2025年4月15日-16日，第十一屆CDIE數(shù)字化創(chuàng)新博覽會（以下簡稱：CDIE2025）在上海張江科學(xué)會堂隆重舉行。本次大會以“創(chuàng)新引擎：AI推動企業(yè)增長新風(fēng)向”為主題，匯聚來自制造、營銷、快消、醫(yī)療、零售、采購供應(yīng)鏈、財務(wù)、數(shù)據(jù)創(chuàng)新&信息安全、AI+ 機器人、企業(yè)出海等全球頂尖企業(yè)領(lǐng)袖、學(xué)術(shù)專家與技術(shù)先鋒，吸引了150多位國際演講嘉賓、100多家展商、5000多位參會嘉賓現(xiàn)場參與，打造了一場思想碰撞、技術(shù)展示與商業(yè)合作的國際盛宴。

中國生物制藥 | 正大天晴CIO曹奮澤作為此次大會主論壇的特邀演講嘉賓，發(fā)表了《智能躍遷 AI 驅(qū)動制藥產(chǎn)業(yè)的未來圖景》主題演講，深入分析了中國生物制藥 AI 落地的場景探索。

以下為曹奮澤先生演講內(nèi)容的整理，干貨滿滿，對于醫(yī)藥企業(yè)具有很大的學(xué)習(xí)、借鑒意義，歡迎大家閱讀、分享！

中國生物制藥 | 正大天晴CIO曹奮澤

中國生物制藥有限公司及附屬公司是中國領(lǐng)先的創(chuàng)新研究和研發(fā)驅(qū)動型醫(yī)藥集團，業(yè)務(wù)覆蓋醫(yī)藥研發(fā)平臺、智能化生產(chǎn)和強大銷售體系全產(chǎn)業(yè)鏈。產(chǎn)品包括多種生物藥和化學(xué)藥，在腫瘤、肝病、呼吸系統(tǒng)、外科/鎮(zhèn)痛四大治療領(lǐng)域處于優(yōu)勢地位。公司于2000年在香港聯(lián)交所上市，2013年入選MSCI全球標(biāo)準(zhǔn)指數(shù)之中國指數(shù)成分股；2018年入選恒生指數(shù)成分股；2020年入選恒生滬深港通生物科技50指數(shù)成分股、恒生中國（香港上市）25指數(shù)。中國生物制藥連續(xù)6年榮登美國權(quán)威雜志《制藥經(jīng)理人》發(fā)布的“全球制藥企業(yè)TOP50”，連續(xù)三年獲評《福布斯》（亞洲）“亞太最佳公司50強”。

數(shù)字融合驅(qū)動醫(yī)藥行業(yè)戰(zhàn)略轉(zhuǎn)型

中國生物制藥的核心戰(zhàn)略涵蓋組織整合、全面創(chuàng)新、國際化和數(shù)字化，其中數(shù)字化已成為支撐企業(yè)持續(xù)發(fā)展的關(guān)鍵力量。在生物制藥領(lǐng)域，數(shù)字化建設(shè)主要貫穿于藥物研發(fā)、生產(chǎn)制造、銷售管理以及企業(yè)內(nèi)部運營等多個環(huán)節(jié)。通過對各業(yè)務(wù)板塊的深度拆解，并以數(shù)字化系統(tǒng)進(jìn)行全面的數(shù)據(jù)沉淀，企業(yè)能夠?qū)⒃痉稚⒌男畔⑥D(zhuǎn)化為系統(tǒng)化的業(yè)務(wù)衡量指標(biāo)。不同指標(biāo)間的關(guān)聯(lián)性分析，進(jìn)一步為企業(yè)提供輔助決策的最優(yōu)路徑，助力提升整體經(jīng)營效率。

以藥物研發(fā)為例，針對早期研發(fā)、臨床前研究及臨床試驗階段，實施全方位數(shù)字化管理，可有效加快試驗進(jìn)程，提高研發(fā)效率。在生產(chǎn)環(huán)節(jié)，圍繞生產(chǎn)計劃、執(zhí)行管理和質(zhì)量保障進(jìn)行數(shù)字化建設(shè)，有助于及早識別潛在風(fēng)險，優(yōu)化生產(chǎn)流程。在銷售領(lǐng)域，通過對客戶目標(biāo)設(shè)定和作業(yè)過程的數(shù)字化管理，能夠幫助銷售人員快速掌握關(guān)鍵信息，提升精準(zhǔn)營銷能力。與此同時，在人力資源、財務(wù)、運營及風(fēng)險控制等企業(yè)內(nèi)部管理方面，數(shù)字化轉(zhuǎn)型也正同步推進(jìn)，形成覆蓋全業(yè)務(wù)鏈條的數(shù)字化體系。

