中国生物制药正大晴和曹奋泽：智能跃迁AI驱动制

　　2025年4月15日-16日，第十一届CDIE数字化立异博览会(以下简称！CDIE2025)正在上海张江科学礼堂隆沉举行。本次大会以“立异引擎！AI鞭策企业增加新风向”为从题，汇聚来便宜制、营销、快消、医疗、零售、采购供应链、财政、数据立异&消息平安、AI+ 机械人、企业出海等全球顶尖企业、学术专家取手艺前锋，吸引了150多位国际嘉宾、100多家展商、5000多位参会嘉宾现场参取，打制了一场思惟碰撞、手艺展现取贸易合做的国际盛宴。中国生物制药 正大晴和CIO曹奋泽做为此次大会从论坛的特邀嘉宾，颁发了《智能跃迁 AI 驱动制药财产的将来图景》从题，深切阐发了中国生物制药 AI 落地的场景摸索。以下为曹奋泽先生内容的拾掇，干货满满，对于医药企业具有很大的进修、自创意义，欢送大师阅读、分享！中国生物制药无限公司及从属公司是中国领先的立异研究和研发驱动型医药集团，营业笼盖医药研发平台、智能化出产和强大发卖系统全财产链。产物包罗多种生物药和化学药，正在肿瘤、肝病、呼吸系统、外科/镇痛四大医治范畴处于劣势地位。公司于2000年正在联交所上市，2013年入选MSCI全球尺度指数之中国指数成分股；2018年入选恒生指数成分股；2020年入选恒生沪深港通生物科技50指数成分股、恒生中国(上市)25指数。中国生物制药持续6年荣登美国权势巨子《制药司理人》发布的“全球制药企业TOP50”，持续三年获评《福布斯》(亚洲)“亚太最佳公司50强”。中国生物制药的焦点计谋涵盖组织整合、全面立异、国际化和数字化，此中数字化已成为支持企业持续成长的环节力量。正在生物制药范畴，数字化扶植次要贯穿于药物研发、出产制制、发卖办理以及企业内部运营等多个环节。通过对各营业板块的深度拆解，并以数字化系统进行全面的数据沉淀，企业可以或许将本来分离的消息为系统化的营业权衡目标。分歧目标间的联系关系性阐发，进一步为企业供给辅帮决策的最优径，帮力提拔全体运营效率。以药物研发为例，针对晚期研发、临床前研究及临床试验阶段，实施全方位数字化办理，可无效加速试验历程，提高研发效率。正在出产环节，环绕出产打算、施行办理和质量保障进行数字化扶植，有帮于及早识别潜正在风险，优化出产流程。正在发卖范畴，通过对客户方针设定和功课过程的数字化办理，可以或许帮帮发卖人员快速控制环节消息，提拔精准营销能力。取此同时，正在人力资本、财政、运营及风险节制等企业内部办理方面，数字化转型也正同步推进，构成笼盖全营业链条的数字化系统。由此可见，数字化已深度融入企业的各个板块，并不竭堆集高质量的数据资产。跟着数据规模和质量的提拔，企业面对的焦点课题也正在发生变化不只是实现数据的记实和存储，更需要摸索若何数据的更大价值。纯真依赖保守的数字化手段已难以满脚这一需求，因而必需引入人工智能(AI)手艺进行深切使用。唯有当数据正在质和量层面均堆集到必然程度，AI才能基于这些数据进行无效进修和预测，从而实正阐扬出驱动营业立异取效率提拔的最大价值。正在集团内部，AI 的落地摸索次要聚焦于两条从线！一是营业流，二是资本流。营业流指向生物制药全生命周期中的各个环节环节，资本流则关心企业内部人力、财政、供应链及运营办理等支持系统的全面优化。两条线并行推进，相辅相成，帮力企业实现营业效率取资本设置装备摆设效能的同步提拔。具体来看，正在药物研发标的目的，AI 手艺正加快化合物的筛拔取发觉，提拔研发效率并降低晚期开辟的失败率。正在临床试验阶段，AI 普遍使用于智能阅片、患者入组筛选、临床试验方案设想取优化等环节，显著缩短试验周期，提拔入组质量取临床数据的可托度。正在药物出产环节，AI 通过智能排产、出产质量过程保障、车间资本安排优化、工艺参数及时等体例，提拔出产矫捷性取不变性。