面对“三十定律”，复星医药如何用AI解构药物研发痛点？

作者｜周雅

在制药界，流传着一个残酷的“三十定律”：一款新药的诞生，平均需要耗费十年光阴、投入数十亿美金、而最终成功率却不足10%，这是悬在每一家药企头上的达摩克利斯之剑。在这个以高投入、高风险、长周期为标签的行业里，不确定性，是永恒的主题。

然而，当生成式AI的浪潮席卷而来，一些最敏锐的玩家已经意识到，传统的规则正在被改写。

复星医药，作为本土领先的医药健康产业集团，是这场变革中坚定的前行者之一。在2025亚马逊云科技中国峰会期间，我们与复星医药总裁助理兼首席数智官林锦斌聊了聊，他笃定说道：“随着生成式AI技术的快速演进，复星医药认为必须主动拥抱AI这样的新生产力，特别是对于生物医药这种高技术投入、高不确定性的行业。”

复星医药总裁助理兼首席数智官林锦斌

从5分钟搞定1周工作的“小切口”谈起

宏大的叙事固然激动人心，但真正的变革，往往始于一个不起眼却痛彻心扉的“小切口”。在复星医药，这个切口，是一份份让科学家们备受折磨的临床试验报告。

林锦斌讲了这样的情况：“一个典型的创新药临床试验报告，整个数据量大概会有3000多张的表格，我们叫TFL （Table, Figure, Listing），需要把这些表格整合成一个5万多字的报告。”这份工作已经足够复杂，但更令人崩溃的是，“随着临床试验的推进，这3000多张的表格需要被刷新两到三次。”

每一次刷新，都意味着一场人工的、繁琐的、极易出错的“大家来找茬”游戏。科学家们，这些本应在未知领域探索、与疾病赛跑的宝贵大脑，却不得不耗费长达一周的时间，去逐字逐句地核对数据与报告内容的一致性。“科学家的时间非常宝贵，不应该浪费在简单枯燥、又不能出错的工作上。”林锦斌强调。

这正是复星医药与亚马逊云科技合作的第一个靶点——“临床试验报告一致性检查”。双方没有一开始就去追逐其他场景，而是选择了这个最具体、最痛、也最能快速见到成效的场景。

结果是惊人的。“通过与亚马逊云科技合作，借助生成式AI技术对于文本、检索和信息处理能力，可以把3000多张表格映射到5万多字的报告里， 一键式完成报告初期的一致性检查。最终，召回率达到90%以上，准确率超过60%，工作效率从原来的1个星期缩短至5分钟。”

在临床试验报告一致性检查方面，它覆盖了90%场景，效率提升70%；同时在另一个高频场景——研发文献翻译上，借助亚马逊云科技生成式AI技术与智能医学内容生成中心，它可在6个月内完成超过1.6亿字的翻译工作，同时降低30%的成本支出。

这些被林锦斌称为“容易被忽略的场景”，恰恰是复星医药AI战略智慧的体现。他坦言：“我们最开始的时候野心比较大，我们说能不能一次性完成临床试验报告的自动化撰写？后来发现难度太大了。但是我们并没有气馁，而是跟亚马逊云科技一起合作，把一整个大场景解构成细颗粒度的小场景。”

“先从具体的子场景做起”这种务实，贯穿了复星医药的整个AI实践。林锦斌解释说，“因为每攻克一个子场景，就沉淀下一份能力。比如一致性检查，让我们沉淀了对医学术语、医学数据、报告文法结构的理解；医学文献翻译，又沉淀了跨语言信息处理的能力。”

就像拼图，每一块看似微小，但当它们被一块块拼接起来时，最终将构成一幅完整的图景——临床试验报告的全自动撰写。“尽管这个过程充满了不确定性，”林锦斌说，“但我们依托亚马逊云科技在全球范围内积累的大量实践经验，特别是和跨国药企的合作，能够助力我们快速高效地探索和前进。”

重新定义生命科学的“多模态”

如果说解决文档工作是AI应用的表层，那么深入到生命科学的核心，才是真正的深水区。当被问及如何处理生物医药领域复杂、海量且多模态的数据时，林锦斌指出：

“从生物医药的视角来看，多模态的概念更加广泛，不只是图像、音频、视频，还包括基因序列、蛋白质编码与结构等等，因此复星医药更加关注与专注生物医药领域的语言和模态。”