由此可見，數(shù)字化已深度融入企業(yè)的各個板塊，并不斷積累高質(zhì)量的數(shù)據(jù)資產(chǎn)。隨著數(shù)據(jù)規(guī)模和質(zhì)量的提升，企業(yè)面臨的核心課題也在發(fā)生變化——不僅是實現(xiàn)數(shù)據(jù)的記錄和存儲，更需要探索如何釋放數(shù)據(jù)的更大價值。單純依賴傳統(tǒng)的數(shù)字化手段已難以滿足這一需求，因此必須引入人工智能（AI）技術(shù)進(jìn)行深入應(yīng)用。唯有當(dāng)數(shù)據(jù)在質(zhì)和量層面均積累到一定程度，AI才能基于這些數(shù)據(jù)進(jìn)行有效學(xué)習(xí)和預(yù)測，從而真正發(fā)揮出驅(qū)動業(yè)務(wù)創(chuàng)新與效率提升的最大價值。

中國生物制藥 AI 落地場景探索

在集團內(nèi)部，AI 的落地探索主要聚焦于兩條主線：一是業(yè)務(wù)流，二是資源流。業(yè)務(wù)流指向生物制藥全生命周期中的各個關(guān)鍵環(huán)節(jié)，資源流則關(guān)注企業(yè)內(nèi)部人力、財務(wù)、供應(yīng)鏈及運營管理等支撐體系的全面優(yōu)化。兩條線并行推進(jìn)，相輔相成，助力企業(yè)實現(xiàn)業(yè)務(wù)效率與資源配置效能的同步提升。

具體來看，在藥物研發(fā)方向，AI 技術(shù)正加速化合物的篩選與發(fā)現(xiàn)，提升研發(fā)效率并降低早期開發(fā)的失敗率。在臨床試驗階段，AI 廣泛應(yīng)用于智能閱片、患者入組篩選、臨床試驗方案設(shè)計與優(yōu)化等環(huán)節(jié)，顯著縮短試驗周期，提升入組質(zhì)量與臨床數(shù)據(jù)的可信度。在藥物生產(chǎn)環(huán)節(jié)，AI 通過智能排產(chǎn)、生產(chǎn)質(zhì)量過程保障、車間資源調(diào)度優(yōu)化、工藝參數(shù)實時監(jiān)控等方式，提升生產(chǎn)靈活性與穩(wěn)定性。在藥物流通領(lǐng)域，AI則賦能交付管理、倉儲管理、采購管理及供應(yīng)鏈計劃管理，實現(xiàn)供應(yīng)鏈的動態(tài)可視與預(yù)測優(yōu)化。在銷售環(huán)節(jié)，AI 主要應(yīng)用于客戶關(guān)系管理、銷售質(zhì)量控制、學(xué)術(shù)活動管理及銷售作業(yè)流程管理，幫助銷售團隊實現(xiàn)更精準(zhǔn)、更高效的市場拓展。

AI 正在逐步滲透到集團內(nèi)的每一個業(yè)務(wù)節(jié)點，不僅提升了各環(huán)節(jié)的運行效率和決策科學(xué)性，也在不斷推動企業(yè)構(gòu)建出一個智能化、動態(tài)可調(diào)、持續(xù)優(yōu)化的生態(tài)系統(tǒng)。隨著數(shù)據(jù)沉淀的不斷加深與AI技術(shù)的持續(xù)迭代，這一智能生態(tài)體系將成為企業(yè)核心競爭力的重要組成部分。

價值導(dǎo)向引領(lǐng) AI場景落地

AI實際落地過程中，技術(shù)本身往往并不是主要的限制因素，真正的挑戰(zhàn)在于如何精準(zhǔn)篩選出既具備落地可行性、又能實際創(chuàng)造業(yè)務(wù)價值的應(yīng)用場景?；谂c業(yè)務(wù)團隊多年深度共創(chuàng)的實踐經(jīng)驗，我們總結(jié)出了一套系統(tǒng)性的場景篩選邏輯框架，主要包括四個維度：業(yè)務(wù)認(rèn)知度、數(shù)據(jù)完備度、流程復(fù)雜度以及投入產(chǎn)出比。

