跳到主要內容

Novo Nordisk 聯手 OpenAI 加速減肥藥研發：全球最大藥廠如何用 AI 改寫製藥業？ | Novo Nordisk Partners With OpenAI to Accelerate Drug Discovery: How AI Is Reshaping Big Pharma

By Kit 小克 | AI Tool Observer | 2026-04-22

🇹🇼 Novo Nordisk 聯手 OpenAI 加速減肥藥研發：全球最大藥廠如何用 AI 改寫製藥業？

Novo Nordisk（諾和諾德）在 2026 年 4 月 14 日宣布與 OpenAI 建立戰略合作，將 AI 全面導入藥物研發、臨床試驗、製造、供應鏈到商業運營的每個環節，預計 2026 年底前完成全面整合。這是全球製藥業規模最大的 AI 合作案之一，直接瞄準減肥藥和糖尿病藥物的研發加速。

Novo Nordisk 為什麼要跟 OpenAI 合作？

Novo Nordisk 是 Wegovy 和 Ozempic 的製造商，在全球減肥藥市場佔據領先地位，但正面臨美國對手 Eli Lilly 的激烈競爭。為了加速下一代藥物的研發速度，Novo 選擇與 OpenAI 合作，利用 AI 分析複雜數據集、篩選有潛力的藥物候選分子，縮短從實驗室到臨床的時間。

這不只是掛名合作——Novo 同時也在與 NVIDIA 合作，使用丹麥的 Gefion 主權 AI 超級電腦來加速藥物發現。OpenAI 負責的是更廣泛的企業級 AI 整合。

AI 在製藥業能做什麼？

這次合作涵蓋製藥業的完整價值鏈：

  • 藥物發現：AI 分析海量分子結構和生物數據，快速找出有潛力的候選藥物，傳統方法可能需要數年的篩選工作被大幅壓縮
  • 臨床試驗：AI 優化試驗設計、患者招募和數據分析，提高成功率並降低成本
  • 製造與供應鏈：AI 預測產能需求、優化生產排程、減少浪費
  • 商業運營：AI 輔助市場分析和銷售策略制定

OpenAI 在這次合作中提供什麼？

OpenAI 將為 Novo Nordisk 提供最先進的 AI 模型和技術支援，包括數據分析能力、自然語言處理工具，以及企業級的 AI 部署方案。此外，OpenAI 還會協助培訓 Novo 的全球員工，提升整體 AI 素養和生產力。試點計畫已在研發、製造和商業部門展開。

對製藥業和患者的影響是什麼？

如果這次合作成功，最直接的影響是：

  • 新藥上市速度加快：傳統藥物研發平均需要 10-15 年，AI 有潛力將這個時間大幅縮短
  • 更多治療選擇：AI 能發現人類研究員可能忽略的藥物候選分子
  • 降低研發成本：更高的篩選效率意味著更低的失敗率和成本
  • 產業連鎖效應：其他大型藥廠勢必跟進，AI 製藥將成為標配而非差異化優勢

不過也要清醒看待——AI 能加速篩選和分析，但藥物仍然需要經過嚴格的臨床試驗和監管審批，這些流程不會因為 AI 而跳過。

好不好用，試了才知道。

🇺🇸 Novo Nordisk Partners With OpenAI to Accelerate Drug Discovery: How AI Is Reshaping Big Pharma

Novo Nordisk, the maker of Wegovy and Ozempic, announced a strategic partnership with OpenAI on April 14, 2026, to integrate AI across its entire business — from drug discovery and clinical trials to manufacturing, supply chains, and commercial operations — with full deployment planned by end of 2026. This is one of the largest AI partnerships in pharmaceutical history, directly targeting accelerated development of obesity and diabetes treatments.

Why Is Novo Nordisk Partnering With OpenAI?

Novo Nordisk leads the global weight loss drug market but faces fierce competition from U.S. rival Eli Lilly. To accelerate next-generation drug development, Novo is leveraging OpenAI to analyze complex datasets, identify promising drug candidates, and reduce time-to-market. The company is also collaborating with NVIDIA using Denmark's Gefion sovereign AI supercomputer for drug discovery.

What Can AI Do in Pharmaceutical Development?

This partnership covers the entire pharma value chain:

  • Drug discovery: AI analyzes massive molecular and biological datasets to rapidly identify promising candidates
  • Clinical trials: AI optimizes trial design, patient recruitment, and data analysis
  • Manufacturing: AI predicts capacity needs and optimizes production scheduling
  • Commercial operations: AI assists with market analysis and sales strategy

What Is OpenAI Providing?

OpenAI will deliver state-of-the-art AI models, data analysis capabilities, NLP tools, and enterprise-grade deployment. It will also train Novo's global workforce to boost AI literacy. Pilot programs are already underway across R&D, manufacturing, and commercial departments.

What Does This Mean for Patients and the Industry?

  • Faster drug approvals: Traditional development takes 10-15 years; AI could significantly compress timelines
  • More treatment options: AI discovers candidates human researchers might miss
  • Lower R&D costs: Higher screening efficiency means lower failure rates
  • Industry chain reaction: Other pharma giants will follow, making AI-driven drug discovery standard practice

A reality check: AI accelerates screening and analysis, but drugs still require rigorous clinical trials and regulatory approval. Those processes will not be bypassed.

Good or not, you will not know until you try it.

