文 | 融中財經(jīng)

2025年，一場由技術(shù)聚變催生的生產(chǎn)力革命正以前所未有的烈度重構(gòu)中國經(jīng)濟版圖。AI撕裂數(shù)據(jù)與實體的邊界，量子計算探索物理規(guī)則的邊緣，綠色科技重塑增長的倫理、低空經(jīng)濟、機器人、大模型打開科技躍遷的大門一2025年的中國，新質(zhì)生產(chǎn)力已非單純的技術(shù)選代，而是智能文明與產(chǎn)業(yè)基因的共振裂變。在這個大背景下，中國企業(yè)需要以智慧為坐標，穿透技術(shù)、組織與商業(yè)模式的“三重結(jié)界”，在數(shù)字與實體的糾纏中鍛造新物種。

會上，繪云生物CEO滕琳主持，唯邁醫(yī)療創(chuàng)始人兼CEO楊賀、佳量醫(yī)療創(chuàng)始人兼CEO曹鵬、英矽智能Co-CEO兼首席科學(xué)官任峰、連心醫(yī)療CEO章樺、角井生物聯(lián)合創(chuàng)始人兼CEO周一鳴參與討論，圍繞“跨界融合，重塑醫(yī)療大健康產(chǎn)業(yè)格局”進行了精彩的討論與分享。

以下內(nèi)容由融中財經(jīng)整理。

AI重塑醫(yī)療生態(tài)，聚焦六大賽道

滕琳（主持人）：當(dāng)人工智能以前所未有的速度重塑醫(yī)療生態(tài)——從影像診斷的精準閱片到新藥研發(fā)的智能篩選，從慢病的管理到個性化干預(yù)，再到公共衛(wèi)生預(yù)警的影響——機遇與挑戰(zhàn)并存，創(chuàng)新與規(guī)范共進。今天我們匯聚在這里，就目前六大關(guān)鍵賽道，與實戰(zhàn)派專家們，共同探討智能醫(yī)學(xué)生態(tài)圈里的關(guān)鍵議題。

接下來介紹一下幾大關(guān)鍵賽道。一是AI制藥，二是手術(shù)機器人，三是醫(yī)學(xué)影像，四是智能器械，五是生物計算，六是精準診斷。

我是來自繪云生物的滕琳，我們企業(yè)主要基于質(zhì)譜平臺的代謝組學(xué)研究，開發(fā)了世界上首個全自動高通量的定量代謝組臨床質(zhì)譜檢測平臺，致力于將代謝組學(xué)技術(shù)轉(zhuǎn)化為切實可行的健康解決方案。繪云同時擁有全國最大的40萬＋人份的臨床表型組學(xué)數(shù)據(jù)庫，開發(fā)了用于精準預(yù)防醫(yī)學(xué)的慢病體外診斷試劑和AI智能診斷軟件。之后我們將在代謝組學(xué)和AI技術(shù)的基礎(chǔ)上，進一步拓展慢病精準診療生態(tài)。接下來有請曹鵬介紹一下佳量醫(yī)療在AI智能領(lǐng)域的投資布局和重點項目。

曹鵬：大家好，我叫曹鵬，來自佳量醫(yī)療，公司在杭州。我們2020年4月成立，致力于做成一家腦科學(xué)和神經(jīng)外科平臺型創(chuàng)新醫(yī)療器械公司。目前，我們是中國第一個將腦機接口技術(shù)應(yīng)用于神經(jīng)調(diào)控領(lǐng)域且臨床進展領(lǐng)先的公司。

另外是圍繞平臺技術(shù)，我們積累了很多knowhow，包括微小封裝、智能算法、AI模型的賦能等都做了大量的儲備，已衍生出針對難治性癲癇、帕金森等疾病的適應(yīng)癥解決方案。此前，我們聯(lián)合浙江大學(xué)，通過智能化設(shè)備實現(xiàn)了完全截癱患者重新站立與自主行走的突破，相關(guān)成果已召開發(fā)布會。目前，佳量醫(yī)療在腦與脊髓神經(jīng)接口領(lǐng)域處于國內(nèi)領(lǐng)先地位。

此外，我們還布局了創(chuàng)新醫(yī)療器械，如基于磁共振引導(dǎo)的激光消融系統(tǒng)，用于治療癲癇與腦腫瘤，以及其他三類有源耗材，整體聚焦神經(jīng)系統(tǒng)領(lǐng)域。