首先，業(yè)務(wù)認(rèn)知度是場景落地的前提條件。如果業(yè)務(wù)團隊對AI的理解和認(rèn)知較弱，即便技術(shù)團隊投入大量努力，最終的應(yīng)用效果也往往難以達(dá)成預(yù)期。因此，我們會優(yōu)先選擇那些對 AI有一定認(rèn)知基礎(chǔ)、且對智能化轉(zhuǎn)型持開放態(tài)度的業(yè)務(wù)團隊作為切入點。其次，數(shù)據(jù)完備度直接決定了AI項目的建模質(zhì)量與效果。AI本質(zhì)上是輸入與輸出的系統(tǒng)，數(shù)據(jù)質(zhì)量越高，算法訓(xùn)練效果越好；反之，低質(zhì)量數(shù)據(jù)則可能對整體模型產(chǎn)生破壞性影響。再者，流程復(fù)雜度是衡量場景價值的重要因素。我們傾向于優(yōu)先選擇那些業(yè)務(wù)流程相對復(fù)雜、依賴大量人力資源、且存在明顯效率提升空間的“高耗能”場景，以確保智能化能夠帶來顯著的改進(jìn)成效。最后，投入產(chǎn)出比是綜合評估的重要依據(jù)。我們系統(tǒng)性地評估人力、資源、算力等各類投入與預(yù)期產(chǎn)出之間的關(guān)系，確保AI項目在落地過程中具備經(jīng)濟可行性和可持續(xù)性。

基于上述邏輯框架，我們對企業(yè)內(nèi)部各業(yè)務(wù)板塊進(jìn)行了系統(tǒng)梳理。其中財務(wù)管理、營銷管理以及研發(fā)管理是企業(yè)最早實現(xiàn)信息化和數(shù)字化的領(lǐng)域。這些板塊不僅數(shù)據(jù)積累相對完善，業(yè)務(wù)人員對AI也有一定認(rèn)知基礎(chǔ)，同時具備明確且可衡量的投入產(chǎn)出比，具備優(yōu)先應(yīng)用AI的天然優(yōu)勢。例如，財務(wù)智能審核、臨床試驗數(shù)據(jù)分析、合規(guī)風(fēng)險預(yù)警、患者入組篩選等場景，都是AI應(yīng)用的理想切入點。這些場景的成功落地，不僅為AI應(yīng)用積累了可復(fù)制的方法論，也為企業(yè)持續(xù)構(gòu)建智能化核心能力奠定了堅實基礎(chǔ)。

場景探索案例一：流程?動化

在業(yè)務(wù)體量龐大的生物制藥企業(yè)中，每年都會積累海量的合同、發(fā)票、協(xié)議等票據(jù)材料。這些票據(jù)來源多樣、格式各異，既包括系統(tǒng)導(dǎo)出的結(jié)構(gòu)化文檔，也包括大量掃描件、拍照圖片，甚至手寫內(nèi)容。這一現(xiàn)狀導(dǎo)致傳統(tǒng)審核流程高度依賴人工，審核人員需反復(fù)核對票據(jù)內(nèi)容、適用規(guī)則與流程節(jié)點，不僅工作負(fù)擔(dān)沉重，還容易產(chǎn)生錯審、漏審等合規(guī)風(fēng)險。

針對這一痛點，我們與業(yè)務(wù)團隊緊密協(xié)作，系統(tǒng)梳理審核規(guī)則、票據(jù)模板及合規(guī)邏輯，搭建了涵蓋OCR識別、信息抽取、規(guī)則匹配與異常檢測的AI審核體系。在技術(shù)落地方面，我們采用私有化部署的DeepSeek大模型，結(jié)合RAG（檢索增強生成）技術(shù)、豐富的提示詞工程及場景化微調(diào)機制，不斷提升模型對實際業(yè)務(wù)語境的理解能力。同時，我們建立了人機協(xié)同的閉環(huán)機制，通過持續(xù)收集人工反饋的高質(zhì)量審核樣本，反哺模型訓(xùn)練，實現(xiàn)審核能力的持續(xù)迭代優(yōu)化。

這一體系不僅顯著釋放了人力資源，提升了審核準(zhǔn)確率，更推動了業(yè)務(wù)流程的標(biāo)準(zhǔn)化、規(guī)范化與智能化，為更多流程型場景的AI替代與協(xié)作奠定了方法論基礎(chǔ)。類似的應(yīng)用場景還包括企業(yè)合同智能審核、臨床試驗患者入組篩選、生產(chǎn)質(zhì)量報告智能審核等，統(tǒng)稱為“流程自動化”，能夠大幅釋放人力、提升業(yè)務(wù)效能。

