剑神重生全文阅读IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台。

　　药物研发企业长期受“双十定律”和“专利悬崖”的制约，表现为药物研发的长周期、高成本、高投入以及有限的专利期瓶颈。为提高药物研发速度和成功率，通过数字化、智能化和网络化等先进技术赋能药物研发全过程逐渐成为制药行业转型升级的重要渠道和发展路径。数字化转型演进与升级是数字经济时代药企发展的必经之路和大势所趋，数字化技术助力药物研发企业在研发、制造和营销等各环节打造核心竞争力，在实现全周期“由点到线、聚线成面、面动成体”的药物研发智能生态建设过程中发挥重要作用，并将为药物研发企业开启全新的生产方式和发展模式。

　　党的二十大报告指出，“建设现代化产业体系，加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。国家发展和改革委员会正式发布的《“十四五”生物经济发展规划》中首次提出“生物经济”概念，并对我国生物技术与信息技术的融合提出了新要求，医药行业正面临着从人力密集型生产方式向高新技术为主的生产方式的转变。随着新一代信息技术、大数据、人工智能等技术的快速应用，制药企业若要保持市场竞争力，适应不断变化的市场环境和新的经济形势，需要满足个性化服务与市场定制的需求，部署数字化药物研发，推动药物研发模式变革和效能提高。由此可见，人工智能数字化升级已成为药物研发企业生存和发展的关键驱动力。

　　尽管有国家政策和地方政府在宏观层面对企业数字化的鼎力支持，但是制药企业在数字化转型演进与升级过程中仍然会遭遇多方阻力。目前，在利用数字技术和实体经济的融合方面，传统制药企业陷入了多方困局，对于处于数字化建设初期的一些人工智能制药企业来说，在加速企业数字化升级方面仍面临一些问题与挑战，主要表现在：一是高效获取市场供应链数据要素的能力较弱，对市场数据、客户服务数据等信息的使用能力较为缺乏， 难以整合多样化用户信息资源，处于不会转、不敢转的困境，不利于企业数字化转型升级发展。二是未能实现数字化转型过程中的全方位、多渠道发展，缺乏智能化检测、全流程数字化办公， 对于消费者需求无法做到精准定位，并进行针对性研发设计，在借助数字化和智能化渠道优化产品质量和工艺方面发力不足。三是当前企业最为缺乏与岗位匹配的高精尖人才，尤其是缺乏对当前市场需求定位、数字化理念经验并跨多领域的多元复合型人才的支撑。 数字经济时代，需将提升人员数字素养作为落脚点，将全面激发全员转型动力作为关键抓手。四是缺乏从上游试剂、耗材到仪器分析设备、自动化装备，再到下游生物医药产业链的各个环节的数字化新型基础建设配套，亟需产业链上下游及基础设施等反哺创新。

　　曾鸣教授在《智能商业》中提出了“点线面体”理论，认为“点、线、面、体”每一个定位的背后都有着不同的逻辑，需要不同的运营原则和资源调配方法，甚至竞争壁垒和最终发展路径都大为不同。[1]“点线面体”理论是企业进行数字化转型的战略定位思考框架模型，此理论将企业的数字化转型分为了四个阶段，每个阶段分别对应了企业不同的数字化转型程度，提示在此阶段应该进行何种建设，采取何种行动方式。企业可根据“点线面体”理论来评估数字化转型程度，查看所在阶段的主要任务以及确定下一阶段的目标：点：数字化转型的“点”是指企业刚开始尝试进行数字化转型，以某项业务或某个节点为基础进行数字化、信息化尝试；线：数字化转型的“线”是指企业已经完成了点的建设，将单项业务拓展到部门或整条业务线，将一些流程比较固定的业务线进行数字化转化，利用业务信息系统完成业务线的数字化建设，并通过业务系统数据库来大量沉淀业务数据；面：数字化转型的“面”是指企业的数字化已经普及到整个企业，实现了业务、技术、文化上的数字化，基本完成了企业的数字化转型，在这个阶段，企业已经实现了业务数据的联通，意味着数字化转型已经比较成熟；体：数字化转型的“体”是指企业开始涉足生态体系，布局产业链上下游相关企业数字化转型，将众多企业通过数字化生态建设进行连接。在这个阶段企业已经完成了自身的数字化转型，并将企业数字化发展从内部延伸拓展到外部。[2]

　　以下通过对一个有代表性的特定行业——药物研发行业的典型企业J创立和发展的案例进行探讨，说明制药企业数字化转型的演进过程。

　　药物研发领域存在著名的“双十定律”，其意思是研发一款原创新药的时间通常需要10年、花费需要10亿美元，而其创新回报率仅约1%。对于传统药物的研发，通常效率低、成本高、失败率高，面临较大的不确定性，存在较重同质化竞争现象，致使新药研发难度逐年攀升，难以满足临床迫切需求。J公司是一家以智能化、自动化驱动的药物研发科技公司，该公司把握了人工智能进入到制药行业的时间窗口，成立于2015年，随后整合了人工智能、智能计算、机器人以及量子物理等前沿科技，并创造了“智能计算+自动化实验+专家经验”的药物研发新模式，使得研发效率大幅提升，极大地缩短了新药研发周期，降低了研发成本，明显提高了药物研发成功率，促进了人工智能药物研发领域在数字化、智能化上的革新。这一新药研发模式，重塑了药物研发“生产工具”，解决了传统药物研发的痛点，有助于突破药物研发领域“双十定律”的束缚。其数字化转型升级的过程也体现出“点线面体”的演进特征：