關(guān)于AI布局，我們是國內(nèi)首個通過把腦機接口植入大腦，獲取大量顱內(nèi)腦電信息的企業(yè)，已建立自己的腦電云平臺，在100多例臨床試驗中標記了10多萬條數(shù)據(jù)。未來隨著植入量增加，數(shù)據(jù)規(guī)模將進一步擴大。

臨床過去使用傳統(tǒng)開環(huán)治療，難以精準、長期獲取有效的顱內(nèi)數(shù)據(jù)，而現(xiàn)在佳量通過腦電長程采集，包括24小時動態(tài)采集、應(yīng)用、范式和標記，開發(fā)基于腦電的模型，目前癲癇相關(guān)模型已初步建立。腦機接口設(shè)備可支撐更多病人做常規(guī)范式，并推廣到更泛化的應(yīng)用，如遠程程控、智能家居交互及手部運動控制等，這是我們后續(xù)在AI領(lǐng)域布局的重點方向。

任峰：我是英矽智能聯(lián)合首席執(zhí)行官兼首席科學(xué)官任峰。

英矽智能是一家AI賦能的生物技術(shù)公司，成立于2014年，2016年起運用生成式AI解決生物學(xué)與化學(xué)領(lǐng)域的問題——用生成式AI結(jié)合患者的多組學(xué)數(shù)據(jù)，發(fā)現(xiàn)創(chuàng)新性強且可靠的新靶點，再基于靶點的蛋白質(zhì)三維結(jié)構(gòu)，通過AI生成可與之結(jié)合的小分子化合物。公司核心業(yè)務(wù)聚焦于利用生成式AI進行靶點發(fā)現(xiàn)與分子生成。

目前，公司擁有30多條管線，覆蓋臨床及臨床前的各個階段，其中有7款產(chǎn)品正在開展臨床試驗，進度最快的是治療特發(fā)性肺纖維化的產(chǎn)品。該候選藥物由AI發(fā)現(xiàn)全新靶點，并生成全新分子，目前已在中國完成臨床二期，療效顯著：現(xiàn)有獲批的其他特發(fā)性肺纖維化藥物僅能延緩患者肺功能下降，而我們這款藥物在臨床上可逆轉(zhuǎn)患者的用力肺活量，改善肺功能。我們計劃盡快推進至臨床三期，為特發(fā)性肺纖維化患者提供顛覆性的治療方案。

當(dāng)前，大家評估AI制藥公司主要從兩個方面入手：一是AI技術(shù)為公司帶來的收入，二是管線的進展。在管線進展方面，我們處于全球前列——目前尚無AI藥物獲批，進度最快的也僅到臨床二期，我們的這款藥物便是其中之一。在收入方面，過去三年公司通過AI平臺，結(jié)合團隊開展戰(zhàn)略合作與管線的對外授權(quán)，收入年均增長70%，去年收入達8580萬美元，我們希望未來保持這一增速，快速推動技術(shù)落地、商業(yè)變現(xiàn)，與管線進展。

楊賀：我們是唯邁醫(yī)療，主要做醫(yī)用手術(shù)機器人，具體的賽道是介入手術(shù)機器人，也就是在血管內(nèi)的機器人。醫(yī)用機器人是近一兩年的熱點賽道，而AI的融入讓其從單純的機械輔助裝置（或機器手）變得真正具備“智能”屬性，這正是AI賦能的核心價值與重要性。

唯邁醫(yī)療歷經(jīng)十年，圍繞心腦血管介入手術(shù)的“眼、手、腦”三個環(huán)節(jié)實現(xiàn)產(chǎn)品落地，并于今年完成了整體方案的商業(yè)化，目前是全球唯一掌握“眼、手、腦”全鏈條產(chǎn)品的公司。特別值得一提的是，我們的冠脈介入手術(shù)機器人通過國家三類創(chuàng)新通道審批，牽頭起草該領(lǐng)域國標制定，并于今年承接國家重點研發(fā)計劃“智能機器人”專項——“手術(shù)機器人力感知與力反饋”項目，代表了國內(nèi)該領(lǐng)域的突破力量。

在我們看來，醫(yī)用手術(shù)機器人的發(fā)展離不開智能化——若僅是機械手臂，最多只能減少醫(yī)生疲勞、提升操作精度，易陷入同質(zhì)化競爭。而智能化可整合多模態(tài)信息，輔助醫(yī)生決策。所謂“眼、手、腦”，即模擬醫(yī)生手術(shù)邏輯：通過“眼”獲取影像，通過“手”感知力反饋與運動，最終通過“腦”整合信息并決策。這個整體環(huán)節(jié)如果醫(yī)用手術(shù)機器人參與，它會成為“生產(chǎn)力工具”，這是它最終的形態(tài)。