将基因、蛋白质这些生命的基本编码，视为一种独特的“语言”和“模态”，这意味着，AI需要学习的，不仅仅是人类的自然语言，更是生命本身的语言。这背后，隐藏着一个巨大的机遇——探索“暗知识”。

林锦斌引用了王维嘉在《暗知识》中的观点，即人类世界有大量的知识，是难以传递的体系，也就是“暗知识”。而人体，同样极端复杂，还未被完全了解，也是“暗知识”。“运用生成式AI技术则为我们提供了一条比较好的探索路径，即用生成式AI技术，以机器认知的方式，我们有很大机会去吸收这些暗知识的能力。”他说道。

虽然这是一条通往新药发现的路径，但它同样布满了荆棘，首当其冲的挑战就是「数据」。林锦斌坦言，“现在生物医药领域的数据体系建设要进一步提升，因为没有一个系统化的体系告诉我们，应该如何处理多方面的数据。”原因在于：

第一，基因库、蛋白质结构等数据类型的整合，从标准化和整合的角度来看，目前还不能整合到一起办大事。

第二，临床试验过程中的数据标准化和一体化问题，各个企业、医院、诊疗机构、研究团队等，他们的临床试验数据是否愿意拿出来？以及如何进行标准化？

如何改变该现状？林锦斌发出一个极具前瞻性的呼吁：“未来在整个生物医药行业，至少对中国来说，需要有一个联盟的数据体系来推动标准化、一体化、整合式的数据，从而为生物医药面向AI时代的未来打下坚实基础。”

这番话的背后，是一个清醒的认知：单靠一家企业的数据，无法喂养出真正强大的行业大模型，所以这需要超越企业边界的合作与远见，整合社会和行业的数据共同孵化，或许能达到应用层的百花齐放。

而对于大模型广受诟病的“幻觉”问题，林锦斌的看法与众不同。他认为，如果数据质量足够高，“幻觉”未必是负面词，“它可能代表了创造力。如果幻觉是以高质量的数据作为基座来引导，甚至能给我们的创新带来不一样的思路。”

AI的“皇冠明珠”

在复星医药的AI战略中，到底AI的生产力用在哪些领域？复星医药确定了两条核心主线：一个是研发，另一个是营销。

“在研发方面，我们每年投入50多亿。AI带给我们两方面的价值：其一，大量的数据检索、萃取、分析、汇聚的能力，通过生成式AI我们的效率得到极大提升；其二，我们对大模型的推理和规划能力更加认可和期待，因为这解决了一直困扰我们的问题——如何达成方向大致正确的选择。”

林锦斌强调了第二点，这才是他眼中AI的“皇冠明珠”，因为它关乎制药企业慎之又慎的地方——决策。

他用了一个比喻来解释这个过程。过去，研发决策更像是一场“豪赌”，依赖于少数专家的经验和直觉。而现在，复星医药希望借助AI，将决策过程从豪赌变为科学。

第一步，是全覆盖全量的信息输入，让AI成为一个“信息情报官”。面对关键抉择，比如“某一个管线到底最后做还是不做”，AI要能做到全覆盖，确保决策者没有漏掉任何关键的市场信息、竞争信息、专利信息或政策信息。

第二步，是全要素的评估模式，让AI成为一个严谨的“分析师”。通过AI智能体（Agentic AI）的框架，将影响决策的专利、市场、法规、集采等所有要素“分门别类罗列清楚”，进行“全要素的评估模式”。

“我们先作为一个裁判员，给它评分。随着AI技术的深度应用，我们的知识体系、数据积累的进步深化，后面可以把它转变为教练员，我们可以通过对于某一个管线的分析给出建议，这样就能够确保我们真正的决策是可靠的。”林锦斌总结说。

除了「研发端」之外，复星医药在「营销端」的做法，就比较普适化了。

第一步是“练兵”：对于客户数据、市场数据的汇总，AI系统就像一个不知疲倦的陪练教练。销售团队可以跟它进行模拟对话，反复练习推销技巧，直到滚瓜烂熟。

第二步是“上战场”：当销售人员真正去见客户时，这个AI就从“教练”变成了他们的“全能军师”和“超级装备”。它会立刻把这位客户的详细资料、过往合作记录、甚至连这次会谈的策略建议都直接推送到销售人员眼前，让他们胸有成竹。“这是我们未来要推进的方向，我们内部在用AI首先整合数据，然后尝试打造整个智慧化、智能化的商业物流和渠道管理。”