場景探索案例二：合規(guī)?控保障

以生物藥品制造流程為例，從種子庫管理、細(xì)胞培養(yǎng)、發(fā)酵反應(yīng)、生物分離、層析純化到納濾，每一個環(huán)節(jié)都高度復(fù)雜且嚴(yán)格受控，且受GMP等國際監(jiān)管標(biāo)準(zhǔn)的嚴(yán)格約束。任何微小偏差，均可能對藥品的質(zhì)量、安全性乃至上市審批造成重大影響。然而，現(xiàn)實中制藥生產(chǎn)過程依然大量依賴人工操作與紙質(zhì)記錄，容易引發(fā)流程偏差、記錄缺失或標(biāo)準(zhǔn)執(zhí)行不一致等問題，埋下合規(guī)隱患。尤其在生產(chǎn)變更管理、偏差事件處理、批記錄審核等關(guān)鍵節(jié)點，傳統(tǒng)模式下不僅人力投入巨大，還難以實現(xiàn)全流程、全周期的風(fēng)險閉環(huán)管理。

針對這些挑戰(zhàn)，我們正在建設(shè)基于AI的智能合規(guī)保障體系。一方面，基于流程數(shù)據(jù)與設(shè)備運行數(shù)據(jù)，AI可以實時監(jiān)測關(guān)鍵工藝參數(shù)，識別偏差趨勢，提前預(yù)警潛在質(zhì)量波動，輔助企業(yè)實現(xiàn)主動干預(yù)。另一方面，在操作端，我們引入圖像識別與視頻分析技術(shù)，對人工操作進(jìn)行實時監(jiān)測，捕捉不符合SOP的行為，做到即時提醒與過程可追溯。同時，通過挖掘歷史偏差與CAPA（糾正與預(yù)防措施）數(shù)據(jù)，AI輔助發(fā)現(xiàn)系統(tǒng)性風(fēng)險，持續(xù)優(yōu)化質(zhì)量管理體系。

最終目標(biāo)，是讓合規(guī)生產(chǎn)從“事后審查”轉(zhuǎn)變?yōu)椤斑^程感知”與“智能守護(hù)”，實現(xiàn)生產(chǎn)有證可循、操作有據(jù)可查、風(fēng)險有跡可控。這一智能合規(guī)保障體系，不僅成為制藥企業(yè)應(yīng)對日趨嚴(yán)格監(jiān)管環(huán)境的“安全閥”，更是未來建設(shè)“智能工廠”“數(shù)字化質(zhì)量管理體系”的關(guān)鍵基石。

類似的應(yīng)用場景還包括學(xué)術(shù)會議風(fēng)控保障、采購風(fēng)險識別、財務(wù)合規(guī)風(fēng)險預(yù)警等，通過對關(guān)鍵節(jié)點和異常行為的智能監(jiān)測與分析，AI能夠助力企業(yè)構(gòu)建系統(tǒng)化、前瞻性的合規(guī)風(fēng)控保障體系，有效降低運營風(fēng)險，提升內(nèi)控水平。

場景探索案例三：智能決策支持

第三個重要應(yīng)用場景是智能決策支持，尤其在生物制藥行業(yè)早期藥物研發(fā)階段尤為關(guān)鍵。藥物研發(fā)周期長、投入高、失敗率高，且決策節(jié)點眾多，如立項決策、靶點篩選、分子設(shè)計、臨床路徑規(guī)劃等，每一環(huán)節(jié)都需依賴大量情報研判，包括全球競品動態(tài)、專利布局、臨床研究進(jìn)展、市場趨勢、適應(yīng)癥變化及監(jiān)管政策調(diào)整等。

過去，這些情報主要依靠人工收集與分析，效率低、信息碎片化，容易導(dǎo)致決策基于“不全的數(shù)據(jù)、偏頗的視角、滯后的響應(yīng)”。如今，隨著大模型、知識圖譜、自然語言處理等AI技術(shù)的成熟，我們正在重構(gòu)情報支持體系。通過統(tǒng)一內(nèi)部數(shù)據(jù)與外部情報底座，AI能夠高效整合結(jié)構(gòu)化與非結(jié)構(gòu)化信息，實時監(jiān)測全球科研與市場動態(tài)，并通過語義理解、內(nèi)容抽取和多維關(guān)聯(lián)建模，構(gòu)建系統(tǒng)性的決策知識網(wǎng)絡(luò)。