橫向?qū)Ρ葋砜?，我們介入手術(shù)機器人的操作邏輯與自動駕駛相似：醫(yī)生看血管通路，如同駕駛員，通過“方向盤”控制導(dǎo)絲導(dǎo)管的路徑走向，根據(jù)不同病灶的反饋做出決策（類似遇行人時減速或轉(zhuǎn)彎繞過），和自動駕駛是一樣的邏輯。我們近期開發(fā)的AI訓(xùn)練模型，正是借鑒了自動駕駛的精簡小模型思路，兩者邏輯高度契合。

目前自動駕駛不能叫自動駕駛，仍處于“輔助”階段，回到醫(yī)療領(lǐng)域，因涉及倫理問題，短期AI也以輔助醫(yī)生為主，但隨著技術(shù)落地，真正的自動駕駛或半自動化手術(shù)的實現(xiàn)并不遙遠。

章樺：我是連心醫(yī)療創(chuàng)始人章樺，公司成立于2016年。當(dāng)年受AlphaGo深度學(xué)習(xí)技術(shù)啟發(fā)，我們看到AI在醫(yī)療領(lǐng)域的巨大潛力，遂以“通過人工智能優(yōu)化腫瘤治療方案”為愿景開展業(yè)務(wù)。

早期我們從腫瘤放射治療切入，通過AI識別腫瘤病灶、形成治療靶區(qū)，指導(dǎo)射線精準照射（在治療腫瘤的同時保護正常器官）。2019年，公司獲三類醫(yī)療器械證，形成了產(chǎn)品，全國乃至全球范圍內(nèi)大概有400多家醫(yī)院的客戶在使用我們的產(chǎn)品，每年大概有超過30萬例用戶是用AI輔助的方法形成治療方案進行治療的。

2022年ChatGPT引發(fā)的大模型浪潮為我們帶來新方向：原來我們的技術(shù)是單純基于視覺的，或者基于圖像的模型，從2023年開始，我們把文本的模型形成多模態(tài)的模型，開始介入到腫瘤相關(guān)領(lǐng)域。我們先后與協(xié)和醫(yī)院、復(fù)旦大學(xué)附屬腫瘤醫(yī)院等合作，將應(yīng)用場景從治療端拓展至前面的分期判斷，和最后細節(jié)化的治療。

目前，我們已形成比較完整的產(chǎn)品體系，對于幾個比較常見的病種，像頭部的鼻咽癌，到中部的肺癌、食管癌，再到腹部的宮頸癌，有一整套人工智能體系可以解讀綜合性的信息、報告、所有的影像，判斷患者的病情，給出治療方案，在治療執(zhí)行過程中給予相關(guān)反饋及不良事件評估等。

總的來說，AI能力變強后，腫瘤這個比較復(fù)雜的病種的治療方案和對醫(yī)生的輔助決策能力都越來越強。隨著技術(shù)深化，我們不少設(shè)備廠商合作，將AI決策能力融入高端設(shè)備功能開發(fā)。

最后想說的是，我參與了多項國家重點研發(fā)計劃，深刻感受到AI正在重塑醫(yī)療體系——隨著AI對醫(yī)生的輔助越來越深入，未來指南的制定與知識總結(jié)的方式都將被顛覆。

周一鳴：我是周一鳴，來自角井生物科技。

AI發(fā)展迅猛，但制藥是非常傳統(tǒng)、非常緩慢的過程，行業(yè)長期受“雙十魔咒”（十年研發(fā)、十億投入）制約，而患者無法等它那么久。2000年我讀研究生時，人類基因組的圖譜公布解出來了，當(dāng)時大家很高興，說未來所有人類疾病都可以解決了，但20年后仍未實現(xiàn)。2015-2016年，我們意識到數(shù)據(jù)與算法的成熟可突破瓶頸，加上海量的人類組學(xué)數(shù)據(jù)，選擇了最難的腫瘤領(lǐng)域，希望通過AI開發(fā)創(chuàng)新藥物。

我們的藥和傳統(tǒng)的藥很不一樣，不一樣到藥監(jiān)局都不覺得它是藥，不知道如何審批，這個藥已經(jīng)在臨床上與醫(yī)生合作，在臨床治療上也有很好的效果，但是美國和中國都沒法批準進入臨床。現(xiàn)在中美都知道這種藥在臨床上很有效，已經(jīng)進入臨床試驗，未來幾年可能會獲批上市。

