近日，Bessemer Venture Partners 發(fā)布AI+生命科學(xué)路線圖，分析今年AI醫(yī)藥的發(fā)展趨勢。

Bessemer Venture Partners（BVP）是全球歷史最悠久、最負(fù)盛名的風(fēng)險(xiǎn)投資機(jī)構(gòu)之一，起源于 1911 年卡內(nèi)基鋼鐵公司聯(lián)合創(chuàng)始人的家族辦公室。

該報(bào)告的核心觀點(diǎn)是：AI正在徹底改變制藥和生命科學(xué)行業(yè)，每年能創(chuàng)造超1000億美元新價(jià)值，但目前只有5%的企業(yè)真正用起來。

其他觀點(diǎn)包括：

1、AI正在改變價(jià)值1500億美元的醫(yī)藥外包和生命科學(xué)市場；

2、以AI為先的挑戰(zhàn)者正以兩種形式出現(xiàn)——AI集成服務(wù)和AI原生SaaS——這兩者都挑戰(zhàn)依賴手工勞動和長期項(xiàng)目經(jīng)濟(jì)的現(xiàn)有CRO、顧問和軟件供應(yīng)商。

3、真正的競爭優(yōu)勢將屬 于那些將AI作 為統(tǒng)一能力層，協(xié)調(diào)發(fā)現(xiàn)、開發(fā)、制造和商業(yè)化工作流程的制藥公司和供應(yīng)商，而非作為孤立的點(diǎn)工具。

基于上述觀點(diǎn)， Bessemer還給出了一份評估AI生物醫(yī)藥公司的框架，為了方便閱讀，智藥局做了翻譯。

希望對讀者理解行業(yè)發(fā)展有所幫助。

AI+藥物研發(fā)：1000億美元市場

過去二十年里，制藥公司把很多原本自己做的核心工作交給了CRO。

比如做臨床試驗(yàn)、日常運(yùn)營、給監(jiān)管部門交申請材料、還有制定藥品的市場推廣方案等。

原因很簡單：如果專業(yè)的外包公司能花更少的錢，做得還更好，那藥企就沒必要每個(gè)領(lǐng)域都自己養(yǎng)一批頂尖專家。

這種外包的趨勢，現(xiàn)在已經(jīng)變成了一個(gè)超過1500億美元的大市場。

當(dāng)前市場正迎來關(guān)鍵的轉(zhuǎn)折點(diǎn)，這一變化由兩種重要的結(jié)構(gòu)性力量共同形成。

一方面，全球制藥企業(yè)面臨越來越大的專利懸崖，需要縮短新藥的上市時(shí)間、降低成本，同時(shí)盡可能提升商業(yè)回報(bào)。

另一方面，AI技術(shù)成熟度有了明顯提升，生成式人AI和智能體已經(jīng)能夠自動處理各類需要專業(yè)知識的工作，還能協(xié)調(diào)復(fù)雜的流程。

借助人工智能，每年有望在全球生命科學(xué)價(jià)值鏈中釋放超過1000億美元的價(jià)值。

不止如此，這1000多億美元的價(jià)值是全新創(chuàng)造的凈經(jīng)濟(jì)價(jià)值，并不是對目前用于外包服務(wù)和軟件的1500多億美元資金進(jìn)行重新分配得來的。

人工智能就像一個(gè)智能層面，將新藥研發(fā)發(fā)現(xiàn)與商業(yè)化推廣所帶來的收益整合在一起，實(shí)現(xiàn)協(xié)同增效。

這些額外的價(jià)值主要來自三個(gè)方面的支撐：

一是成本的降低，包括減少失敗的項(xiàng)目、臨床和制造支出降低，以及精簡銷售團(tuán)隊(duì)和銷售管理環(huán)節(jié)；

二是生產(chǎn)力的提升，具體表現(xiàn)為縮短工作周期、提高員工的工作效率，讓相同數(shù)量的員工能夠推進(jìn)更多的項(xiàng)目；

三是新增收入，比如新藥上市更加成功、產(chǎn)品的暢銷周期更長，同時(shí)還能獲得更合理的定價(jià)和更廣泛的市場覆蓋。

也就是說，人工智能并非僅調(diào)整外包預(yù)算，而是通過優(yōu)化研發(fā)、臨床、制造與商業(yè)化全流程，切實(shí)擴(kuò)大經(jīng)濟(jì)體系。