“快赢”与“诗和远方”的平衡术

不过，现在大家谈到AI，尤其是生成式AI，大家都普遍关心投资回报率（ROI），或者是实用性问题，当被问及如何评估“AI的ROI”时，林锦斌坦诚，这是他作为数字化决策者时刻需要思考的问题。他给出了一套清晰的战略打法：

第一，Quick Win（快赢）。他解释道，“Quick Win的确定性要高，且会有明确的量化价值结果，从ROI角度来看，我会对它的价值创造的指标量化，并提前要求。比如初期达到0.5，后期可能要达到1。”

这些“快赢”项目，不仅能沉淀团队自身对于AI生产力的应用能力，更能将创造出来的价值“反哺”给更宏大的目标。

第二，要瞄准诗和远方。“比如决策智能体，不可能是一蹴而就的，一个个决策智能体，要拼成一个有机的整体，这个过程要持续投入，不过这也是因为Quick Win打下了地基。”林锦斌解释说，“换言之，在Quick Win这块，我们尽可能铺开。首先，把果实摘下来储备好；然后，再对平台能力进行投资。最后，把它打包成一个完整的、决策层能够接受的整体战略方案。”

这是一种高明的平衡术：用一个个看得见、摸得着的“快赢”项目，为那些关乎未来的“诗和远方”积蓄粮草和弹药，确保创新既不因急功近利而迷失方向，也不因好高骛远而无以为继。

“相信，才能看见”

技术和战略的背后，终究是人与文化。当被问及为何在众多合作方中选择亚马逊云科技时，林锦斌的回答超越了技术和商业层面，直指一个更深层次的词——“相信”。

“对于创新文化，我们与亚马逊云科技同频共振，而以下这种创新文化的导入对复星医药来说非常重要。” 他提到了一个细节：在前一段时间，双方曾共同组织工作坊，核心阻力就是创新的方法论——“大家对于AI技术应用的认知要达成几个共识：首先，不能极度保守，要保持开放的心态；其次，不能认为它是一个神器，对结果不能过于乐观。”

具体的做法是：首先，从认知和预期上，跟科学家达成共识；然后，根据具体的创新方法论，找准问题并设定相应的指标，它应该是可量化、可跟踪、可动员的，一步一步地往前推进，碰到问题之后以混合团队的方式进行讨论，得出一个大家有共识的结论，再往下一步进行。

这种“同频共振”，体现在对试错文化的拥抱上。林锦斌深知，生成式AI项目落地后，会产生大量“不理想的案例”，这需要持续的运营和迭代。“比如碰到企业知识资产的逐步迭代、生成式AI的幻觉问题等，我们需要持续跟踪和运营这些不理想的案例，拥抱试错的文化，才能确保业务能够持久地跑下去，并越跑越好。”

而亚马逊云科技愿意在这种“不确定”中投入，与复星医药共同探索，而非仅仅追求短期的大额订单，这在林锦斌看来至关重要。“有的时候，相信才能看见，”他感慨道，“我觉得亚马逊云科技属于后者，所以说我们能够快速达成共识，往前推进。”

当然，光有文化和方法论还不够，必须要有好用的工具。林锦斌表示，复星医药正在双管齐下：

“第一，对于我们的技术人员，他应该要有一个好用的工程化的开发平台。”他透露，团队正在全球范围内寻找最佳方案，包括基于亚马逊云科技的和优秀的开源软件。

“第二，对于业务人员，我们希望构建一个低门槛的、便捷的众创平台，支撑我们的科学家能够自主去搭建符合他们个性化需求的AI系统。”

在这方面，亚马逊云科技提供坚实的帮助，这家公司表示其一直是医疗与生命科学行业数字化转型和创新的推动者和支持者。早在2013年，亚马逊云科技就组建了全球医疗和生命科学专业团队，服务着数千家行业客户，比如辉瑞、拜尔、罗氏、默沙东等。在中国，他们与数十家本地伙伴合作，服务超过400家客户。除了通用AI服务Amazon Bedrock、Amazon SageMaker等，他们还针对行业特性，构建了如Amazon HealthOmics、Amazon Comprehend Medical等专用服务，并进一步结合中国市场需求，推出了医学内容生成中心（Medical Insights Hub）、蛋白质结构预测工作台（Protein Folding Workbench）等本地化解决方案。

看向未来，复星医药的AI战略将如何演进？林锦斌表达了“开放”的心态：“我们对于所有能够给我们带来价值创造的合作伙伴，都是非常欢迎的。”