基于我們做的腫瘤新抗原技術(shù)，我們發(fā)現(xiàn)其可擴展至抗體領(lǐng)域：我們專注兩個事，一個是基因組序列，第二個是AI技術(shù)。通過基因組分析（腫瘤領(lǐng)域關(guān)注T細胞受體，抗體領(lǐng)域關(guān)注B細胞抗體），我們利用兩者序列相似性遷移算法，開展抗體發(fā)現(xiàn)。

后續(xù)我們意識到，僅做抗體發(fā)現(xiàn)不足以應(yīng)對臨床試驗的長周期、高風(fēng)險與高成本，所以最近探索將AI應(yīng)用于臨床試驗——以前覺得非常難的臨床試驗，現(xiàn)在對AI可能小菜一碟，包括過去要做多中心的數(shù)據(jù)對齊非常麻煩，容易出錯，還要花很多錢和人力，臨床上一個錯誤可能幾億美元就沒有了，但現(xiàn)在通過ChatGPT、DeepSeek等大模型可高效對齊，大幅降低錯誤風(fēng)險。

角井雖規(guī)模比較小，但AI的發(fā)展對小公司來說是很大的機會。我們沒有負擔(dān)，可以輕裝前行。即使在醫(yī)療這樣的復(fù)雜領(lǐng)域，也可能一個人能做出一個獨角獸，100個人的公司可能也能做成一個超級大的Biopharma。

降本增效，AI對醫(yī)療全產(chǎn)業(yè)鏈的賦能與機遇

滕琳（主持人）：剛才各位分享了所在機構(gòu)在AI智能醫(yī)學(xué)領(lǐng)域的布局與項目，接下來想請大家圍繞這幾個問題展開討論：AI如何賦能醫(yī)療全產(chǎn)業(yè)鏈（研發(fā)、生產(chǎn)、銷售、服務(wù)等），它帶來了哪些創(chuàng)新？未來醫(yī)療產(chǎn)業(yè)鏈的AI發(fā)展趨勢是什么？投資機遇與布局策略有哪些？

周一鳴：我原先大部分時間都是做研究的，在美國的時候是在高校里，回國以后在公司的研究院里，承擔(dān)過國家的大課題計劃。

我在角井是首席科學(xué)家。在我的個人經(jīng)歷中，確實能感受到這些技術(shù)在幫助我們解決臨床問題上的價值。以我們的腫瘤性抗原藥物為例，目前已啟動臨床試驗并完成患者入組。該領(lǐng)域全球僅少數(shù)公司涉足，初期需通過一個技術(shù)判斷方向的可行性。我本科學(xué)的是生物和計算機兩個方向，生物對我?guī)椭艽?，計算背景幫助我認識到腫瘤性抗原要成藥一定是靠計算，沒有計算不可能成藥。從30億里面找到一個位點或者幾十個位點，概率極低。2017年的兩篇Nature文章中，從30億里面找到幾十個對患者有效的，可以引起免疫反應(yīng)的多肽，然后給病人注射回去，這種方式在臨床上得到了驗證，很多患者受益了。我們的臨床試驗結(jié)果也得到了類似的結(jié)論。

我們做抗體也是由于技術(shù)發(fā)展?？贵w技術(shù)在2018年拿過諾貝爾獎，技術(shù)從八幾年到現(xiàn)在一直沒有太大變化，但最近我們開發(fā)的設(shè)備結(jié)合了AI算法，今年年底發(fā)布，我們認為這個設(shè)備徹底顛覆了傳統(tǒng)的展示方式：設(shè)備全自動運行，無需復(fù)雜人工操作；通過AI可從10億序列中精準篩選最優(yōu)方案，一個都不會漏（傳統(tǒng)方法僅能隨機測試十幾個序列，拿到了就如同“撞大運”）。這一技術(shù)大幅提升藥物研發(fā)效率。比如若首輪篩選無果，可快速切換生物學(xué)方法，避免時間浪費。

為什么我們后面要做臨床試驗的AI設(shè)計？因為我們意識到技術(shù)的推動力太大了，比如我們的技術(shù)一下子顛覆幾十年的技術(shù)，當(dāng)然也會有人再顛覆我們的。臨床需要做很多患者的數(shù)據(jù)，這個門檻更高一點，我們想把AI技術(shù)代入到臨床試驗里，雖然才剛開始，但相信再不久的將來，我們能夠把成本大幅降低。