在發(fā)現(xiàn)階段加速目標(biāo)識別、減少無效研發(fā)；臨床中提升試驗(yàn)成功率、降低成本；制造上優(yōu)化工藝、減少批次失?。簧虡I(yè)化環(huán)節(jié)助力搶占市場先機(jī)。

藥企若將 AI 作為貫穿全流程的端到端能力，可獲得顯著競爭優(yōu)勢，僅將其作為單點(diǎn)工具則會在數(shù)據(jù)化行業(yè)競爭中處于劣勢。

AI落地的關(guān)鍵障礙：5%問題

然而，目前僅有5%的制藥公司在生成式AI取得了可量化的價(jià)值。

這背后是一個(gè)結(jié)構(gòu)性問題：制藥企業(yè)數(shù)十年來建立的傳統(tǒng)基礎(chǔ)設(shè)施，形成了大量數(shù)據(jù)孤島，與人工智能在數(shù)據(jù)、戰(zhàn)略、人才和運(yùn)營模式上的需求存在根本性錯(cuò)位。

以典型的制藥行業(yè)為例——

臨床數(shù)據(jù)被采集到為監(jiān)管報(bào)送而優(yōu)化的電子數(shù)據(jù)采集（EDC）系統(tǒng)中，這類系統(tǒng)高度受控，往往難以支持機(jī)器學(xué)習(xí)管線的運(yùn)行；

制造數(shù)據(jù)則被困在針對批處理記錄設(shè)計(jì)的歷史數(shù)據(jù)庫與MES平臺中；

商業(yè)數(shù)據(jù)散落在客戶關(guān)系管理系統(tǒng)（CRM）、處方數(shù)據(jù)庫以及互不兼容的儀表盤之間；

監(jiān)管報(bào)送文件更是以PDF和Word文檔的形式零散存在；

AI項(xiàng)目常常由各自為政的團(tuán)隊(duì)推動，授權(quán)不清，數(shù)據(jù)科學(xué)團(tuán)隊(duì)力量薄弱，治理框架也難以保障價(jià)值的真正落地。

這一采用差距，在傳統(tǒng)供應(yīng)商生態(tài)系統(tǒng)中表現(xiàn)得更為突出。

• CRO（合同研究組織）的利潤來源于可計(jì)費(fèi)的人員數(shù)量，自動化工作流程直接沖擊其單位經(jīng)濟(jì)效益。

  實(shí)施Medidata和EDC 系統(tǒng)的 IT 服務(wù)商依靠系統(tǒng)維護(hù)收取費(fèi)用，而人工智能正在削弱這種依賴。

• 以Tredence為代表的數(shù)字工程公司，雖然在傳統(tǒng)制藥系統(tǒng)之上構(gòu)建定制化分析，也嘗試推動產(chǎn)品化，但其核心仍是服務(wù)導(dǎo)向。

• 專注于監(jiān)管策略與市場準(zhǔn)入的咨詢公司，以每小時(shí) 300 至 500 美元的收費(fèi)標(biāo)準(zhǔn)，提供 NDA 申報(bào)及上市啟動規(guī)劃等服務(wù)。這些業(yè)務(wù)正在被相關(guān)智能體所威脅。

• Veeva這樣的平臺供應(yīng)商，依賴按用戶席位授權(quán)收費(fèi)，而減少用戶數(shù)量的AI，對其商業(yè)模式構(gòu)成了沖擊。

