从2023年的ChatGPT到2024年的Sora，全球各大科技巨头加注AI+生命科学以及AI+医疗、大模型爆发式发展、政策及资本等方面的持续加持，加速了AGI时代的到来。新时代对生命科学和医疗服务企业带来了独特的机遇和挑战。全面了解现状，有助于企业抓住机遇，充分发挥团队、产品和企业的潜力，甚至实现弯道超车，更好地服务公众。另一方面，生命科学行业的参与者们，近年面临着诸如NRDL灵魂砍价，DRG/DIP改革带来的成本和营运压力；与此同时，新一轮严格的合规要求，以及产品生命周期缩短等诸多挑战，使得企业们纷纷在寻求新的商业化模式及加速新产品研发上市的步伐。AI会不会是接下来企业提高内外部效率的杠杆之一？本文将从政策概览，现状梳理，痛点阐述以及未来关注要素几个方面对AI+生命科学领域展开分析，希望能跟生命科学行业的客户一起，在快速发展的浪潮同前进。

　　作为我国科技创新关键领域之一，近年来，国家对人工智能鼓励的政策步伐不断加快。从去年年底到现在，不同的政策文件再次强调了人工智能发展的重要性，并在人才，技术标准等方面也发布了相关的指导建议。“人工智能+”行动的提出，恰似2015年提出的“互联网+”，预计未来人工智能产业将更快更深入的赋能经济的发展和变革。

　　在政策的鼓励，资本的加持之下，人工智能技术发展势如破竹。根据国家互联网信息办公室关于发布生成式人工智能服务已备案信息的公告，截至今年4月（12日），生成式人工智能服务已备案117个，包括我们熟悉的百度、阿里、华为、科大讯飞等科技公司产品，也有中国科学院自动化研究所和上海智能创新中心之类的研究机构，同时，还有隶属于国资委的中国移动通讯；从区域所属层面，北京备案的人工智能服务以51个占据了超43%的市场个数占比。其中的城市分布如下：

　　对于医药行业而言，人工智能从2007-2012年的早期探索阶段，诞生了诸如剑桥大学预测酵母菌新功能的Adam机器人；而后进入2013年到2016年的技术积累阶段，包括国内的英矽智能，晶态科技，国外的Exscientia、atomwise等标志性企业成立，这一阶段主要是前期的技术积累与早期商业模式的探索。再后进入2017-2019年的技术验证期，陆续开始获得临床前候选药物一类的验证性成果。随着技术的快速迭代和进步，从2020年至今，AI+生命科学已经进入了快速发展期，在这个时期，各大科技公司纷纷布局医药领域，包括腾讯2020年发布的云深制药（iDrug:为潜在活性药物寻找提供数据库和云计算支持，也为制药公司提供定制化服务）；百度研究院推出的线性时间算法Linearfold；字节跳动的AI lab也在2020年底开始AI制药领域相关的规划。

　　梳理目前生命科学领域的AI运用，其覆盖了从药物发现到商业化全流程的阶段，目前在药物发现/研究，临床前等方面发展得较为成熟，而监管提交领域目前的开发运用相对而言还处于比较早期的阶段，临床以及上市商业化方面，近些年的积极尝试也取得了一些不错的进步突破并且取得了不错的成绩和收入。

　　除了AI+生命科学方面的进展，AI+医疗健康的发展近年也势如破竹，正在构建智能化的诊疗新生态，AI+设备，AI+全生命周期健康管理等方面的尝试和运用不断落地，譬如AI模拟进行器官数字孪生，根据心功能计算模型模拟心脏在各种手术方案中对应的治疗效果以实现个性化治疗等。

　　我们知道，人工智能的发展得益于大模型的运用，在中国目前比较多的运用有哪些？分别解决了当前什么痛点？相信很多行业从业者最熟悉的莫过于临床医疗，尤其是其中的辅助诊断。以大模型为例，从下图毕马威梳理的中国目前主要大模型运用不难发现，辅助诊断确实是国内目前研究和应用较多的领域。这也是中国AI发展技术环节的痛点之一（见后面痛点环节）。

　　在大模型迅速发展时，企业内部的运用场景似乎离我们更近一些。在行业中，较成熟的是AI赋能业务的发展，比如AI陪练以及AI翻译等运用；此外，企业也在积极探索AI辅助人才培养和发展方面的运用。我们将AI赋能业务的类型做了主要的梳理：

　　在AI赋能人才培养和发展方面，其中包括千人千面的个性化学习，AI辅助人岗匹配，也包括AI的自动化招聘流程等。在部分企业中，考虑到在某些环节可能涉及公平公正的问题等，企业内部依旧存疑。

　　AI运用热火朝天，相应的投资也不容小觑，对于企业本身而言，领导们必然会关注当前的AI运用能带来多少获益，或者在未来什么节点能给企业带来可观的回报。以毕马威协助客户AI陪练的案例分析，其带来的不仅仅是直观上培训成本的减少，还能为企业提供决策支持，为企业传承优秀经验等多方面更长远的获益。如图是毕马威为医药行业客户提供智能陪练所带来获益的定性分析：