技術(shù)的快速迭代是核心，只要足夠高效，就能解決更多問題。

任峰：周總說的“雙十魔咒”說明了目前傳統(tǒng)藥物研發(fā)所面臨的最大困境，即研發(fā)效率越來越低。僅通過人的知識經(jīng)驗，難以突破瓶頸，而AI則有可能給我們提供一個顛覆性的解決思路或解決方案。

AI為制藥行業(yè)帶來的改變主要體現(xiàn)在兩個方面：

第一，降本增效。傳統(tǒng)研發(fā)需“十年十億美金”，我們的目標是通過AI將早起研發(fā)研發(fā)其壓縮至“兩三年兩三億人民幣”?；跀?shù)據(jù)歸納，AI可減少試錯成本——無需實際合成即可預(yù)判結(jié)果。以特發(fā)性肺纖維化項目為例，從立項到確定臨床前候選化合物，我們僅投入260萬美金、耗時一年半，而傳統(tǒng)方法需數(shù)千萬美金，通過AI我們的成本僅為原來的十分之一左右，研發(fā)效率提高了，研發(fā)周期縮短了。

第二，提升原創(chuàng)性。以前中國生物醫(yī)藥一直被詬病，我們擅長“從1到100”，但“從0到1”的原創(chuàng)不如海外，這源于知識與數(shù)據(jù)積累的差距。AI的出現(xiàn)改變了這一局面——全球技術(shù)起點相同，而中國數(shù)據(jù)優(yōu)勢顯著，有了數(shù)據(jù)優(yōu)勢再結(jié)合算法，有可能實現(xiàn)彎道超車，發(fā)現(xiàn)海外未涉足的創(chuàng)新靶點與分子。還是以我們的特發(fā)性肺纖維化藥物Rentosertib舉例，通過對比病人與健康人的多組學(xué)數(shù)據(jù)，發(fā)現(xiàn)了全新靶點，目前全球僅我們一家針對該靶點開展臨床，這正是AI帶來的原創(chuàng)突破。

章樺：剛才兩位聚焦臨床階段前探索AI的應(yīng)用，我們則在臨床研究中深入應(yīng)用AI。過去這兩年，我們基本上一期到四期的臨床試驗都參與了；以前臨床試驗是勞動密集型產(chǎn)業(yè)——患者篩選、量表填寫、數(shù)據(jù)統(tǒng)計等均依賴人工，效率低下。

我們通過與北京友誼醫(yī)院、天壇醫(yī)院合作，構(gòu)建了基于多模態(tài)數(shù)據(jù)的完整體系：在早期臨床試驗開始時，AI可參與試驗設(shè)計，如結(jié)合知識體系預(yù)判風(fēng)險，做出較全面的臨床實驗方案。在臨床實驗方案的執(zhí)行過程中，AI則可以通過語言模型對文本和圖像的識別能力，加速對患者的篩選。我們在北京一家醫(yī)院實際的落地過程中，精準找到患者的時間比傳統(tǒng)方式快了大概2-3倍的時間。

2023年的一個研究顯示，大概25%的腫瘤臨床研究因三年內(nèi)需入組總體數(shù)量50%的患者而失敗，這是一個巨大的損失。而AI通過比較精準的捕捉，產(chǎn)生一個新的場景，醫(yī)生可以立即跟進。我們發(fā)現(xiàn)可以在門診場景上直接讓患者跟醫(yī)生對話，建立了較強的信任，加快了入組的效率和概率。后續(xù)患者在治療過程中，因為有了這些數(shù)據(jù)，可以及時捕捉到一些不良事件，減少患者脫落的可能性。

當(dāng)很好的數(shù)據(jù)實現(xiàn)數(shù)字化、智能化后，AI能夠直接完成統(tǒng)計——甚至不用等全部入組，過程中就能動態(tài)統(tǒng)計，及時發(fā)現(xiàn)問題并調(diào)整。這是我們看到的第一個重大變化，把原來很多勞動密集型的方式和行為人工智能化。

此外，我們公司內(nèi)部也實現(xiàn)了AI改造：市場物料（招標、申報材料等）均從由人來做變成了由AI生成；上周我們在藥監(jiān)局開會時，監(jiān)管部門已引入AI審核企業(yè)申報材料，未來或?qū)⒑芸煨纬伞癆I跟AI博弈”的狀態(tài)，監(jiān)管單位用AI在監(jiān)管你，生產(chǎn)單位在用AI來進行對抗。