整體來看，現(xiàn)有的供應(yīng)商體系并未圍繞人工智能驅(qū)動的自動化或基于結(jié)果的交付模式進(jìn)行設(shè)計(jì)。

問題根源在于結(jié)構(gòu)：供應(yīng)商的利潤率高度依賴人力投入、實(shí)施服務(wù)或席位數(shù)量，而這些恰恰都是人工智能所直接挑戰(zhàn)的環(huán)節(jié)。

相比之下，不受傳統(tǒng)系統(tǒng)束縛的新進(jìn)入者，可以構(gòu)建以人工智能為核心的服務(wù)交付模式，面向那些準(zhǔn)備轉(zhuǎn)型的制藥企業(yè)。

人工智能的影響貫穿整個(gè)制藥價(jià)值鏈，每個(gè)環(huán)節(jié)都面臨著獨(dú)特的采用障礙、既有體系下的結(jié)構(gòu)性薄弱點(diǎn)，以及為 AI 優(yōu)先供應(yīng)商所預(yù)留的巨大價(jià)值空間。

五條價(jià)值鏈正經(jīng)歷深刻變革

制藥價(jià)值鏈的主要環(huán)節(jié)正在被人工智能重塑，流程隨之改變，傳統(tǒng)參與者面臨挑戰(zhàn)。

1、藥物發(fā)現(xiàn)

傳統(tǒng)上，藥物發(fā)現(xiàn)是一個(gè)緩慢、以實(shí)驗(yàn)為主的過程。內(nèi)部研發(fā)團(tuán)隊(duì)在CRO的支持下，推進(jìn)藥物研發(fā)，整個(gè)過程高度依賴專家經(jīng)驗(yàn)與反復(fù)的濕實(shí)驗(yàn)驗(yàn)證。

人工智能正將其從“實(shí)驗(yàn)”轉(zhuǎn)向“計(jì)算引導(dǎo)設(shè)計(jì)”。

化學(xué)與生物學(xué)的基礎(chǔ)模型現(xiàn)已支持計(jì)算機(jī)輔助靶點(diǎn)識別、新分子生成與虛擬篩選，使得僅有最具潛力的候選分子才進(jìn)入濕實(shí)驗(yàn)階段，從而縮短周期、減少無效化合物的資源浪費(fèi)。

隨著價(jià)值從按工時(shí)計(jì)費(fèi)的實(shí)驗(yàn)室工作，向以模型為核心的平臺轉(zhuǎn)移，傳統(tǒng)發(fā)現(xiàn)型CRO因依賴人力利用率和長周期項(xiàng)目，在結(jié)構(gòu)上處于劣勢。而那些將人工智能作為發(fā)現(xiàn)服務(wù)核心引擎的供應(yīng)商，將重新定義競爭格局。

2、臨床試驗(yàn)

CRO負(fù)責(zé)管理全球臨床試驗(yàn)活動，覆蓋方案設(shè)計(jì)、中心篩選、患者招募、數(shù)據(jù)管理與監(jiān)管申報(bào)等環(huán)節(jié)。

這是一種運(yùn)營密集型模式：由臨床研究助理、數(shù)據(jù)管理員和醫(yī)學(xué)寫作者組成的大規(guī)模團(tuán)隊(duì)，人工協(xié)調(diào)試驗(yàn)中心、收集數(shù)據(jù)并完成申報(bào)材料。

人工智能正在自動化那些驅(qū)動CRO利潤的勞動密集型工作流：

• 患者識別與招募，從依賴人工中心關(guān)系轉(zhuǎn)向基于電子病歷與理賠數(shù)據(jù)的算法匹配；

• 方案優(yōu)化，從專家主導(dǎo)設(shè)計(jì)轉(zhuǎn)向基于注冊數(shù)據(jù)與可行性模擬的數(shù)據(jù)驅(qū)動方式；

