】

【02｜AI 在製藥裡最值錢的地方，不是取代科學家】

製藥公司使用 AI，最容易被外界想像成「電腦直接做出新藥」。實際上，從 Novo 的公告看，AI 更像是三種能力的組合。

第一，是讓科學假設更快生成與篩選。Valo 的定位，就是把人類資料、遺傳資料、真實世界病人資料、AI 小分子設計與組織模型接到一起，試圖更快找出疾病靶點與候選物。這不是直接保證臨床成功，而是把「哪些靶點值得做」與「哪些化合物值得進一步測」的前段決策變快。【5】

第二，是讓既有流程更快。OpenAI 與 AWS 公告都不只談藥物發現，也談製造、供應鏈、商業營運、臨床文件與軟體工程。這代表 Novo 看到的 AI，不只是實驗室裡的模型，而是能把公司內部很多流程壓縮。若臨床文件時間下降、研發與營運資料能更快串接，公司就有機會縮短從決策到執行的時間。【2】【3】

第三，是讓模型與工具本身更好用。Anthropic 的 Claude Science 與生物分子模型優化案例說明，AI 可以被用來加速科學軟體、結構預測或蛋白設計模型。這一層不一定直接對應某個藥物，但會影響研發人員每天能不能更快跑模型、更快排除無效路徑、更快把結果交給實驗驗證。【1】【6】

科學家仍須判斷資料與假設是否可靠；AI 希望改善的，是他們處理這些問題的速度。

【圖 2｜AI 在製藥中的三層價值：找靶點、壓流程、加速科學工具】

AI可用於靶點與候選物發現、既有流程效率，以及科學模型與軟體工具加速。這些能力旨在改善吞吐量與決策速度，不能替代實驗與臨床驗證。來源1–3、5–6（圖中S1–S3、S5–S6）。

【03｜商業核心：AI 合作買的是時間，但臨床成功仍要自己證明】

這些合作接上了 Novo 核心的成長領域：肥胖、糖尿病、心血管與慢性病管理。

這些領域的共同問題，是病人多、資料多、競爭也多。GLP-1 之後，肥胖與代謝疾病不再是單一產品競爭，而是組合療法、長效劑型、口服劑型、肌肉保留、心血管風險、肝臟代謝、腎臟保護等多線競爭。AI 如果能幫公司更快定位病人族群、更快找出靶點、更快做臨床設計，就可能改變管線速度。

但這裡不能直接跳成「AI 會讓 Novo 下一個藥一定成功」。

製藥的最後關卡仍是人體。AI 可以幫忙從資料中找假設，但靶點是否成立，要靠生物學實驗；候選藥物是否安全，要靠臨床前與臨床資料；療效能否打贏標準治療，要靠隨機臨床試驗；監管與支付能不能接受，要看終點、族群與成本效益。

因此，AI 的商業價值更像是「提高研發組織的吞吐量」與「縮短錯誤決策停留時間」。如果一個 AI 系統能讓公司更早停掉不好的項目，或更快把好項目推到臨床前驗證，它就可能創造價值。即使最後臨床成功率沒有立刻大幅上升，時間和資源配置改善本身也有商業意義。

【04｜AI4S 的賣鏟人：雲端、模型、資料平台各拿一段價值】

要看懂藥廠的AI合作，先問它想補上哪一種能力。Valo帶來人體資料與藥物探索平台，OpenAI與Anthropic提供模型及工作流程支援，AWS則提供雲端與AI基礎設施。分開看這些角色，才能辨認一項合作主要改善的是資料利用、科學推理，還是運算與部署；再進一步追問，哪些仍是合作目標，哪些已有可檢驗的成果。【1】【2】【3】【5】

第一類是模型公司。OpenAI 與 Anthropic 提供的是模型能力、科學推理與軟體工程加速。它們不需要自己承擔每個藥物的臨床風險，價值來自把模型嵌入製藥公司流程。【2】【1】

第二類是雲端與算力基礎設施。AWS 提供的不只是運算資源，而是安全、可擴展的雲端、AI 服務、Amazon Bio Discovery、Amazon Bedrock、AgentCore，以及能把基因體、影像與臨床資料串接起來的架構。這類公司吃到的是 AI 化研發與營運所需的基礎設施需求。【3】

第三類是疾病資料與藥物發現平台。Valo 的 Opal 平台結合人類資料、真實世界資料、AI 小分子設計與人類組織模型。它更接近藥物發現前端，風險比純雲端與模型服務更高，但若項目成功，潛在里程碑與權利金也更大。【4】【5】