AI推動醫(yī)療設(shè)備智能化，挑戰(zhàn)與突破并存

滕琳（主持人）：AI智能技術(shù)的不斷進步，為制藥及醫(yī)療帶來了進步。同時，在醫(yī)療設(shè)備的研發(fā)和升級上也提供了新的思路和方法，比如智能影像設(shè)備、可穿戴設(shè)備，請問嘉賓，AI如何推動醫(yī)療設(shè)備智能化發(fā)展？

曹鵬：關(guān)于AI，我有幾點思考：

第一，醫(yī)療是保守的，AI是先進的，這里面本身就是保守與先進的沖撞。剛才章總提到AI和AI的博弈，監(jiān)管用AI讀你的申報材料，但大家要知道，如果你的醫(yī)療器械里融入了“AI”功能，這個器械大概率屬于三類醫(yī)療器械，AI最大的問題是不可解讀性，有些是對未來的預(yù)測。這個時候，就會對監(jiān)管就帶來了很多問題，我們的審評結(jié)構(gòu)首先保證安全性，再考慮有效性，AI的屬性帶來了對于未來的不可確定性風(fēng)險，所以這是很大的沖突。

我做醫(yī)療器械這么多年，最大的感觸是AI在醫(yī)療方面的進展緩慢。為什么這么講？第一，關(guān)于醫(yī)療器械的研發(fā)流程，監(jiān)管需要讓你明確地告訴他原理和范圍。

第二，植入式產(chǎn)品與可穿戴設(shè)備面臨數(shù)據(jù)豐富性的問題。像我們做腦機接口的公司，有一個很大的問題在于沒有那么多已知的臨床數(shù)據(jù)。佳量醫(yī)療在全球范圍內(nèi)植入了100多例臨床數(shù)據(jù)，每24小時產(chǎn)生一批大量數(shù)據(jù)，已經(jīng)很多了；而埃隆·馬斯克的團隊僅植入6個病人，有效標記的數(shù)據(jù)會少一些。醫(yī)療數(shù)據(jù)的稀缺性導(dǎo)致AI在腦機接口方面的應(yīng)用仍處早期——傳統(tǒng)大模型基于互聯(lián)網(wǎng)的海量數(shù)據(jù)才產(chǎn)生了今天的結(jié)果，而特殊行業(yè)，如醫(yī)療細分領(lǐng)域，數(shù)據(jù)分散，包括原先很多醫(yī)院的腦電圖數(shù)據(jù)、顱內(nèi)腦電圖集常因存儲不當(dāng)而流失，標準化程度低。

當(dāng)前AI在醫(yī)療的應(yīng)用更多是“重建”——用AI智能替代傳統(tǒng)方法，核心仍在于“數(shù)據(jù)”。對我們來講，數(shù)據(jù)還不夠多，傳統(tǒng)大模型等領(lǐng)域在直接治療類和對于腦機接口的分析類領(lǐng)域，還處于非常早期的階段，需要慢慢積累數(shù)據(jù)。國家也已開始關(guān)注腦機接口等新興領(lǐng)域的數(shù)據(jù)監(jiān)管與標準化，今年國家的監(jiān)管機構(gòu)密集來調(diào)研了很多次，無論在省市區(qū)還是各個部委，大家開始做一些數(shù)據(jù)的規(guī)范，甚至術(shù)語的規(guī)范、標準的制定，不過仍處早期。

診斷、問診等內(nèi)容類AI屬于大模型范疇，應(yīng)用已較廣泛；植入類器械尚處早期；而可穿戴式“輕醫(yī)療”（如采集心電、體溫、血氧等）應(yīng)用不少——過去這類數(shù)據(jù)分散雜亂，如今正被積極規(guī)整建模，但整體仍處早期，尚未有大突破。

AI在醫(yī)療領(lǐng)域很火，但目前還遠未成熟，我們需要冷靜下來。

滕琳（主持人）：談到數(shù)據(jù)，尤其是數(shù)據(jù)的質(zhì)量，我非常感同身受，我所在的繪云生物也有同樣的問題。我們一直在講AI已經(jīng)在賦能制藥領(lǐng)域、賦能診斷。我也分享一下繪云生物在研發(fā)上的例子。

