作者｜周雅

在制藥界，流傳著一個(gè)殘酷的“三十定律”：一款新藥的誕生，平均需要耗費(fèi)十年光陰、投入數(shù)十億美金、而最終成功率卻不足10%，這是懸在每一家藥企頭上的達(dá)摩克利斯之劍。在這個(gè)以高投入、高風(fēng)險(xiǎn)、長(zhǎng)周期為標(biāo)簽的行業(yè)里，不確定性，是永恒的主題。

然而，當(dāng)生成式AI的浪潮席卷而來(lái)，一些最敏銳的玩家已經(jīng)意識(shí)到，傳統(tǒng)的規(guī)則正在被改寫(xiě)。

復(fù)星醫(yī)藥，作為本土領(lǐng)先的醫(yī)藥健康產(chǎn)業(yè)集團(tuán)，是這場(chǎng)變革中堅(jiān)定的前行者之一。在2025亞馬遜云科技中國(guó)峰會(huì)期間，我們與復(fù)星醫(yī)藥總裁助理兼首席數(shù)智官林錦斌聊了聊，他篤定說(shuō)道：“隨著生成式AI技術(shù)的快速演進(jìn)，復(fù)星醫(yī)藥認(rèn)為必須主動(dòng)擁抱AI這樣的新生產(chǎn)力，特別是對(duì)于生物醫(yī)藥這種高技術(shù)投入、高不確定性的行業(yè)。”

復(fù)星醫(yī)藥總裁助理兼首席數(shù)智官林錦斌

從5分鐘搞定1周工作的“小切口”談起

宏大的敘事固然激動(dòng)人心，但真正的變革，往往始于一個(gè)不起眼卻痛徹心扉的“小切口”。在復(fù)星醫(yī)藥，這個(gè)切口，是一份份讓科學(xué)家們備受折磨的臨床試驗(yàn)報(bào)告。

林錦斌講了這樣的情況：“一個(gè)典型的創(chuàng)新藥臨床試驗(yàn)報(bào)告，整個(gè)數(shù)據(jù)量大概會(huì)有3000多張的表格，我們叫TFL （Table, Figure, Listing），需要把這些表格整合成一個(gè)5萬(wàn)多字的報(bào)告。”這份工作已經(jīng)足夠復(fù)雜，但更令人崩潰的是，“隨著臨床試驗(yàn)的推進(jìn)，這3000多張的表格需要被刷新兩到三次。”

每一次刷新，都意味著一場(chǎng)人工的、繁瑣的、極易出錯(cuò)的“大家來(lái)找茬”游戲。科學(xué)家們，這些本應(yīng)在未知領(lǐng)域探索、與疾病賽跑的寶貴大腦，卻不得不耗費(fèi)長(zhǎng)達(dá)一周的時(shí)間，去逐字逐句地核對(duì)數(shù)據(jù)與報(bào)告內(nèi)容的一致性。“科學(xué)家的時(shí)間非常寶貴，不應(yīng)該浪費(fèi)在簡(jiǎn)單枯燥、又不能出錯(cuò)的工作上。”林錦斌強(qiáng)調(diào)。

這正是復(fù)星醫(yī)藥與亞馬遜云科技合作的第一個(gè)靶點(diǎn)——“臨床試驗(yàn)報(bào)告一致性檢查”。雙方?jīng)]有一開(kāi)始就去追逐其他場(chǎng)景，而是選擇了這個(gè)最具體、最痛、也最能快速見(jiàn)到成效的場(chǎng)景。

結(jié)果是驚人的。“通過(guò)與亞馬遜云科技合作，借助生成式AI技術(shù)對(duì)于文本、檢索和信息處理能力，可以把3000多張表格映射到5萬(wàn)多字的報(bào)告里， 一鍵式完成報(bào)告初期的一致性檢查。最終，召回率達(dá)到90%以上，準(zhǔn)確率超過(guò)60%，工作效率從原來(lái)的1個(gè)星期縮短至5分鐘。”

在臨床試驗(yàn)報(bào)告一致性檢查方面，它覆蓋了90%場(chǎng)景，效率提升70%；同時(shí)在另一個(gè)高頻場(chǎng)景——研發(fā)文獻(xiàn)翻譯上，借助亞馬遜云科技生成式AI技術(shù)與智能醫(yī)學(xué)內(nèi)容生成中心，它可在6個(gè)月內(nèi)完成超過(guò)1.6億字的翻譯工作，同時(shí)降低30%的成本支出。