這三類公司都在賣「鏟子」，但鏟子的風險不同。雲端與模型公司收的是平台與服務價值；AI 藥物發現公司收的是候選藥物與里程碑價值。前者比較接近基礎設施，後者更接近生技研發風險。

【圖 3｜AI4S 賣鏟人的三種位置：模型、雲端、資料平台】

模型公司、雲端基礎設施與藥物發現平台的角色及收入結構不同。Valo合作中的股權投資屬融資，不是授權收入；首付款、研發資金、條件式里程碑與潛在權利金須依各自性質判讀，不能由潛在金額推定已收款或已認列收入。來源1–5（圖中S1–S5）。

【05｜台灣可以看什麼：工研院、源華智醫與 Topmunnity 的相鄰能力】

本次查閱的工研院、源華智醫與 Topmunnity 三個官方頁面（來源7–9），未提供三者參與 Novo Nordisk 與 OpenAI、AWS、Anthropic、Valo 相關 AI 合作的直接商業關係、授權或供應合約證據。以下僅討論這三個頁面呈現的相鄰能力，不能據此認定三者已因上述合作受惠，也不能將這個有限查閱範圍延伸為整個台灣產業不存在合作的結論。

但台灣有幾種可比能力可以放進觀察框架。

工研院的人工智慧精準藥物探索平台（AIDD）包含 SEAL 標的探索與 CTag 分子設計，並運用人工智慧與強化學習輔助候選分子的生成、評估及優化。這類平台對應的是 Novo 與 Valo 合作中的「資料與 AI 找靶點、生成分子」邏輯，但工研院平台能否變成國際藥廠合作或商業收入，還需要具體授權、共同開發或客戶證據。【7】

源華智醫 Repurgenesis 官網描述其 AI-powered technologies and platforms，聚焦 drug repurposing（老藥新用）與加速藥物開發流程。這和 Novo 的新藥發現不是完全同一條路，卻同樣屬於用 AI 重新排列既有資料、候選物與開發策略的路徑。若未來台灣要切入 AI 藥物開發，老藥新用可能比從零設計新分子更接近早期商業化，但也同樣需要臨床與法規驗證。【8】

Topmunnity Therapeutics 官網列出 AI-driven antibody discovery & engineering platform，且官網列有台北據點。這種能力對應的是蛋白／抗體工程，不等於 Novo 的代謝小分子或慢性病 AI 管線；但從 AI4S 角度看，它屬於把 AI 放進分子設計與工程化流程的相鄰平台。【9】

台灣的機會不是直接複製 Novo。Novo 擁有龐大的疾病領域知識、臨床管線、商業市場與資料資產，外部 AI 供應商只是接進這個體系。台灣若要參與，較務實的路徑是三種：第一，成為特定垂直場景的工具供應商；第二，用本地臨床或生物資料建立可驗證的疾病模型；第三，把 AI 放進既有研發、抗體工程、老藥新用或臨床資料分析服務中，先做出可衡量案例。

【06｜投資與產業判讀：AI 會改變速度，不會取消風險】

觀察這組合作，可以把新聞進展與商業成效分開。

新聞增量在於，Novo 2026 年連續把 OpenAI、AWS、Anthropic 接進公司級研發與營運流程；再往前看，Valo 合作已經用真實世界人類資料與 AI 藥物發現平台，綁定到最多 20 個藥物項目與約 46 億美元潛在里程碑。【1】【2】【3】【4】

商業深度在於，這不是單點採購，而是把製藥公司最貴的幾個環節重新連起來：找靶點、設計分子、整合資料、撰寫文件、支援臨床設計、現代化製造與商業營運。若執行成功，AI 不一定直接提高每個藥物的成功率，但有機會讓公司更快做對決策，也更快停掉錯誤方向。

風險同樣清楚。AI 產出的假設仍要被實驗驗證；模型看見的資料偏差可能被放大；臨床成功仍取決於人體資料；資料治理與合規會限制模型能用什麼資料、如何使用；雲端與模型服務也會成為長期成本。

所以，Novo 的 AI 佈局不應被寫成「AI 已經證明能讓新藥成功」。更精準的說法是：Novo 正在把 AI 變成研發與營運基礎設施，目標是壓縮決策時間、擴大資料使用、提高組織吞吐量。臨床成敗仍要回到每一個藥物與每一個試驗。