• 文檔與監(jiān)管申報(bào)，從人工撰寫轉(zhuǎn)向基于EDC數(shù)據(jù)的大模型輔助生成；

• 醫(yī)學(xué)寫作者的角色，從寫作轉(zhuǎn)向文件審閱

這一變化直接沖擊了構(gòu)成傳統(tǒng)CRO盈利支柱的離岸與在岸臨床研究助理、數(shù)據(jù)管理團(tuán)隊(duì)。

能夠通過AI賦能團(tuán)隊(duì)交付試驗(yàn)結(jié)果的供應(yīng)商，其單位經(jīng)濟(jì)效益將與依賴人力規(guī)模的現(xiàn)有企業(yè)形成本質(zhì)差異。

3、商業(yè)化與市場準(zhǔn)入

商業(yè)化領(lǐng)域長期由咨詢公司、市場調(diào)研機(jī)構(gòu)、生命科學(xué)領(lǐng)域代理商及外包銷售團(tuán)隊(duì)支撐，負(fù)責(zé)上市策略、市場細(xì)分、信息提煉、活動執(zhí)行與銷售賦能等工作。

多數(shù)項(xiàng)目以人工交付為主，成果形式多為靜態(tài)演示文稿、數(shù)據(jù)表等。人工智能正將商業(yè)化從靜態(tài)規(guī)劃推向動態(tài)執(zhí)行：

• 內(nèi)容互動，從泛泛的廣告投放轉(zhuǎn)向由基于合規(guī)內(nèi)容庫訓(xùn)練的AI智能體驅(qū)動的實(shí)時(shí)個(gè)性化醫(yī)患互動；

• 商業(yè)分析，從手動提取數(shù)據(jù)與使用Excel，轉(zhuǎn)向持續(xù)性的AI驅(qū)動微分群分析與每日更新的次優(yōu)行動建議；

• 銷售目標(biāo)定位，從季度靜態(tài)計(jì)劃演變?yōu)閯討B(tài)區(qū)域調(diào)配，根據(jù)實(shí)時(shí)績效數(shù)據(jù)動態(tài)調(diào)整目標(biāo)、信息與材料。

這一變化削弱了傳統(tǒng)咨詢公司與代理商的中介地位。當(dāng)企業(yè)可以登錄一個(gè)系統(tǒng)，直接獲得推薦的醫(yī)患優(yōu)先級、自動生成符合規(guī)范的個(gè)性化內(nèi)容時(shí)，對長期戰(zhàn)略咨詢服務(wù)與手工活動管理的依賴將大幅降低。

能夠借助人工智能實(shí)現(xiàn)執(zhí)行速度的服務(wù)商，將戰(zhàn)勝仍在銷售勞動密集型咨詢服務(wù)的傳統(tǒng)機(jī)構(gòu)。

4、監(jiān)管與醫(yī)療事務(wù)

制藥公司依賴生命科學(xué)領(lǐng)域的專業(yè)服務(wù)商及IT/業(yè)務(wù)流程外包公司，完成申報(bào)準(zhǔn)備、生命周期維護(hù)、藥物警戒案件處理、信號檢測與醫(yī)學(xué)寫作等工作。

這些流程以人工為主、文檔密集，運(yùn)行于分散的安全數(shù)據(jù)庫、內(nèi)容管理系統(tǒng)與共享硬盤之上，利潤率依賴于案件處理量與人力投入。

借助人工智能，企業(yè)可實(shí)現(xiàn)對監(jiān)管與安全運(yùn)營中知識工作的自動化：

• 病例分診與MedDRA編碼，從人工、標(biāo)準(zhǔn)操作程序驅(qū)動的處理，轉(zhuǎn)向AI驅(qū)動的分類與異常檢測；

• 信號檢測，從在分散的安全數(shù)據(jù)庫間反復(fù)人工核查，轉(zhuǎn)變?yōu)閷Y(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)源的持續(xù)情境感知監(jiān)測；