這些被林錦斌稱(chēng)為“容易被忽略的場(chǎng)景”，恰恰是復(fù)星醫(yī)藥AI戰(zhàn)略智慧的體現(xiàn)。他坦言：“我們最開(kāi)始的時(shí)候野心比較大，我們說(shuō)能不能一次性完成臨床試驗(yàn)報(bào)告的自動(dòng)化撰寫(xiě)？后來(lái)發(fā)現(xiàn)難度太大了。但是我們并沒(méi)有氣餒，而是跟亞馬遜云科技一起合作，把一整個(gè)大場(chǎng)景解構(gòu)成細(xì)顆粒度的小場(chǎng)景。”

“先從具體的子場(chǎng)景做起”這種務(wù)實(shí)，貫穿了復(fù)星醫(yī)藥的整個(gè)AI實(shí)踐。林錦斌解釋說(shuō)，“因?yàn)槊抗タ艘粋€(gè)子場(chǎng)景，就沉淀下一份能力。比如一致性檢查，讓我們沉淀了對(duì)醫(yī)學(xué)術(shù)語(yǔ)、醫(yī)學(xué)數(shù)據(jù)、報(bào)告文法結(jié)構(gòu)的理解；醫(yī)學(xué)文獻(xiàn)翻譯，又沉淀了跨語(yǔ)言信息處理的能力。”

就像拼圖，每一塊看似微小，但當(dāng)它們被一塊塊拼接起來(lái)時(shí)，最終將構(gòu)成一幅完整的圖景——臨床試驗(yàn)報(bào)告的全自動(dòng)撰寫(xiě)。“盡管這個(gè)過(guò)程充滿(mǎn)了不確定性，”林錦斌說(shuō)，“但我們依托亞馬遜云科技在全球范圍內(nèi)積累的大量實(shí)踐經(jīng)驗(yàn)，特別是和跨國(guó)藥企的合作，能夠助力我們快速高效地探索和前進(jìn)。”

重新定義生命科學(xué)的“多模態(tài)”

如果說(shuō)解決文檔工作是AI應(yīng)用的表層，那么深入到生命科學(xué)的核心，才是真正的深水區(qū)。當(dāng)被問(wèn)及如何處理生物醫(yī)藥領(lǐng)域復(fù)雜、海量且多模態(tài)的數(shù)據(jù)時(shí)，林錦斌指出：

“從生物醫(yī)藥的視角來(lái)看，多模態(tài)的概念更加廣泛，不只是圖像、音頻、視頻，還包括基因序列、蛋白質(zhì)編碼與結(jié)構(gòu)等等，因此復(fù)星醫(yī)藥更加關(guān)注與專(zhuān)注生物醫(yī)藥領(lǐng)域的語(yǔ)言和模態(tài)。”

將基因、蛋白質(zhì)這些生命的基本編碼，視為一種獨(dú)特的“語(yǔ)言”和“模態(tài)”，這意味著，AI需要學(xué)習(xí)的，不僅僅是人類(lèi)的自然語(yǔ)言，更是生命本身的語(yǔ)言。這背后，隱藏著一個(gè)巨大的機(jī)遇——探索“暗知識(shí)”。

林錦斌引用了王維嘉在《暗知識(shí)》中的觀(guān)點(diǎn)，即人類(lèi)世界有大量的知識(shí)，是難以傳遞的體系，也就是“暗知識(shí)”。而人體，同樣極端復(fù)雜，還未被完全了解，也是“暗知識(shí)”。“運(yùn)用生成式AI技術(shù)則為我們提供了一條比較好的探索路徑，即用生成式AI技術(shù)，以機(jī)器認(rèn)知的方式，我們有很大機(jī)會(huì)去吸收這些暗知識(shí)的能力。”他說(shuō)道。

雖然這是一條通往新藥發(fā)現(xiàn)的路徑，但它同樣布滿(mǎn)了荊棘，首當(dāng)其沖的挑戰(zhàn)就是「數(shù)據(jù)」。林錦斌坦言，“現(xiàn)在生物醫(yī)藥領(lǐng)域的數(shù)據(jù)體系建設(shè)要進(jìn)一步提升，因?yàn)闆](méi)有一個(gè)系統(tǒng)化的體系告訴我們，應(yīng)該如何處理多方面的數(shù)據(jù)。”原因在于：