正在药物畅通范畴，AI则赋能交付办理、仓储办理、采购办理及供应链打算办理，实现供应链的动态可视取预测优化。正在发卖环节，AI 次要使用于客户关系办理、发卖质量节制、学术勾当办理及发卖功课流程办理，帮帮发卖团队实现更精准、更高效的市场拓展。AI 正正在逐渐渗入到集团内的每一个营业节点，不只提拔了各环节的运转效率和决策科学性，也正在不竭鞭策企业建立出一个智能化、动态可调、持续优化的生态系统。跟着数据沉淀的不竭加深取AI手艺的持续迭代，这一智能生态系统将成为企业焦点合作力的主要构成部门。AI现实落地过程中，手艺本身往往并不是次要的要素，实正的挑和正在于若何精准筛选出既具备落地可行性、又能现实创制营业价值的使用场景。基于取营业团队多年深度共创的实践经验，我们总结出了一套系统性的场景筛选逻辑框架，次要包罗四个维度！营业认知度、数据完整度、流程复杂度以及投入产出比。起首，营业认知度是场景落地的前提前提。若是营业团队对AI的理解和认知较弱，即便手艺团队投入大量勤奋，最终的使用结果也往往难以告竣预期。因而，我们会优先选择那些对 AI有必然认知根本、且对智能化转型持立场的营业团队做为切入点。其次，数据完整度间接决定了AI项目标建模质量取结果。AI素质上是输入取输出的系统，数据质量越高，算法锻炼结果越好；反之，低质量数据则可能对全体模子产素性影响。再者，流程复杂度是权衡场景价值的主要要素。我们倾向于优先选择那些营业流程相对复杂、依赖大量人力资本、且存正在较着效率提拔空间的“高耗能”场景，以确保智能化可以或许带来显著的改良成效。最初，投入产出比是分析评估的主要根据。我们系统性地评估人力、资本、算力等各类投入取预期产出之间的关系，确保AI项目正在落地过程中具备经济可行性和可持续性。基于上述逻辑框架，我们对企业内部各营业板块进行了系统梳理。此中财政办理、营销办理以及研发办理是企业最早实现消息化和数字化的范畴。这些板块不只数据堆集相对完美，营业人员对AI也有必然认知根本，同时具备明白且可权衡的投入产出比，具备优先使用AI的天然劣势。例如，财政智能审核、临床试验数据阐发、合规风险预警、患者入组筛选等场景，都是AI使用的抱负切入点。这些场景的成功落地，不只为AI使用堆集了可复制的方，也为企业持续建立智能化焦点能力奠基了根本。正在营业体量复杂的生物制药企业中，每年城市堆集海量的合同、、和谈等单据材料。这些单据来历多样、格局各别，既包罗系统导出的布局化文档，也包罗大量扫描件、摄影图片，以至手写内容。这一现状导致保守审核流程高度依赖人工，审核人员需频频查对单据内容、合用法则取流程节点，不只工做承担沉沉，还容易发生错审、漏审等合规风险。针对这一痛点，我们取营业团队慎密协做，系统梳理审核法则、单据模板及合规逻辑，搭建了涵盖OCR识别、消息抽取、法则婚配取非常检测的AI审核系统。正在手艺落处所面，我们采用私有化摆设的DeepSeek大模子，连系RAG(检索加强生成)手艺、丰硕的提醒词工程及场景化微调机制，不竭提拔模子对现实营业语境的理解能力。同时，我们成立了人机协同的闭环机制，通过持续收集人工反馈的高质量审核样本，反哺模子锻炼，实现审核能力的持续迭代优化。这一系统不只显著了人力资本，提拔了审核精确率，更鞭策了营业流程的尺度化、规范化取智能化，为更多流程型场景的AI替代取协做奠基了方根本。雷同的使用场景还包罗企业合同智能审核、临床试验患者入组筛选、出产质量演讲智能审核等，统称为“流程从动化”，可以或许大幅人力、提拔营业效能。以生物药品制制流程为例，从种子库办理、细胞培育、发酵反映、生物分手、层析纯化到纳滤，每一个环节都高度复杂且严酷受控，且受GMP等国际监管尺度的严酷束缚。任何细小误差，均可能对药品的质量、平安性甚至上市审批形成严沉影响。然而，现实中制药出产过程仍然大量依赖人工操做取纸质记实，容易激发流程误差、记实缺失或尺度施行不分歧等问题，埋下合规现患。