• 監(jiān)管文件編制，從基于Word的人工撰寫，轉(zhuǎn)向LLM輔助的申報(bào)材料與標(biāo)簽更新生成；

• 醫(yī)療事務(wù)洞察，從人工文獻(xiàn)綜述，轉(zhuǎn)向由AI驅(qū)動的臨床證據(jù)與患者洞察的持續(xù)整合。

生命科學(xué)領(lǐng)域?qū)Ｓ没A(chǔ)模型的興起也在加速這一轉(zhuǎn)變。

例如，Anthropic推出的Claude for Life Sciences，已提供連接PubMed、Benchling、BioRender及10x Genomics等平臺工具，并配備智能體能力與專用提示庫，使研究人員能夠高效完成文獻(xiàn)綜述、生物信息分析、方案生成與監(jiān)管初稿撰寫。

不過，這類平臺尚未構(gòu)成完整的監(jiān)管或藥物警戒體系；它們無法處理安全數(shù)據(jù)庫、MedDRA/WHO-DD、E2B等，因此在現(xiàn)階段更多作為底層支持基礎(chǔ)設(shè)施，而非專業(yè)廠商的直接替代。

真正的新機(jī)會在于在這些模型之上構(gòu)建應(yīng)用：勝出的企業(yè)將是那些能封裝端到端監(jiān)管與安全工作流、實(shí)現(xiàn)專有數(shù)據(jù)集成與GxP級可審計(jì)性的服務(wù)商，而圍繞公開數(shù)據(jù)與通用數(shù)據(jù)庫打造的AI應(yīng)用將迅速商品化。

這一轉(zhuǎn)變對于依賴案件處理量的業(yè)務(wù)流程外包商，以及依靠手工專業(yè)服務(wù)收費(fèi)的生命科學(xué)服務(wù)企業(yè)而言，構(gòu)成了生死攸關(guān)的挑戰(zhàn)。

我們的判斷是，最終勝出的不會是通用的大模型工具，而是那些深刻理解監(jiān)管與安全細(xì)節(jié)、能夠證明可審計(jì)性、并能在監(jiān)管與質(zhì)量機(jī)構(gòu)面前從容應(yīng)對的服務(wù)商。

5、 制造業(yè)務(wù)

制藥行業(yè)長期依賴咨詢、軟件、工程等各類服務(wù)商來優(yōu)化制造與供應(yīng)鏈運(yùn)營。

這些合作伙伴為CDMO與CMO提供提產(chǎn)、減廢、加速技術(shù)轉(zhuǎn)移及優(yōu)化采購等支持，其盈利模式主要依賴咨詢工時(shí)、軟件授權(quán)與項(xiàng)目制合作，而流程優(yōu)化與供應(yīng)鏈可視等工作仍以人工為主，分散在不同系統(tǒng)中。

人工智能釋放的價(jià)值在于將非結(jié)構(gòu)化制造數(shù)據(jù)轉(zhuǎn)化為真實(shí)的洞察：

• 在生產(chǎn)前預(yù)測批次產(chǎn)量影響，加快原材料表征與工藝開發(fā)，減少數(shù)月實(shí)驗(yàn)迭代；

• 生物工藝優(yōu)化，從靜態(tài)標(biāo)準(zhǔn)操作程序合規(guī)轉(zhuǎn)向?qū)崟r(shí)偏差檢測與持續(xù)改進(jìn)；

• 多基地網(wǎng)絡(luò)優(yōu)化，匯聚不同生產(chǎn)伙伴的數(shù)據(jù)，識別瓶頸并系統(tǒng)性提升績效。

對于傳統(tǒng)咨詢與軟件供應(yīng)商而言，人工智能帶來了結(jié)構(gòu)性挑戰(zhàn)。

一旦制藥公司或 CMO 能用上 AI 來實(shí)時(shí)優(yōu)化產(chǎn)量、掌握供應(yīng)鏈數(shù)據(jù)，他們就沒那么需要傳統(tǒng)咨詢和那些階段性優(yōu)化項(xiàng)目。

相比之下，那些把 AI 真正融入制造業(yè)務(wù)、能實(shí)打?qū)嵦嵘a(chǎn)量、降低成本的供應(yīng)商，將逐漸取代仍靠人力分析的傳統(tǒng)咨詢公司和軟件商，贏得市場。