大家知道代謝組學(xué)的數(shù)據(jù)是非常重要的，在實踐過程中，數(shù)據(jù)的質(zhì)量直接影響到智能化的結(jié)果。目前就我們所在的智能診斷、精準診斷領(lǐng)域，仍面臨數(shù)據(jù)規(guī)模不足的挑戰(zhàn)。我們企業(yè)跟AI的結(jié)合還沒有達到通用人工智能的階段，核心研發(fā)仍集中于深度學(xué)習(xí)模型構(gòu)建。從診斷的領(lǐng)域來講，2015年奧巴馬提出“精準醫(yī)療”這個概念之后，一些基因科技公司，包括代謝組學(xué)的企業(yè)都通過數(shù)據(jù)來驅(qū)動產(chǎn)品的研發(fā)，尤其是近些年疾控、衛(wèi)健委從疾病的治療慢慢轉(zhuǎn)向到了疾病預(yù)防，這塊的工作是比較有價值的，另外我們也期待更多高質(zhì)量的數(shù)據(jù)能夠賦能醫(yī)療診斷這個領(lǐng)域。

剛剛曹總講到監(jiān)管這塊，在監(jiān)管和報批上，AI的診斷模型還需更多的專家發(fā)聲、建議，推動行業(yè)規(guī)范，為AI醫(yī)療領(lǐng)域的企業(yè)賦能。

楊賀：回到醫(yī)用機器人這個角度，在我們眼里，我們開玩笑說，很多專家手術(shù)工具和當(dāng)下時代很不契合，他們還在徒手操作器械做手術(shù)，但是在家里可能是用著各種智能化設(shè)備，學(xué)生寫論文都用DeepSeek改一改，家里的孩子報AI班，出來開的已經(jīng)是無限接近L3級別的車。而臨床專家們大部分時候還只能采用非智能化的手術(shù)器械，憑借長期累積的經(jīng)驗完成手術(shù)。

現(xiàn)在仍舊有不少手術(shù)類型的手把手學(xué)習(xí)班，靠師傅徒弟模式傳承，這種模式其實在手術(shù)機器人的加持下是有可能改變的。

我們做醫(yī)用手術(shù)機器人，并沒有指望它馬上開拓醫(yī)生的上限。手術(shù)機器人的目標不是替代頂尖專家，而是讓99%的醫(yī)生更快掌握技術(shù)、更輕松地提升手術(shù)質(zhì)量、優(yōu)化記錄質(zhì)控。

人性天生想偷懶，總想使用更簡單的工具。我開了20年車，以前以靠后視鏡側(cè)方停車為榮，現(xiàn)在離了智能倒車功能就容易剮蹭，這其實就是慢慢“變懶”的過程。

這未必是壞事：醫(yī)生省下重復(fù)練習(xí)手法的時間，轉(zhuǎn)而鉆研手術(shù)原理，反而是更好的方向。對器械企業(yè)而言，用AI賦能手術(shù)機器人，本質(zhì)是給醫(yī)生提供高效生產(chǎn)力工具。這個方向在AI商業(yè)化中最可行——它的支付方式明確、付費能力強，監(jiān)管也相對完善，商業(yè)化前景清晰。

中國AI醫(yī)療的國際競爭力與出海機遇

滕琳（主持人）：AI賦能醫(yī)療這塊需要高度跨學(xué)科知識的整合，接下來把剩下的10分鐘留給在場的各位嘉賓。

相峰：我想問大家在座各位一個問題，如何評價中國AI醫(yī)療領(lǐng)域的國際競爭力？不同國家有不同的監(jiān)管環(huán)境，可能在中國行不通的，在其他國家可能會找到市場。中國AI醫(yī)療方面在哪些地方有什么機遇？

任峰：中國的AI制藥領(lǐng)域比海外起步晚了一些，海外絕大多數(shù)AIDD公司都在2013-2015年成立，國內(nèi)大部分是在2018、2019年最熱的時候成立，進度比海外也稍微晚了一點。另外，國內(nèi)傳統(tǒng)藥企對AI的接受度較海外來講稍微保守一些，可以看到海外MNC每年與AI制藥公司簽數(shù)十個大合作，國內(nèi)這種大規(guī)模的合作較少。

然而，我們雖起步晚了一些，但有后發(fā)優(yōu)勢。一方面可以減少很多試錯成本，另一方面，中國的病人多、數(shù)據(jù)多。AI的訓(xùn)練和進步很大程度依賴于數(shù)據(jù)，如果既能源源不斷產(chǎn)生高質(zhì)量的數(shù)據(jù)，并且能把數(shù)據(jù)的標準化做好，把數(shù)據(jù)分享的機制做好，我們就完全有機會在AI制藥領(lǐng)域?qū)崿F(xiàn)彎道超車。