特别正在出产变动办理、误差事务处置、批记实审核等环节节点，保守模式下不只人力投入庞大，还难以实现全流程、全周期的风险闭环办理。针对这些挑和，我们正正在扶植基于AI的智能合规保障系统。一方面，基于流程数据取设备运转数据，AI能够及时监测环节工艺参数，识别误差趋向，提前预警潜正在质量波动，辅帮企业实现自动干涉。另一方面，正在操做端，我们引入图像识别取视频阐发手艺，对人工操做进行及时监测，捕获不合适SOP的行为，做到立即提示取过程可逃溯。同时，通过挖掘汗青误差取CAPA(改正取防止办法)数据，AI辅帮发觉系统性风险，持续优化质量办理系统。最终方针，是让合规出产从“过后审查”改变为“过程”取“智能守护”，实现出产有证可循、操做有据可查、风险有迹可控。这一智能合规保障系统，不只成为制药企业应对日趋严酷监管的“平安阀”，更是将来扶植“智能工场”“数字化质量办理系统”的环节基石。雷同的使用场景还包罗学术会议风控保障、采购风险识别、财政合规风险预警等，通过对环节节点和非常行为的智能监测取阐发，AI可以或许帮力企业建立系统化、前瞻性的合规风控保障系统，无效降低运营风险，提拔内控程度。第三个主要使用场景是智能决策支撑，特别正在生物制药行业晚期药物研发阶段尤为环节。药物研发周期长、投入高、失败率高，且决策节点浩繁，如立项决策、靶点筛选、设想、临床径规划等，每一环节都需依赖大量谍报研判，包罗全球竞品动态、专利结构、临床研究进展、市场趋向、顺应症变化及监管政策调整等。过去，这些谍报次要依托人工收集取阐发，效率低、消息碎片化，容易导致决策基于“不全的数据、偏颇的视角、畅后的响应”。现在，跟着大模子、学问图谱、天然言语处置等AI手艺的成熟，我们正正在沉构谍报支撑系统。通过同一内部数据取外部谍报底座，AI可以或许高效整合布局化取非布局化消息，及时监测全球科研取市场动态，并通过语义理解、内容抽取和联系关系建模，建立系统性的决策学问收集。例如，正在靶点评估阶段，AI能够基于文献、专利取临床数据库从动生成可行性阐发演讲；正在设想阶段，AI辅帮识别高潜力化合物布局组合，加快候选药物筛选；正在临床径规划中，连系汗青成功经验取行业趋向，智能保举最优方案。更主要的是，这种基于数据驱动的智能决策支撑，使企业正在全球合作中能实现更快、更准、更具前瞻性的判断。我们相信，AI不只是东西，更将成为企业决策系统中的“第二大脑”，鞭策决策模式从经验驱动向数据驱动转型，让充满不确定性的研发之变得愈加可控、可预测、可怀抱。雷同的使用场景还包罗发卖预测阐发、药品流向监测、供应链精准优化等范畴，AI可以或许基于海量数据前进履态建模取趋向研判，为企业供给更具前瞻性和精细化的智能决策辅帮，进一步提拔运营效率取市场响应能力。生物制药全生命周期中，从研发、出产到发卖取监管，每个环节城市沉淀大量高价值学问资产，包罗科研演讲、尝试记实、专利谍报、学术文献、GMP规范、操做手册、医学材料、产物材料及客户反馈等。这些学问本是企业的主要财富，但因为持久分离正在分歧系统和部分中，缺乏系统性办理，导致“沉睡”难以阐扬价值。借帮AI手艺，我们正正在沉塑企业学问办理模式。通过建立同一的标签系统、联系关系学问图谱、引入语义理解取企图推理机制，连系智能推送取个性化保举，不只实现了学问的布局化办理取跨域融合，还能挖掘现性联系关系，激活沉淀学问的潜正在价值。智能学问办理让企业从“静态存储、被动检索”转向“智能理解、自动推送”，实现学问的及时流动取普遍使用，不只大幅提拔了员工的消息获取效率，打破了部分取专业壁垒，还实现了学问从“内容资产”到“能力资产”的。最终，这一系统将成为企业持续立异取高效运营的底层支持力量。正在保守制药企业中，布局化数据比例遍及偏低，大量消息沉淀于非布局化文档、图片、表单、语音等多模态凭证中。