例如，在靶點評估階段，AI可以基于文獻(xiàn)、專利與臨床數(shù)據(jù)庫自動生成可行性分析報告；在分子設(shè)計階段，AI輔助識別高潛力化合物結(jié)構(gòu)組合，加速候選藥物篩選；在臨床路徑規(guī)劃中，結(jié)合歷史成功經(jīng)驗與行業(yè)趨勢，智能推薦最優(yōu)方案。更重要的是，這種基于數(shù)據(jù)驅(qū)動的智能決策支持，使企業(yè)在全球競爭中能實現(xiàn)更快、更準(zhǔn)、更具前瞻性的判斷。

我們相信，AI不僅是工具，更將成為企業(yè)決策系統(tǒng)中的“第二大腦”，推動決策模式從經(jīng)驗驅(qū)動向數(shù)據(jù)驅(qū)動轉(zhuǎn)型，讓充滿不確定性的研發(fā)之路變得更加可控、可預(yù)測、可度量。

類似的應(yīng)用場景還包括銷售預(yù)測分析、藥品流向監(jiān)測、供應(yīng)鏈精準(zhǔn)優(yōu)化等領(lǐng)域，AI能夠基于海量數(shù)據(jù)進(jìn)行動態(tài)建模與趨勢研判，為企業(yè)提供更具前瞻性和精細(xì)化的智能決策輔助，進(jìn)一步提升運營效率與市場響應(yīng)能力。

場景探索案例四：企業(yè)知識管理

生物制藥全生命周期中，從研發(fā)、生產(chǎn)到銷售與監(jiān)管，每個環(huán)節(jié)都會沉淀大量高價值知識資產(chǎn)，包括科研報告、實驗記錄、專利情報、學(xué)術(shù)文獻(xiàn)、GMP規(guī)范、操作手冊、醫(yī)學(xué)材料、產(chǎn)品資料及客戶反饋等。這些知識本是企業(yè)的重要財富，但由于長期分散在不同系統(tǒng)和部門中，缺乏系統(tǒng)性管理，導(dǎo)致“沉睡”難以發(fā)揮價值。

借助AI技術(shù)，我們正在重塑企業(yè)知識管理模式。通過構(gòu)建統(tǒng)一的標(biāo)簽體系、關(guān)聯(lián)知識圖譜、引入語義理解與意圖推理機制，結(jié)合智能推送與個性化推薦，不僅實現(xiàn)了知識的結(jié)構(gòu)化管理與跨域融合，還能挖掘隱性關(guān)聯(lián)，激活沉淀知識的潛在價值。

智能知識管理讓企業(yè)從“靜態(tài)存儲、被動檢索”轉(zhuǎn)向“智能理解、主動推送”，實現(xiàn)知識的實時流動與廣泛應(yīng)用，不僅大幅提升了員工的信息獲取效率，打破了部門與專業(yè)壁壘，還實現(xiàn)了知識從“內(nèi)容資產(chǎn)”到“能力資產(chǎn)”的轉(zhuǎn)化。最終，這一體系將成為企業(yè)持續(xù)創(chuàng)新與高效運營的底層支撐力量。

數(shù)據(jù)治理：AI 場景落地的基石

在傳統(tǒng)制藥企業(yè)中，結(jié)構(gòu)化數(shù)據(jù)比例普遍偏低，大量信息沉淀于非結(jié)構(gòu)化文檔、圖片、表單、語音等多模態(tài)憑證中。這些數(shù)據(jù)彼此割裂，命名標(biāo)準(zhǔn)不統(tǒng)一、口徑規(guī)則不一致，難以直接為AI模型所用。要讓AI真正發(fā)揮業(yè)務(wù)價值，必須從根本上建立系統(tǒng)性、標(biāo)準(zhǔn)化的數(shù)據(jù)治理體系。

我們將數(shù)據(jù)治理劃分為三個核心層級：基礎(chǔ)層、知識層和規(guī)則層。

基礎(chǔ)層，聚焦于數(shù)據(jù)的采集、結(jié)構(gòu)化與質(zhì)量控制，確保數(shù)據(jù)在來源上真實可靠、在結(jié)構(gòu)上標(biāo)準(zhǔn)統(tǒng)一、在內(nèi)容上完整豐富。針對合同、發(fā)票、檢驗報告、實驗記錄等多模態(tài)數(shù)據(jù)，需通過OCR識別、NLP解析、圖像識別等技術(shù)手段，轉(zhuǎn)化為可理解、可調(diào)用的數(shù)字化資產(chǎn)。