兩類AI企業(yè)興起

在制藥價(jià)值鏈的各個(gè)環(huán)節(jié)中，目前主要呈現(xiàn)出兩類以AI為核心的企業(yè)形態(tài)。

第一類：AI 集成服務(wù)商

這類公司以行業(yè)專家為主導(dǎo)，依托自有的專有平臺，服務(wù)于臨床試驗(yàn)設(shè)計(jì)、監(jiān)管申報(bào)或商業(yè)分析等場景。

它們必須既懂行業(yè)語言，又能承擔(dān)端到端的交付責(zé)任，同時(shí)也符合企業(yè)現(xiàn)有的服務(wù)類預(yù)算結(jié)構(gòu)。

以臨床運(yùn)營負(fù)責(zé)人為例，他們習(xí)慣于將某一適應(yīng)癥或項(xiàng)目整體委托給 CRO 或咨詢公司來管理。如果這類服務(wù)商能借助 AI 工具而非傳統(tǒng)方式交付，效果會更佳。

一旦證明其能夠通過流程重塑，減少試驗(yàn)中心數(shù)量或縮短患者招募周期，便容易在客戶內(nèi)部實(shí)現(xiàn)從單一職能向相鄰職能的拓展。（例如從醫(yī)療事務(wù)延伸到安全，再從安全延伸到監(jiān)管）。

這類模式的主要挑戰(zhàn)在于市場進(jìn)入：銷售周期長，且客戶內(nèi)部已有長期合作的成熟服務(wù)商，僅靠技術(shù)優(yōu)勢很難替換掉這些“老朋友”。此外，其擴(kuò)張仍高度依賴專業(yè)人才與交付能力，即便有軟件工具作為杠桿，增長依然需要建立在扎實(shí)的運(yùn)營能力之上。

第二類：AI原生SaaS挑戰(zhàn)者

相比之下，這類 SaaS 企業(yè)走的是另一條路。

它們聚焦某一具體、高杠桿的場景，例如患者匹配、試驗(yàn)可行性評估、標(biāo)簽更新或?yàn)樯虡I(yè)團(tuán)隊(duì)提供行動建議等。

其優(yōu)勢在于可擴(kuò)展性：產(chǎn)品一旦成型并驗(yàn)證成功，可以以極低的邊際成本快速推廣到數(shù)十家客戶，同時(shí)每新增一家客戶的數(shù)據(jù)，都能反過來優(yōu)化模型（在隱私與治理框架允許的前提下）。

但這類企業(yè)面臨的挑戰(zhàn)是，很難直接切入制藥企業(yè)的核心業(yè)務(wù)流程。

研發(fā)副總裁更希望有一個(gè)能對結(jié)果全面負(fù)責(zé)的合作伙伴，而不是一堆零散的工具。

因此，SaaS 公司通常借助服務(wù)商（如 CRO、專業(yè)咨詢公司、系統(tǒng)集成商等）進(jìn)入市場，由這些已擁有客戶信任的伙伴將軟件打包到整體解決方案中。

這種模式目前發(fā)展迅速，因?yàn)榇蠖鄶?shù) CRO 與系統(tǒng)集成商自身缺乏深度 AI 能力，正積極尋找可以嵌入的“AI引擎”。但代價(jià)是利潤與話語權(quán)需要與伙伴共享，畢竟客戶關(guān)系仍掌握在對方手中。

總體而言，兩類模式并無絕對的優(yōu)劣之分。

AI 集成服務(wù)商在建立信任、承擔(dān)交付責(zé)任、以及在大型藥企內(nèi)部實(shí)現(xiàn)橫向拓展方面更具優(yōu)勢；

而 AI 原生 SaaS 企業(yè)則在可擴(kuò)展性、利潤率與產(chǎn)品持續(xù)迭代上占據(jù)上風(fēng)。

值得注意的趨勢是，兩類企業(yè)正逐漸向中間地帶靠攏——服務(wù)商越來越強(qiáng)調(diào)產(chǎn)品化，而 SaaS 企業(yè)也在服務(wù)與集成能力上不斷加碼。

—The End—