近年来，计算方法在生命科学领域不断推进，从蛋白质结构预测到分子生成，为药物早期研发带来了新的工具和路径。但多位计算化学与结构生物学研究者指出，当这些技术深入到“可成药靶点识别—先导化合物发现—优化迭代”等关键环节时，限制效率的核心已不在算力或模型规模，而在于实验数据供给不足：缺少高可信、可复用、覆盖更广化学空间的数据。
在人工智能驱动的药物研发中，数据的质量与可用性往往决定技术能走多远。辉瑞等机构的此举措，是对当前数据短板的直接回应，也是在为更可规模化的新药研发方式铺路。当高质量、可复用的基础数据不再稀缺，人工智能在新药设计中的能力才更可能稳定落地并持续放大。如果这项跨国合作取得进展，它不仅将为全球生命科学研究提供更扎实的公共数据底座，也将深入凸显产学研协作在推动科研与产业转化中的重要作用。