【圖 4｜AI 能縮短決策距離，但不能跳過實驗與臨床】

圖示依序保留資料與假設、AI篩選、實驗驗證、臨床前、臨床試驗與監管／支付。AI可協助前段與流程決策，但人體資料、安全性、療效與支付要求不能跳過；這不表示新藥已成功。來源1–6（圖中S1–S6）。

【結語｜Novo 的 AI 轉型，真正考驗在「接進流程」】

接下來值得看的，是這些工具如何進入製藥公司的日常工作：資料、靶點、分子、臨床、製造、商業營運與軟體工程。Valo 是疾病資料與 AI 藥物發現，OpenAI 是公司級 AI 能力，AWS 是雲端與 agentic AI 基礎設施，Anthropic 是科學推理與研發軟體工程。

這套組合若有效，成果應落在可衡量的工作上：假設生成與資料整合需要多久、文件作業能省下多少時間，以及無效方向能否更早排除。

製藥業最後仍要靠臨床資料說話。AI 可以讓公司更快走到該做的實驗與試驗，但不能替代實驗與試驗本身。後續仍要逐一檢驗，接上資料與模型的流程，是否真的帶來更有用的決策。

本文為生技產業與科技趨勢資訊整理，不構成個別投資建議。AI 合作與平台能力不保證藥物研發成功、監管核准或商業化成果。

一手來源清單

1. Novo Nordisk × Anthropic，2026-09-16：Novo 將使用 Anthropic models 與 Claude Science 推進 R&D scientific reasoning 與 AI-driven software engineering；合作設計含資料治理與人工監督。【1】

https://www.novonordisk.com/news-and-media/news-and-ir-materials/news-details.html?id=916768

1. Novo Nordisk × OpenAI，2026-04-14：OpenAI 能力將導入研發、製造、商業營運；試點涵蓋 R&D、manufacturing、commercial operations，以2026年底完成整合為目標，並非整合已完成的證據。【2】

https://www.novonordisk.com/news-and-media/news-and-ir-materials/news-details.html?id=916532

1. Novo Nordisk × AWS，2026-08-10：AWS 成為 Novo preferred cloud provider and strategic AI partner；倫敦 AI co-innovation hub；使用 Amazon Bio Discovery、Amazon Bedrock、AgentCore 等服務，串接基因體、影像、臨床資料與營運流程。【3】

https://www.novonordisk.com/news-and-media/news-and-ir-materials/news-details.html?id=916594

1. Novo Nordisk × Valo Health 擴大合作，2025-01-08：最多 20 個 obesity、type 2 diabetes、cardiovascular disease 新藥項目；首付款、股權投資及可能取得的近期里程碑款合計最高 1.9 億美元；另有約 46 億美元潛在里程碑款，研發資金與潛在權利金另計。【4】

https://www.novonordisk.com/news-and-media/news-and-ir-materials/news-details.html?id=915085

1. Valo Health × Novo Nordisk 原始合作，公告內文日期2023-09-25（網站頁首日期2023-09-24）：基於 Opal Computational Platform、真實世界病人資料、AI 小分子設計與人類組織模型；Novo 授權三個 Valo 開發的心血管臨床前項目。【5】

https://www.valohealth.com/press/valo-health-and-novo-nordisk-to-collaborate-to-discover-and-develop-novel-treatments-for-cardiometabolic-diseases-using-human-data-and-artificial-intelligence

1. Anthropic 生物分子模型研究，2026年9月17日：Claude 協助優化 30 多個開源生物分子模型，受測模型在容許微小精度差異時平均加速約4倍，相同輸出條件下整體接近2倍，結構預測子群約1.6倍；屬模型推論評估。用於說明科學工具本身可被 AI 加速；不代表 Novo 藥物成功。【6】

https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling?s=04

1. 工研院 AIDD（技術頁未標公告日期；查閱日2026-09-20）：SEAL 標的探索、CTag 分子設計，以及人工智慧與強化學習輔助的候選分子生成、評估及優化。【7】

https://www.itri.org.tw/english/ListStyle.aspx?DisplayStyle=01_content&MGID=1344554772173157534&MmmID=1037333532373240766&SiteID=1

1. 源華智醫 Repurgenesis（平台介紹未標公告日期；查閱日2026-09-20）：AI-powered technologies and platforms，聚焦 drug repurposing。【8】

https://repurgenesis.com/tw

1. Topmunnity Therapeutics（首頁未標公告日期；查閱日2026-09-20）：AI-driven antibody discovery & engineering platform。【9】

https://www.topmunnity.com/

社群原文