　　以此同时，在医院方面，以微医的智能医院为例，其单家智能医院已经达到一家大型三甲医院的收入规模。

　　虽然部分这类的AI运用已经取得不错的收益，然而，在技术迅速迭代和发展的同时，生命科学领域的AI发展也面临着诸多的挑战。其中，人才、技术和数据、以及政策等，是在谈及目前困境时候常被提及的因素。

　　根据工信部相关数据，人工智能不同技术方向岗位的人才供需比均低于0.4，人才供不应求成为常态。AI+生命科学既是发展迭代比较快速的领域，又是AI和生命科学交叉融合的领域,需要AI专家，数据科学家，生物学家和医学家等多学科专家组成，业技融合的复合型人才短缺。由于我国早年间在相关领域的教育起步较晚，目前人才的问题并不能快速的得到解决。而企业内部，除了积极发现并培养具有跨学科能力和潜力的员工，我们也建议，企业应该长远的规划自己的人才需求，提前搭建自己的人才体系，同时还应该配套设立奖惩机制。另一方面，也可以和具备相关经验的第三方展开充分的合作，从而实现双赢，共同推动创新和业务的进步。

　　其次，数据不可避免的是人工智能发展的基础，但生命科学行业和医疗服务行业的数据共享、数据质量、数据成本、以及数据安全等方面的问题一直备受关注。

　　一方面，在一些前沿领域，我国科学家仍依赖国外高质量数据。且目前，业界在各个垂直领域都投入了大量工作，执行数据清理、模式对齐以及提取、转换和加载操作（ETL），用这种方式收集难以控制的数字数据，并将其准备为适合分析的形式。这些任务占据了数据科学家近50%到80%的时间，限制了他们深入探索的能力。处理大量的数据类型（数据多模态）是合成生物学研究人员面临的一个挑战，与数据量相比，预处理活动的复杂性随着数据多样性的增加而急剧增加。

　　另外，生命科学数据的收集，传输和存储过程中，数据安全问题寇待加强，其在代码级别、训练和开发期间、部署后、网络以及生成输出等方面都很容易受到攻击。在毕马威之前发布的《生命科学行业趋势-网络安全》中，经过全面的评估，大数据与人工智能药物研发的网络风险为三颗星（最高的风险等级），其中包含了临床试验数据丢失或篡改（因此可能带来巨大的负面影响，包括药物上市时间延迟、丢失患者和社会的信任等）、滥用敏感（基因）数据、研发中的AI缺失和操纵（一旦被盗，可能造成重大经济影响。对AI算法的操纵可能导致药物开发和临床试验中出现错误假设）等，如下图所示。

　　在技术方面方面《中国新一代人工智能科技产业发展报告(2021)》数据显示，截至2020年底，中国人工智能企业布局在应用层的占比高达84.05%。以应用需求为主要牵引动能的发展模式，势必导致我国人工智能企业更急于实现业务应用和商业化，导致AI生命科学行业也存在发展失衡的问题和挑战。自主原创的算法，模型，工具仍待大力发展。然而在未来，我们依然会面临更大模型带来的技术新挑战，比如更大模型提供更精确的预测和更复杂的任务处理能力时，也需要更强的计算和存储能力。更大模型的计算也需要消耗更多的时间和资源，所以训练方法的优化，训练策略的制定，都是企业在布局过程中需要提虑的因素。

　　最后，随着人工智能的快速发展的不同应用的大量涌现，法律和监管问题变得愈发复杂。在生命科学行业，还存在诸如评价标准与方法不规范，产权结构不明确等问题依然有待提升和加强。在监管愈发复杂，部分领域监管欠缺的情况下，生命科学行业的企业，需要加强对自己内部相关应用、流程、责权的监控，贯穿AI的整个生命周期建立内部的监管体系和治理框架，并随时更新，保证技术运用的安全、可靠和可控，以防任何AI带来的负面影响。从毕马威以往的观察来看，怎么平衡好内部体系和框架的包容性和谨慎度，是企业确立制度时的难点，但又是不得不提虑的因素。

　　展望未来，生命科学公司需要积极的抓住AI的这个浪潮，找到自己的第二增长曲线，需要关注一些关键要素：

　　以此同时，企业在搭建自己的AI基础及规划未来战略时，可以从以下维度布局，在时间的长河中提前注入AI基因，增强人工智能时代的竞争力，实现AI赋能未来企业的发展和繁荣：

　　最后，用习在参加十四届全国二次会议江苏代表团审议时的话作为结尾：面对新一轮科技和产业变革，我们必须抢抓机遇，加大创新力度，培育壮大新兴产业，超前布局建设未来产业，完善现代化产业体系。对生命科学行业而言，提前布局AI赛道的企业能在逐步探索的过程中，积累内部人才，数据资。