这些数据相互割裂，定名尺度分歧一、口径法则不分歧，难以间接为AI模子所用。要让AI实正阐扬营业价值，必需从底子上成立系统性、尺度化的数据管理系统。根本层，聚焦于数据的采集、布局化取质量节制，确保数据正在来历上实正在靠得住、正在布局上尺度同一、正在内容上完整丰硕。、查验演讲、尝试记实等多模态数据，需通过OCR识别、NLP解析、图像识别等手艺手段，为可理解、可挪用的数字化资产。学问层，强调对数据的语义建模取关系梳理，环绕“人、事、物、决策”等焦点要素，建立清晰的学问脉络。例如，一条药品不良反映记实背后，联系关系着患者消息、药物成分、给药体例及病程演化等多个节点。通过建立学问图谱取本体系统，使AI可以或许实正理解营业语境，实现更高阶的推理取认知。法则层，关心数据使用逻辑的管理，沉点正在于成立同一的判断尺度和决策法则，确保AI输出成果具备可注释性、合规性取营业分歧性。无论是临床试验中的数据筛选，仍是财政审核中的合规鉴定，都必需通过法则层管理，确保“判得准、用得稳”。数据管理不只是AI使用的前提保障，更是企业数字化能力的深水区。唯有成立起高质量、可毗连、可理解的数据系统，才能实正让AI融入企业焦点能力系统，从“尝试室手艺”为驱动营业成长的“出产力引擎”。当数据管理、营业场景筛选逐渐成熟后，AI落地的另一个至关主要的决策点即是底层模子的选择取适配。对于大大都保守企业而言，从零自研大模子既不现实，也无需要。数据、平安取手艺团队提出了极高要求；另一方面，当前已有大量开源取贸易化模子能力成熟，环节正在于若何基于具体营业场景，进行高效适配取组合利用，实正做到“为我所用”。第一类！间接挪用原生API，通过优化提醒词。正在此类场景中，模子能力根基满脚需求，焦点正在于建立更高效的输入体例以提拔理解取响应质量。好比正在学问检索、演讲总结、流程问答等使命中，通过合理设想脚色设定、上下文指导取使命方针描述，能够显著提拔模子输出的精确性取适用性。第二类！引入RAG(检索加强生成)机制。对于需要依托企业内部学问库、文档系统、汗青案例等数据的使命，如临床研究消息阐发、药品仿单问答、律例政策解读等，通过RAG手艺，能够使模子“带着学问工做”，大幅提拔专业性取上下文相关性，供给更可托的决策支撑。第三类！基于特定使命的模子微调。合用于高精度、高风险、强法则依赖的复杂场景，如财政智能审核、合规风险判断、单据智能识别等。通过企业自无数据及法则进行微调，可让模子深切理解行业言语取流程法则，进而建立实正具备“企业言语能力”的智能帮手。此外，模子选型会按照具体使命矫捷调整。正在推理、阐发等相关场景下， DeepSeek模子表示会更优异；⽽正在图像识别、内容提取等⽅向，阿里千问模子表示更佳。正在现实摆设中，我们采用多模子协同、按需挪用的策略，搭建模块化、可插拔的AI能力系统，而非“一模打全国”。底层模子的选择不只是手艺决策，更关系到AI取营业契合度、项目成本节制、响应速度及将来演进空间。我们一直以营业需求为核心的适配逻辑，鞭策AI实正深切营业血脉。AI使用正在企业中加快拓展、场景需求持续增加时，算力资本取系统支持能力往往成为落地效率的瓶颈。针对这一挑和，我们自项目启动之初，便建立以夹杂云架构为焦点的AI根本设备平台，旨正在同时满脚资本适配、现私适配取生态适配三大焦点。资本适配！通过当地私有云取公有云矫捷协同，建立弹性资本池，既保障焦点营业场景下算力的可控性取可安排性，又通过同一安排系统，实现算力资本正在模子锻炼、推理摆设、横向扩展能力的扶植，使我们正在高峰期也能基于营业场景动态安排算力资本，按优先级智能列队，确保环节使命的不变施行。现私适配！考虑到医药行业对数据合规性取患者现私的严苛要求，我们正在夹杂云架构中设想了多层平安隔离机制，确保数据正在当地中平安封锁运转，无效防止数据越权、泄露等风险。