知識層，強調(diào)對數(shù)據(jù)的語義建模與關(guān)系梳理，圍繞“人、事、物、決策”等核心要素，構(gòu)建清晰的知識脈絡(luò)。例如，一條藥品不良反應(yīng)記錄背后，關(guān)聯(lián)著患者信息、藥物成分、給藥方式及病程演化等多個節(jié)點。通過構(gòu)建知識圖譜與本體體系，使AI能夠真正理解業(yè)務(wù)語境，實現(xiàn)更高階的推理與認(rèn)知。

規(guī)則層，關(guān)注數(shù)據(jù)應(yīng)用邏輯的治理，重點在于建立統(tǒng)一的判斷標(biāo)準(zhǔn)和決策規(guī)則，確保AI輸出結(jié)果具備可解釋性、合規(guī)性與業(yè)務(wù)一致性。無論是臨床試驗中的數(shù)據(jù)篩選，還是財務(wù)審核中的合規(guī)判定，都必須通過規(guī)則層治理，確?！芭械脺?zhǔn)、用得穩(wěn)”。

數(shù)據(jù)治理不僅是AI應(yīng)用的前提保障，更是企業(yè)數(shù)字化能力的深水區(qū)。唯有建立起高質(zhì)量、可連接、可理解的數(shù)據(jù)體系，才能真正讓AI融入企業(yè)核心能力體系，從“實驗室技術(shù)”轉(zhuǎn)化為驅(qū)動業(yè)務(wù)發(fā)展的“生產(chǎn)力引擎”。

模型適配 ：量身定制 AI 方案

當(dāng)數(shù)據(jù)治理、業(yè)務(wù)場景篩選逐步成熟后，AI落地的另一個至關(guān)重要的決策點便是——底層模型的選擇與適配。對于大多數(shù)傳統(tǒng)企業(yè)而言，從零自研大模型既不現(xiàn)實，也無必要。一方面，自研模型的成本極其高昂，對算力、數(shù)據(jù)、安全與技術(shù)團隊提出了極高要求；另一方面，當(dāng)前已有大量開源與商業(yè)化模型能力成熟，關(guān)鍵在于如何基于具體業(yè)務(wù)場景，進(jìn)行高效適配與組合使用，真正做到“為我所用”。

我們將模型適配策略劃分為三類：

第一類：直接調(diào)用原生API，通過優(yōu)化提示詞。在此類場景中，模型能力基本滿足需求，核心在于構(gòu)建更高效的輸入方式以提升理解與響應(yīng)質(zhì)量。比如在知識檢索、報告總結(jié)、流程問答等任務(wù)中，通過合理設(shè)計角色設(shè)定、上下文引導(dǎo)與任務(wù)目標(biāo)描述，可以顯著提升模型輸出的準(zhǔn)確性與實用性。

第二類：引入RAG（檢索增強生成）機制。對于需要依托企業(yè)內(nèi)部知識庫、文檔體系、歷史案例等數(shù)據(jù)的任務(wù)，如臨床研究信息分析、藥品說明書問答、法規(guī)政策解讀等，通過RAG技術(shù)，可以使模型“帶著知識工作”，大幅提升專業(yè)性與上下文相關(guān)性，提供更可信的決策支持。

第三類：基于特定任務(wù)的模型微調(diào)。適用于高精度、高風(fēng)險、強規(guī)則依賴的復(fù)雜場景，如財務(wù)智能審核、合規(guī)風(fēng)險判斷、票據(jù)智能識別等。通過企業(yè)自有數(shù)據(jù)及規(guī)則進(jìn)行微調(diào)，可讓模型深入理解行業(yè)語言與流程規(guī)則，進(jìn)而構(gòu)建真正具備“企業(yè)語言能力”的智能助手。

此外，模型選型會根據(jù)具體任務(wù)靈活調(diào)整。在推理、分析等相關(guān)場景下， DeepSeek模型表現(xiàn)會更優(yōu)異；?在圖像識別、內(nèi)容提取等?向，阿里千問模型表現(xiàn)更佳。在實際部署中，我們堅持采用多模型協(xié)同、按需調(diào)用的策略，搭建模塊化、可插拔的AI能力體系，而非“一模打天下”。