曹鵬：我覺得AI分幾個部分：數(shù)據(jù)、算法、算力。

第一，機械來講，中國有海量的數(shù)據(jù)。但可惜的是，我們原來沒有把這些東西標準化，被清洗過的有效的數(shù)據(jù)其實是不多的。大家最近幾年才開始重視起來，知道原來數(shù)據(jù)是個值錢的事兒。

第二，關(guān)于算力，醫(yī)療對算力的要求低于通用大模型，我覺得國內(nèi)對算力的要求沒有那么高，后面就是各家爭算法的事兒了。

從器械方面來講，算法在AI領(lǐng)域里其實是跟數(shù)據(jù)結(jié)合的，我們在算法和數(shù)據(jù)方面和海外有一點差距。中國人想做什么，其實決心和速度很快，現(xiàn)在大規(guī)模標準化樣本庫的建立，標準數(shù)據(jù)中心的建立，其實都在做這個事兒。我們可能略比美國晚一些，但相比歐洲和其他地方，一點兒都不輸于他們。

在我看來，像剛才任總講的，我們標記好的數(shù)據(jù)足夠多的話，彎道超車，甚至超出其他國家，有非常大的機會。

章樺：就像剛才曹總說的，從研發(fā)的角度來看，中國是很好的市場，但如果從市場的角度看，這片土地目前比較貧瘠。

我覺得在過去幾年，未布局海外的藥企與器械公司表現(xiàn)平淡。在座的公司不得不仔細考慮，利用中國很好的數(shù)據(jù)資源、算力資源，做出全世界最好的產(chǎn)品，然后從一開始就盯住一些比較肥沃的海外市場。

滕琳（主持人）：我想從診斷領(lǐng)域來分享一下。毫不謙虛地說，中美在精準診斷領(lǐng)域的研究是同步的，甚至在一些細分的賽道里，中國是在全球領(lǐng)先的。在監(jiān)管上來講，我們的國家是較為保守的，尤其是在一些創(chuàng)新產(chǎn)品的審評審批上，我們還沒有完全放開。

相峰：這跟物流企業(yè)有點兒異曲同工，也是場景多，數(shù)據(jù)規(guī)模大，但遺憾的是技術(shù)有一些天花板或者受到高度限制。陳總上午講的我挺贊同的，越是有障礙有挑戰(zhàn)的地方，也許越有創(chuàng)新、創(chuàng)業(yè)的機會。

周一鳴：剛剛各位講得非常好，把我想講的講沒了。

第一是技術(shù)上，我們跟美國差不了太多，市場確實是個問題，不光在儀器、設(shè)備、診斷上，在制藥里更是如此，大家知道采集一下，做完以后怎么掙錢呢？本錢都掙不回來了，紛紛往美國賣。誰先海外布局，誰先賣掉，誰就活下來了。過去幾年，國內(nèi)一共賣了200億美元的藥，而且是在臨床階段的藥。

在人才上，中國是無可替代的。即使和美國相比，人才也是值得我們?nèi)c幸的。我們跟他們一樣勤奮一樣聰明，但我們比他們的人數(shù)多得多。在人才上，中國的優(yōu)勢無比巨大。

楊賀：我對人才的儲備特別有感觸。我是工程師出身，AI醫(yī)療還在吃這個紅利，我個人認為在醫(yī)療器械上是偏應(yīng)用層的，因為基礎(chǔ)平臺醫(yī)療不做，算力的大模型在醫(yī)療器械上也不是我們在做，我們用常規(guī)的神經(jīng)網(wǎng)絡(luò)在做，等于是工程師在做工程師的事情，這塊正好是中國工程師的紅利。

回到出海，我們?nèi)ツ觊_始有一些海外的出口業(yè)務(wù)，去到“一帶一路”國家，至少我看到大部分周邊企業(yè)出海的賣點不是AI，是性價比。我們碰到的問題在于很快進入內(nèi)卷，不光在國內(nèi)內(nèi)卷，在海外市場也開始內(nèi)卷。比如這一周我們剛?cè)?0塊錢，下一周B公司，也是中國公司，報9塊錢。我有幾個海外客戶，他們上來先跟我們說小米汽車、華為手機，很羨慕我們有很多高科技產(chǎn)品，我們天然就被加持了，帶著光環(huán)去了。

現(xiàn)在醫(yī)療器械出去，我希望用好其他行業(yè)打好的基礎(chǔ)，不要只靠價格取勝，要把智能化加進去，擁有更好的附加值，這是我們的期望。

滕琳（主持人）：我們的環(huán)節(jié)到此結(jié)束，但我們的探索永不止步。謝謝大家！