　　点：J公司的数字化切入点是药物研发临床前研究环节的晶型预测业务，进行完整的晶型筛选实验是药物研发尤为重要的一个环节，在传统药物研发流程中，是采取实验试错的思路探索和筛选晶型，从理化性质的表征到最终优质晶型的培养，不仅投入的时间长，在成本、准确性、通量上都存在瓶颈，并且上市后还可能存在转晶的风险。而J公司在创立早期，将主要资金和精力投入到晶型的探索及其稳定性方面，在复杂晶体结构体系算法的攻克上屡受阻力，通过不断进行的结构预测和代码调整实验，实现了最终算法的成型，借助量子化学计算与人工智能技术的结合，开展或辅助筛选稳定的药物晶型，对药物晶型进行精确预测，并在某次晶形结构预测竞技中，该公司的预测率为100%。该公司运用算法进行预测，大幅度降低了时间成本，并且有助于分子结构的优化。自2016年以来，晶型预测技术逐渐融入并应用到药物研发领域和开发过程的各个环节。这个阶段人工智能制药初创企业主要进行大量的前期技术积累，商业模式以提供技术服务为主。

　　线：此阶段J公司开始尝试将技术服务的链条纵向拉长，不单单是在新药研发的某个节点或环节降本增效，旨在提供更具广度和深度的人工智能服务，探索更高附加值和可持续的商业发展模式，广泛开展与制药企业的合作交易，合作内容以基于人工智能计算与实验一体化药物发现与开发服务为主。研发的自动化实验室通过机械臂小车在各实验站之间配送化学试剂，将人工智能算法、机器人、智能制造等先进技术进行有机组合，机器人进行的药物实验来取代人工操作，使得实验效率相较单纯人工操作增加数倍。借助机器人实验不断进行迭代，从而生成大量的实验数据可供分析预测，将结果预测与实验设计相结合，开启源头创新，并用于人工智能建模，进一步覆盖分子筛选、靶点发现到临床实验前的全部研发步骤，提供苗头化合物筛选、先导化合物产生、先导化合物优化在内的多项服务，为全球200多家领先的药企和科研机构提供一体化服务，加速上百款药物的研发与上市。通过人工智能技术赋能药物研发，将数字技术渗透于实体经济，满足当前市场尚未满足的临床用药需求。

　　面：作为平台方和服务方，J公司对市场需求进行精准定位，其创新动能、数据潜能被激发，数字技术运用于业务流程自动化、软件服务平台化和专业工作智能化等多方面和全过程，有效地提高了企业的生产运行效率和内部管理效率。在此阶段，J公司打造干湿实验平台和智能化自动化药物研发新模式，同时从算力、算法、数据三个维度构建人工智能赋能数字化药物研发新基建。当这些核心数据要素建设到位时，人工智能和生物医药行业的融合就可以通过新“生产工具”的出现，优化迭代现有的药物研发模式，进一步降低试错成本，提高药物研发过程的效率与预测能力。企业内部不同业务系统，如生产、供应、销售的打通，使得企业内部达到整体数字化，可以借助数据进行可视化分析，并辅助企业管理人员做出决策。

　　体：J公司致力于打造“超级实验室”，成为全球药物研发智能化和自动化的领导，以数字化实践，为企业和行业创造出更加可观的价值。这也意味着企业数字化发展正在逐渐从内部延展到外部。比如该公司的应用下游已逐步从医药拓展到新材料、新能源等部分新领域，应用场景越来越广泛，实现与上下游为邻，与全球市场链接。未来J公司将继续对接外部需求，不断扩展业务布局，在技术标准、数据标准、安全标准等方面通过与大企业合作，将平台升级为最高标准，达到算力强劲化、算法专属化、产能规模化，持续发挥该公司技术优势，为国内外药企提供丰富经验，进一步实现药物研发的行业革新。同时，追求更为广泛、成熟的合作生态圈，向赋能千行百业迈进，比如服务和赋能更多中小型药企，助力实现快速做大做强，孵化出一批创新企业，集聚起一批上下游企业，从而实现行业协同，带动上下游产业联动发展，助力打造世界级数字产业集群。

　　由此可见，企业数字化转型升级是一个循序渐进，变革提升的过程，数据从孤岛到打通，场景从简单到复杂，应用从局部到全局，是“由点到线、聚线成面、面动成体”的系统工程。[3]