底層模型的選擇不僅是技術(shù)決策，更關(guān)系到AI與業(yè)務(wù)契合度、項目成本控制、響應(yīng)速度及未來演進(jìn)空間。我們始終堅持以業(yè)務(wù)需求為中心的適配邏輯，推動AI真正深入業(yè)務(wù)血脈。

算?建設(shè)與基礎(chǔ)設(shè)施建設(shè)

AI應(yīng)用在企業(yè)中加速拓展、場景需求持續(xù)增長時，算力資源與系統(tǒng)支撐能力往往成為限制落地效率的瓶頸。針對這一挑戰(zhàn)，我們自項目啟動之初，便堅持構(gòu)建以混合云架構(gòu)為核心的AI基礎(chǔ)設(shè)施平臺，旨在同時滿足資源適配、隱私適配與生態(tài)適配三大核心訴求。

資源適配：通過本地私有云與公有云靈活協(xié)同，構(gòu)建彈性資源池，既保障核心業(yè)務(wù)場景下算力的可控性與可調(diào)度性，又通過統(tǒng)一調(diào)度系統(tǒng)，實現(xiàn)算力資源在模型訓(xùn)練、推理部署、數(shù)據(jù)處理等不同階段的按需分配，最大化資源利用率。橫向擴展能力的建設(shè)，使我們在高峰期也能基于業(yè)務(wù)場景動態(tài)調(diào)度算力資源，按優(yōu)先級智能排隊，確保關(guān)鍵任務(wù)的穩(wěn)定執(zhí)行。

隱私適配：考慮到醫(yī)藥行業(yè)對數(shù)據(jù)合規(guī)性與患者隱私保護(hù)的嚴(yán)苛要求，我們在混合云架構(gòu)中設(shè)計了多層安全隔離機制，確保敏感數(shù)據(jù)在本地環(huán)境中安全封閉運行，有效防止數(shù)據(jù)越權(quán)、泄露等風(fēng)險。同時，在模型訓(xùn)練與推理過程中，引入脫敏處理、數(shù)據(jù)訪問審計與權(quán)限動態(tài)控制，全面實現(xiàn)從“數(shù)據(jù)安全”到“模型安全”的閉環(huán)保障。

生態(tài)適配：通過智能AI服務(wù)網(wǎng)關(guān)，打通內(nèi)部模型與外部生態(tài)，支持模型與應(yīng)用場景的動態(tài)適配。無論是調(diào)用本地私有化大模型，還是對接外部開源模型，平臺能夠根據(jù)具體任務(wù)需求自動推薦最優(yōu)模型路徑，實現(xiàn)AI能力的靈活組合與高效上線，加速業(yè)務(wù)智能化轉(zhuǎn)型進(jìn)程。

通過構(gòu)建以混合云為基礎(chǔ)的彈性、智能、安全的AI基礎(chǔ)設(shè)施，我們?yōu)锳I在企業(yè)內(nèi)的大規(guī)模落地奠定了堅實支撐，確保技術(shù)與業(yè)務(wù)發(fā)展同步演進(jìn)、互相促進(jìn)。

信息安全：護(hù)航 AI 落地的基礎(chǔ)保障

在推動AI在企業(yè)內(nèi)部全面落地的過程中，數(shù)據(jù)安全與合規(guī)性始終是不可逾越的底線。因此，在數(shù)據(jù)安全方向，我們堅持三項核心原則：不合規(guī)的數(shù)據(jù)不采集、無監(jiān)督機制的場景不推廣、無防護(hù)措施的應(yīng)用不落地。通過技術(shù)手段與管理機制雙輪驅(qū)動，確保AI應(yīng)用在全流程中始終處于“可見、可測、可控”的安全狀態(tài)。

針對AI應(yīng)用中數(shù)據(jù)集中化、模型廣泛調(diào)用以及人員使用差異帶來的新型風(fēng)險，我們構(gòu)建了三大核心安全策略，為AI系統(tǒng)提供穩(wěn)定可靠的防護(hù)體系：

構(gòu)建縱深防護(hù)體系：通過網(wǎng)絡(luò)分域隔離、權(quán)限分級控制與流程封閉機制，構(gòu)建從網(wǎng)絡(luò)、數(shù)據(jù)到模型調(diào)用的多層防御體系，全面防止越權(quán)訪問、惡意攻擊與數(shù)據(jù)污染，保障系統(tǒng)安全邊界清晰可控。

