21世紀經濟報道記者季媛媛 上海報道
今年以來，AI在醫療和制藥領域的熱度一直不減。
7月26至28日，世界人工智能大會暨人工智能在上海多場館同步啟幕。本次大會主題為“智能時代同球共濟”，設會議、展覽等5大板塊，聚焦AI基礎設施、科學智能等10大領域。據了解，本次大會有800余家企業參展，3000余項前沿展品集中亮相，含40余款大模型、50余款AI終端及100余款全球首發/中國首秀新品，規模創歷屆之最。
大會期間，多家互聯網巨頭聲稱要加速構建“智慧醫療”和“生命科技”生態，驅動醫療影像、智能問診、AI實驗室等細分場景需求激增。
對此，德勤中國生命科學行業主管合伙人孫曉臻在接受21世紀經濟報道記者專訪時指出，AI在大健康領域的應用正從“技術概念”迅速轉向“規?；涞亍?。預計2025年中國AI醫療市場將突破200億元，在2030年突破1000億元，復合增長率達43.2%，全球AI制藥市場有望突破500億美元。
與此同時，現在，藥企普遍意識到，僅靠“跟風”難以在國際市場建立真正的技術壁壘。因此，尋找更具差異化的新靶點，或在同一靶點下實現best-in-class優化，成為創新的關鍵路徑。
AI在這方面是有潛力的。孫曉臻認為，一方面，AI在整合多組學、文獻和數據庫進行靶點發現方面大幅提升效率，縮短了“從概念到驗證”的周期；另一方面，AI也能幫助企業系統性地評估靶點成藥性，篩掉“看起來熱但實際難成藥”的方向，從而在更早階段優化資源配置。此外，AI在BIC分子的構建方面同樣大有可為，通過建模靶點與候選分子的結合位點、動力學特征，可以發現更優的藥效構型和給藥方案。
換言之，AI不僅能幫助“搶灘登陸”，更能幫助企業“搶到制高點”。
根據Global Market Insights的報告，全球“AI+醫療”市場正在迎來快速增長，預計年均復合增速將超過29%。招商證券也指出，該市場規模已超過50億美元，并預計到2032年將達到700億美元。而從市場結構看，藥物發現和醫學影像是AI應用最重要的兩個領域，合計占比超過50%。
在談及未來三年AI醫療、AI制藥行業格局時，孫曉臻認為，可以用三個關鍵詞來概括：融合、精準、重構。
德勤中國生命科學行業主管合伙人孫曉臻 受訪者供圖
AI成醫療和制藥增長引擎
《21世紀》眼下，AI+醫療，AI+制藥的話題層出不窮，您如何看待AI在醫療、醫藥賽道的市場布局前景，就您的觀察而言，目前這一賽道的融投資情況如何？
孫曉臻：在資本端， AI+醫療賽道雖受宏觀調控影響而理性回歸，但頭部企業依然獲得持續關注。例如，今年6月，英矽智能宣布完成1.23億美元的E輪融資，用于推動在人工智能平臺升級和藥物研發管線創新方面的突破；今年初，晶泰科技（XtalPi）通過配股和定增融資進行融資，總額超過30億元人民幣。這意味著資本正從“早期炒作”轉向“平臺化能力與商業落地驅動”的投資邏輯。
總體而言，AI正成為醫療和制藥領域的增長引擎：場景化支持下，創新模式不斷涌現；但商業化仍需驗證，項目應聚焦能創造臨床與成本價值的落地方案，才能吸引持續資本與市場認可。
《21世紀》：目前，不少大廠如華為、螞蟻等均在通過合作醫院獲取數據訓練模型，是否可能形成新的“數據壟斷”？開源模型會否削弱企業技術護城河？在醫療場景中，通用大模型（如百度、騰訊）與垂直領域智能體（如華為、醫渡）誰更具落地優勢？如何避免技術堆砌而脫離臨床真實需求？
孫曉臻：醫院數據只是其中的一部分。從新藥研發的角度來看，還需要其他數據集，比如分子結構、作用機制（MOA）、基因組學等。因此，我不認為生命科學公司在競爭地位上受到威脅。
然而，醫院數據在幫助生命科學公司優化其研發管線和臨床開發策略方面將非常有價值；它還可以通過利用真實世界數據或見解來加速臨床開發進程。從這個角度來看，生命科學公司必須與本地大型語言模型（LLMs）更緊密地合作，以推動與臨床開發相關的用例，例如流行病學研究、治療標準評估、試驗可行性研究等。
此外，每個模型都有其優缺點。通用模型在大眾健康管理方面非常有優勢，例如面向公眾的疾病意識提升活動，常見健康問題的自我診斷及干預建議。例如，DeepSeek 在幫助患者進行這些方面的應用上表現出色。因此，公共衛生機構、患者組織和非處方藥（OTC）企業可能會發現它們非常有用。
垂直領域智能體則更加符合特定用途。它們通常基于更深入的數據訓練，以支持特定類型的應用，如AIDD、AI影像診斷等。因此，醫院和生命科學企業會發現這些模型更為實用。