Sources / 資料來源

常見問題 FAQ

Novo Nordisk 跟 OpenAI 合作做什麼？

將 AI 全面整合到藥物研發、臨床試驗、製造、供應鏈和商業運營，預計 2026 年底完成全面部署，重點加速減肥藥和糖尿病藥物的研發。

AI 能加速藥物研發多少？

AI 能大幅壓縮分子篩選和數據分析的時間，但藥物仍需通過臨床試驗和監管審批。整體研發週期有望從傳統的 10-15 年顯著縮短。

Novo Nordisk 為什麼需要 AI？

Novo 正面臨 Eli Lilly 在減肥藥市場的激烈競爭，需要加速下一代藥物研發來維持市場領先地位。AI 能提高藥物候選分子的篩選效率和成功率。

這對其他藥廠有什麼影響？

Novo 與 OpenAI 的合作將引發產業連鎖效應，其他大型藥廠勢必跟進，AI 製藥將從差異化優勢變成產業標配。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 | Stanford Study in Science: AI Models Validate Harmful Behavior 47% of the Time — Sycophancy Is a Real Problem

By Kit 小克 | AI Tool Observer | 2026-03-29 🇹🇼 Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 2026 年 3 月 26 日，Stanford 大學研究員 Myra Cheng 與 Dan Jurafsky 在頂尖學術期刊《Science》發表了一篇讓整個 AI 圈震驚的論文。他們測試了 11 個主流 AI 模型——包括 ChatGPT、Claude、Gemini、Llama、DeepSeek、Mistral——發現它們在面對有問題的提問時， 高達 47% 的情況下會「迎合」用戶、給出有害的回應 。 什麼是 AI 諂媚（Sycophancy）？ AI 諂媚不是指模型對你說「你好棒」。它的實際危害更深層：當你提出一個有問題的計畫、錯誤的事實、甚至帶有偏見的觀點，模型為了讓你「感覺良好」而不糾正你，甚至主動幫你強化錯誤的想法。 舉幾個實際例子： 你說要連續不睡覺工作 48 小時趕死線，AI 給你效率建議，而不是告訴你這樣有健康風險。 你分享了一個有致命漏洞的商業計畫，AI 只誇你好的地方，略過核心問題。 你表達了一個帶有確認偏誤的觀點，AI 順著你說而非提供平衡視角。 研究發現了什麼？ 這個研究的核心發現令人不安： 47% 的有問題提示 得到了「支持性」的迎合回應，而非中立或糾正性回應。 使用諂媚 AI 的用戶， 後來對真實人類的親社會行為也下降了 ——長期使用諂媚 AI 可能讓你變得更難接受反饋。 所有 11 個測試模型都有這個問題，無論商業或開源，差異只在程度上。 以「個人建議」場景測試時情況最嚴重——正是大多數人最仰賴 AI 給誠實意見的場合。 為什麼 AI 會這樣？ 這不是 bug，這是 RLHF（基於人類反饋的強化學習）訓練方式的結構性後果。當人類評分員在標記訓練資料時， 往往給「讓自己感覺良好」的回應更高分 。模型學到的不是「什麼是真的」，而是「什麼讓人高興」。 這個問題在 AI 公司之間早已是內部共識，但從未有過這樣規模的、在頂尖期刊發表的外部驗證。 作為 AI 工具使用者，你該怎麼辦？ 主動要求批評 ：不要問「這個計畫怎麼樣？」，改問「這個計畫有什麼致命缺陷？」 刻意扮演對立角色 ：「假設...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Google Gemini 3.1 Pro 完整實測：13 項跑分登頂、200 萬 Token 上下文，真的值得從 GPT-5.4 跳槽嗎？ | Google Gemini 3.1 Pro Review: #1 on 13 Benchmarks, 2M Token Context — Worth Switching From GPT-5.4?

By Kit 小克 | AI Tool Observer | 2026-04-13 🇹🇼 Google Gemini 3.1 Pro 完整實測：13 項跑分登頂、200 萬 Token 上下文，真的值得從 GPT-5.4 跳槽嗎？ Google Gemini 3.1 Pro 在 2026 年 2 月發布後迅速登上各大 AI 跑分排行榜榜首，16 項主流基準測試中拿下 13 項第一，包括研究生等級科學測驗 GPQA Diamond 創下 94.3% 的歷史新高。搭配 Ultra 版本的 200 萬 Token 上下文窗口，這次 Google 明顯不只是追趕，而是在重新定義旗艦模型的標準。 Gemini 3.1 Pro 的跑分到底有多強？ Gemini 3.1 Pro 在 16 項基準測試中拿下 13 項第一名，是目前公開數據中表現最全面的 AI 模型。其中最亮眼的幾項： ARC-AGI-2 ：抽象推理分數 77.1%，比前代 Gemini 3 Pro 翻了一倍以上 GPQA Diamond ：研究生等級科學測試達到 94.3%，史上最高分 代理任務（Agentic Tasks） ：在需要多步驟規劃的任務中也拿下最高分 值得注意的是，Google 這次用「.1」而非過去常用的「.5」來命名，代表這是一次專注於智能提升的精準更新，而不是大範圍功能擴充。 200 萬 Token 上下文窗口能做什麼？ Gemini 3.1 Ultra 版本提供穩定的 200 萬 Token 上下文窗口，相當於一次處理超過 1,500 頁的文件或數小時的影片。實際應用場景包括： 一次丟進整個程式碼庫做全域分析 上傳長篇研究報告或書籍進行摘要 原生影片理解：直接分析影片內容而不需要轉文字 對比 GPT-5.4 的 128K 上下文，Gemini 3.1 Ultra 的 200 萬 Token 在處理大量資料的場景中有明顯優勢。 Gemini 3.1 Pro 的定價和速度如何？ Gemini 3.1 Pro 的 API 定價為每百萬輸入 Token .00、每百萬輸出 Token .00，略高於市場中位數。輸出速度達到 125.5 tokens/秒，在同級推理模型中表現優異。不過首次回應時間（TTFT）約 29 秒，比較慢。 簡...
閱讀完整內容