強化底層加密保護(hù)：實現(xiàn)全鏈路數(shù)據(jù)加密、機密計算與簽名校驗?zāi)芰?，確保敏感數(shù)據(jù)在存儲、傳輸與處理各環(huán)節(jié)中不被泄露，同時防止模型被篡改，保障數(shù)據(jù)和模型全生命周期的可追溯性與可信性。

建立持續(xù)合規(guī)治理機制：通過引入合規(guī)測評、安全審計與人機雙向校驗流程，確保AI應(yīng)用在每一次數(shù)據(jù)采集、每一次模型調(diào)用、每一次輸出結(jié)果中，均符合內(nèi)部合規(guī)標(biāo)準(zhǔn)與外部監(jiān)管要求，實現(xiàn)全鏈路可驗證、可監(jiān)管。

數(shù)據(jù)安全與合規(guī)不僅是AI應(yīng)用的底線要求，更是企業(yè)在智能化轉(zhuǎn)型過程中構(gòu)筑可持續(xù)競爭力的重要保障。唯有在安全可控的基礎(chǔ)上，AI能力才能真正成為企業(yè)可持續(xù)發(fā)展的核心動力。

組織適配：塑造 AI 創(chuàng)新文化

AI的落地不僅是技術(shù)問題，更是一次深層次的組織變革過程。要真正釋放AI的價值，必須實現(xiàn)從戰(zhàn)略層到執(zhí)行層的全面認(rèn)知拉通與協(xié)同推進(jìn)。

首先，在集團內(nèi)部，我們董事長會制定清晰明確的AI戰(zhàn)略目標(biāo)，并將其納入核心高管團隊的年度OKR體系，確保AI建設(shè)成為企業(yè)發(fā)展戰(zhàn)略的一部分，獲得最高層級的資源配置與決策支持。

其次，AI戰(zhàn)略目標(biāo)需逐級分解至各職能部門，明確每個部門在AI轉(zhuǎn)型中的職責(zé)定位，推動業(yè)務(wù)、數(shù)據(jù)、技術(shù)等多條線的深度協(xié)作。同時，成立由關(guān)鍵部門共同參與的跨部門AI項目協(xié)同小組，打破部門壁壘，形成高效聯(lián)動的推進(jìn)機制。

最后，要系統(tǒng)性加強一線員工的能力建設(shè)與認(rèn)知提升。通過持續(xù)的培訓(xùn)賦能、共創(chuàng)工作坊與小規(guī)模項目試點，使一線員工能夠理解AI、使用AI、并在實際工作中逐步建立對AI系統(tǒng)的信任感，形成“人人會用AI”的組織氛圍。

只有組織全員協(xié)同、上下同頻，AI才能真正融入業(yè)務(wù)體系，在推動企業(yè)高效運營、創(chuàng)新發(fā)展中發(fā)揮最大價值。

AI 在傳統(tǒng)企業(yè)的落地思考

在傳統(tǒng)企業(yè)中，AI落地效果取決于四大核心要素的協(xié)同作用：場景價值×數(shù)據(jù)質(zhì)量× AI技術(shù)匹配度×組織準(zhǔn)備度。這是一個乘法模型，任何一環(huán)為零，都會導(dǎo)致整體失效。要實現(xiàn)AI從概念到實效的轉(zhuǎn)化，必須精準(zhǔn)選擇具有業(yè)務(wù)價值的應(yīng)用場景，夯實高質(zhì)量數(shù)據(jù)基礎(chǔ)，配置與需求深度契合的技術(shù)能力，并激活全組織的認(rèn)知共識與協(xié)同動能。

放眼當(dāng)前，中國生物制藥領(lǐng)域的AI探索正在持續(xù)深入，逐步成為企業(yè)流程重塑、組織再造與價值躍遷的核心驅(qū)動力。AI不再只是降本增效的單一工具，而是上升為一種全新的數(shù)字生產(chǎn)力，賦能決策更加智慧、執(zhí)行更加高效、創(chuàng)新更加可持續(xù)，為行業(yè)開辟了前所未有的發(fā)展空間。

面向未來，AI的落地將面臨更高的挑戰(zhàn)：不僅需要持續(xù)挖掘具備真實業(yè)務(wù)價值的場景，更要實現(xiàn)技術(shù)能力與業(yè)務(wù)需求的深度共振，推動AI真正融入企業(yè)的每一條神經(jīng)、每一個細(xì)胞。AI的成功應(yīng)用，不再是單一部門或技術(shù)團隊的勝利，而是企業(yè)整體認(rèn)知體系、組織能力與管理機制的集體躍遷。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。