　　数字化转型是长期复杂的系统工程，是对企业整体进行的一次系统性重塑，不同于传统制药企业，J公司主动作为，积极融入数字化发展浪潮中，遵循“点线面体”的逻辑路径，全面系统推动企业业务数字化构建与升级。但制药行业中的传统企业由于类型、发展阶段的差异性，其数字化发展方式和实践落地途径也不尽相同，在数字化资源储备与经验、工具开发与使用、人力资源配置与支撑、数字要素利用效率与创新生态链构建等方面仍存在诸多困境，转型升级之路并不顺畅。国内新兴人工智能制药企业虽然有充足的数字化转型升级内生动力，但由于起步较晚，在市场订单、融资规模、核心场景与业务方面尚处于追赶阶段，在深化数字化进程和提高数字化程度方面仍有巨大增长空间，应持续在“夯实底座”的基础上发力，在多个层面上“更上一层楼”。基于行业龙头J公司的经验，本文提出了如下推动国内制药企业数字化转型升级的建议：

　　第一，加强对数字化应用方面所需的行业高质量数据的资源储备，建立数字化信息平台，聚焦为数字化转型提供数据要素支撑，实现单点突破。在药物研发生产过程中需要沉淀企业所需的各种数据，其中包括药物研发、生产、经营管理等各个环节中建立的所有精准有效数据，不同数据应在操作中边运行边实现云端实时存储，打破业务条线间的数据壁垒，根据研发需求实现多源异构数据的协同关联和在线交换，避免各自林立。此外，强化整体数据模型的建立和分析，重视企业细分领域的耕耘开发，创建药企个性化大数据库，在累积大量有效且真实数据的同时，争取在某一环节的应用和服务上率先实现单点突破，占据竞争优势地位，进而创建一套具有前瞻性、统一完善且成熟的数据集成、挖掘、共享平台，面向企业内部提供数据集成共享和高效复用服务，为后期数据分析、数据挖掘和数据驱动创新奠定基础。

　　第二，提高数字化技术的开发和应用，加强对数字化应用方面所需的技术资源储备，需要合理配置与整合高质量数据、沉淀有效算法和充足资金支持，加速技术迭代运用和产品技术升级，业务增长多点开花。一方面，充分利用人工智能、数据挖掘和机器学习等技术，对药物研发数据开展精准挖掘和分析，从而推动企业数字化转型升级，进一步降本增效，提升新药研发的成功率，优化药物疗效性与安全性。另一方面，药物研发企业需要将数字价值转化为商业价值，变革数字化转型整体推动治理方式和生产方式变革的全过程。不断通过结构化大数据挖掘新洞见，激发新思路，开发新技术，为实现助力企业药物研发效果指数级增长，提供技术支撑和保障，从而实现多条业务线快速增长，内生动力强劲。通过对大数据库的综合利用，将数据应用于各个生产环节和场景中，实现经营驱动，强化数字化的智能管理，弱化人的经验管理。

　　第三，持续高水平的技术和创新需要高质量的创新人才来支撑，需加强对复合型人才的引进和培养。中国素有具备人工智能制药的技术人才和人力成本优势，可采取落地中国，开拓全球业务模式，通过引进并培养一批懂业务、会技术的复合型人才，借助内外协作、优势互补的方式完善人才培养体系，合力推动企业“技术+业务”双向赋能不同类型的数字化技术人才，从而加速推动建立数字化的人才团队，聚焦核心技术人才能力的提升，以实现跨领域技术的融合，以及借助人工智能实现比传统模式更低的用人成本和研发成本，形成后发优势。此外，智能化时代，药物研发企业要实现数字化转型升级，提高市场核心竞争力，就需要保证核心系统具有自主可控性，立足企业自身组织架构和文化，增强对技术人才的吸引力和投入度。

　　第四，完善产业链创新生态，带动上下游企业共同参与数字化，打造规模效应，分享数字化红利。突破对传统药物研发设备的需求，在数据库建立完善、数字化技术充分运用、创新人才支撑及设备供应保障等多方位、全体系的基础上，在药物研发企业转型升级至高阶阶段时，通过连接上下游关联企业，打通生产、供应、运输、上市等产业链条，促进产业链的横向跨越和纵向扩张，整合产业链上下游各环节资源协同发展，从“点上开花”向“链上成景”转变。采取上下游分工协作模式，实现企业内外部的资源连接，整合投资技术和底层基础设施建设，提高产业分配与运行效率，强化与关联企业构建的优质产业生态关系，加强与产业规模集群的实质性融合，形成更加有效、更具特色的产业链协同机制，助推实现人工智能全面赋能药物研发产业发展。

　　关于IPP华南理工大学公共政策研究院（IPP）是一个独立、非营利性的知识创新与公共政策研究平台。IPP围绕中国的体制改革、社会政策、中国话语权与国际关系等开展一系列的研究工作，并在此基础上形成知识创新和政策咨询协调发展的良好格局。IPP的愿景是打造开放式的知识创新和政策研究平台，成为领先世界的中国智库。