同时，正在模子锻炼取推理过程中，引入脱敏处置、数据拜候审计取权限动态节制，全面实现从“数据平安”到“模子平安”的闭环保障。生态适配！通过智能AI办事网关，打通内部模子取外部生态，支撑模子取使用场景的动态适配。无论是挪用当地私有化大模子，仍是对接外部开源模子，平台可以或许按照具体使命需求从动保举最优模子径，实现AI能力的矫捷组合取高效上线，加快营业智能化转型历程。通过建立以夹杂云为根本的弹性、智能、平安的AI根本设备，我们为AI正在企业内的大规模落地奠基了支持，确保手艺取营业成长同步演进、互相推进。正在鞭策AI正在企业内部全面落地的过程中，数据平安取合规性一直是不成跨越的底线。因而，正在数据平安标的目的，我们三项焦点准绳！不合规的数据不采集、无监视机制的场景不推广、无防护办法的使用不落地。通过手艺手段取办理机制双轮驱动，确保AI使用正在全流程中一直处于“可见、可测、可控”的平安形态。针对AI使用中数据集中化、模子普遍挪用以及人员利用差别带来的新型风险，我们建立了三大焦点平安策略，为AI系统供给不变靠得住的防护系统！建立纵深防护系统！通过收集分域隔离、权限分级节制取流程封锁机制，建立从收集、数据到模子挪用的多层防御系统，全面防止越权拜候、恶意取数据污染，保障系统平安鸿沟清晰可控。强化底层加密！实现全链数据加密、秘密计较取签名校验能力，确保数据正在存储、传输取处置各环节中不被泄露，同时防止模子被，保障数据和模子全生命周期的可逃溯性取可托性。成立持续合规管理机制！通过引入合规测评、平安审计取人机双向校验流程，确保AI使用正在每一次数据采集、每一次模子挪用、每一次输出成果中，均合适内部合规尺度取外部监管要求，实现全链可验证、可监管。数据平安取合规不只是AI使用的底线要求，更是企业正在智能化转型过程中建立可持续合作力的主要保障。唯有正在平安可控的根本上，AI能力才能实正成为企业可持续成长的焦点动力。AI的落地不只是手艺问题，更是一次深条理的组织变化过程。要实正AI的价值，必需实现从计谋层到施行层的全面认知拉通取协同推进。起首，正在集团内部，我们董事长会制定清晰明白的AI计谋方针，并将其纳入焦点高管团队的年度OKR系统，确保AI扶植成为企业成长计谋的一部门，获得最高层级的资本设置装备摆设取决策支撑。其次，AI计谋方针需逐级分化至各本能机能部分，明白每个部分正在AI转型中的职责定位，鞭策营业、数据、手艺等多条线的深度协做。同时，成立由环节部分配合参取的跨部分AI项目协同小组，打破部分壁垒，构成高效联动的推进机制。最初，要系统性加强一线员工的能力扶植取认知提拔。通过持续的培训赋能、共创工做坊取小规模项目试点，使一线员工可以或许理解AI、利用AI、并正在现实工做中逐渐成立对AI系统的信赖感，构成“人人会用AI”的组织空气。只要组织全员协同、上下同频，AI才能实正融入营业系统，正在鞭策企业高效运营、立异成长中阐扬最大价值。正在保守企业中，AI落地结果取决于四大焦点要素的协同感化！场景价值×数据质量× AI手艺婚配度×组织预备度。这是一个乘法模子，任何一环为零，城市导致全体失效。要实现AI从概念到实效的，必需精准选择具有营业价值的使用场景，夯实高质量数据根本，设置装备摆设取需求深度契合的手艺能力，并激活全组织的认知共识取协同动能。放眼当前，中国生物制药范畴的AI摸索正正在持续深切，逐渐成为企业流程沉塑、组织再制取价值跃迁的焦点驱动力。AI不再只是降本增效的单一东西，而是上升为一种全新的数字出产力，赋能决策愈加聪慧、施行愈加高效、立异愈加可持续，为行业斥地了史无前例的成长空间。面向将来，AI的落地将面对更高的挑和！不只需要持续挖掘具备实正在营业价值的场景，更要实现手艺能力取营业需求的深度共振，鞭策AI实正融入企业的每一条神经、每一个细胞。AI的成功使用，不再是单一部分或手艺团队的胜利，而是企业全体认知系统、组织能力取办理机制的集体跃迁。