《21世紀》：目前AI醫療產品的主要付費方是醫院、醫保還是藥企？如何破解“技術叫好不叫座”的盈利困局？臨床級應用（如診斷）與降本增效類工具（如病歷生成）的商業模式有何本質差異？
孫曉臻：在中國，大多數數字診斷和治療方法仍需在利潤方面進一步發展。制造商將它們用于增強傳統治療方法或設備的差異化價值。未來，我們應該關注幾種潛在可行的業務模式：
一是國家藥監局批準的智能設備報銷。例如，華為智能手表在某些省份作為認證的血壓監測設備可以報銷。其理念是利用這些設備促進公共健康，相應會減少醫院就診次數；二是用于疾病管理和康復服務的商業保險，其中AI是解決方案的一部分。術康就是一個很好的例子（一個康復數字療法）；三是醫院中AI輔助診斷的報銷。這是最新醫保局指南中的一個新發展。不過，這需要更多時間收集證據并指導實際定價和報銷范圍。
競合關系成為主流
《21世紀》：AI縮短藥物發現周期后，臨床試驗是否成為新瓶頸？如何評估AI制藥公司“燒錢換管線”的可持續性？
孫曉臻：過去幾年，AI確實在藥物研發早期發揮了顯著加速作用，尤其是在靶點識別和先導分子生成階段。然而，這種速度上的“前移”，也驅使企業探索其他環節上的加速。
對于AI制藥公司是否“燒錢換管線”，我們認為應更全面地看待其可持續性。一個重要的評估視角，是關注AI投入在真實分子轉化率上的表現，比如每個AI生成分子到達IND或臨床階段的時間和成本節省是否具備優勢。與此同時，是否具備自動化實驗室、能做到干濕實驗一體驗證，也會成為衡量其技術沉淀和長期價值的重要標準。
《21世紀》：AI將I期臨床試驗成功率從40%-65%提升至80%-90%，但監管對AI動態學習算法的凍結要求構成矛盾。當AI將藥物發現成本降低50%以上，企業是否會轉向“小而快”的管線策略？傳統藥企與AI初創公司的競合邊界在哪里？
孫曉臻：在精準篩選和自適應試驗設計方面，通過引入生物標志物和人群分層，AI可以顯著提高早期試驗的命中率。當然，目前這類成功率提升的數據還更多來自模型預測或少量案例，還需進一步臨床積累去驗證廣泛適用性。在監管層面我們認為監管框架會不斷演進，在保證合規的同時，進一步鼓勵新技術。
AI所帶來的“降本提速”優勢，讓越來越多企業重新考慮管線策略。相比傳統“重投入、慢產出”的大品種路徑，一種更“小而快”、更強調快速驗證與決策的策略正在興起，尤其適合探索新靶點或高失敗率領域。在我們看來，這并不是AI初創獨有的路徑，反而是傳統藥企也在積極擁抱的方向。兩類企業之間的界限正在模糊——AI初創更擅長早期探索與快速迭代，傳統藥企則擁有強大的生物學基礎、臨床資源和合規能力。未來，我們很可能會看到更多“平臺+臨床”的組合模式，無論是戰略投資、聯合實驗室，還是從早期就綁定的聯合開發模式，這種競合關系將成為主流。
《21世紀》：在AI制藥平臺逐漸成為BD核心標的的背景下，技術價值評估標準是否已從“管線數量”轉向“算法壁壘”？如何量化AI平臺的技術護城河？（例如：訓練數據集規模、跨靶點泛化能力、臨床驗證分子數量）
孫曉臻：我們觀察到藥企在與AI平臺合作或投資時，關注點已經明顯從“能產出多少管線”轉向“平臺本身的學習能力與可持續產能”。因為真正有價值的AI平臺，不是靠短期積累幾個候選分子，或者服務付費的合作方式，而是能不斷從反饋中優化、快速失敗、快速再試，這種動態迭代的能力才是護城河的核心。
那如何量化這類能力？首先是數據本身——模型背后訓練的數據集是否廣泛、跨物種、覆蓋多靶點，且具有良好的標簽質量。其次是模型的泛化能力——不僅要在一個靶點上表現好，更要能跨靶點遷移、在不同機制下維持預測精度。再者，是模型生成分子的實際轉化率，也就是這些分子是否經得起“濕實驗”的驗證，是否已進入IND甚至臨床階段。最后，從平臺角度，還要看其是否具備模塊化能力，能否快速適配不同項目和合作模式。
從更深層次看，是否擁有閉環驗證系統——比如是否自建自動化實驗平臺，能實現“模型生成—合成驗證—反饋修正”一體化，也正在成為判斷AI平臺長期價值的重要指標。平臺化、系統性和可持續，是今天藥企在評估AI伙伴時最為看重的能力維度。
本文鏈接：專訪德勤孫曉臻：搶占“AI+健康”制高點，尋找差異化生死時速http://www.sq15.cn/show-9-62452-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。