第一，基因庫(kù)、蛋白質(zhì)結(jié)構(gòu)等數(shù)據(jù)類(lèi)型的整合，從標(biāo)準(zhǔn)化和整合的角度來(lái)看，目前還不能整合到一起辦大事。

第二，臨床試驗(yàn)過(guò)程中的數(shù)據(jù)標(biāo)準(zhǔn)化和一體化問(wèn)題，各個(gè)企業(yè)、醫(yī)院、診療機(jī)構(gòu)、研究團(tuán)隊(duì)等，他們的臨床試驗(yàn)數(shù)據(jù)是否愿意拿出來(lái)？以及如何進(jìn)行標(biāo)準(zhǔn)化？

如何改變?cè)摤F(xiàn)狀？林錦斌發(fā)出一個(gè)極具前瞻性的呼吁：“未來(lái)在整個(gè)生物醫(yī)藥行業(yè)，至少對(duì)中國(guó)來(lái)說(shuō)，需要有一個(gè)聯(lián)盟的數(shù)據(jù)體系來(lái)推動(dòng)標(biāo)準(zhǔn)化、一體化、整合式的數(shù)據(jù)，從而為生物醫(yī)藥面向AI時(shí)代的未來(lái)打下堅(jiān)實(shí)基礎(chǔ)。”

這番話(huà)的背后，是一個(gè)清醒的認(rèn)知：?jiǎn)慰恳患移髽I(yè)的數(shù)據(jù)，無(wú)法喂養(yǎng)出真正強(qiáng)大的行業(yè)大模型，所以這需要超越企業(yè)邊界的合作與遠(yuǎn)見(jiàn)，整合社會(huì)和行業(yè)的數(shù)據(jù)共同孵化，或許能達(dá)到應(yīng)用層的百花齊放。

而對(duì)于大模型廣受詬病的“幻覺(jué)”問(wèn)題，林錦斌的看法與眾不同。他認(rèn)為，如果數(shù)據(jù)質(zhì)量足夠高，“幻覺(jué)”未必是負(fù)面詞，“它可能代表了創(chuàng)造力。如果幻覺(jué)是以高質(zhì)量的數(shù)據(jù)作為基座來(lái)引導(dǎo)，甚至能給我們的創(chuàng)新帶來(lái)不一樣的思路。”

AI的“皇冠明珠”

在復(fù)星醫(yī)藥的AI戰(zhàn)略中，到底AI的生產(chǎn)力用在哪些領(lǐng)域？復(fù)星醫(yī)藥確定了兩條核心主線(xiàn)：一個(gè)是研發(fā)，另一個(gè)是營(yíng)銷(xiāo)。

“在研發(fā)方面，我們每年投入50多億。AI帶給我們兩方面的價(jià)值：其一，大量的數(shù)據(jù)檢索、萃取、分析、匯聚的能力，通過(guò)生成式AI我們的效率得到極大提升；其二，我們對(duì)大模型的推理和規(guī)劃能力更加認(rèn)可和期待，因?yàn)檫@解決了一直困擾我們的問(wèn)題——如何達(dá)成方向大致正確的選擇。”

林錦斌強(qiáng)調(diào)了第二點(diǎn)，這才是他眼中AI的“皇冠明珠”，因?yàn)樗P(guān)乎制藥企業(yè)慎之又慎的地方——決策。

他用了一個(gè)比喻來(lái)解釋這個(gè)過(guò)程。過(guò)去，研發(fā)決策更像是一場(chǎng)“豪賭”，依賴(lài)于少數(shù)專(zhuān)家的經(jīng)驗(yàn)和直覺(jué)。而現(xiàn)在，復(fù)星醫(yī)藥希望借助AI，將決策過(guò)程從豪賭變?yōu)榭茖W(xué)。

第一步，是全覆蓋全量的信息輸入，讓AI成為一個(gè)“信息情報(bào)官”。面對(duì)關(guān)鍵抉擇，比如“某一個(gè)管線(xiàn)到底最后做還是不做”，AI要能做到全覆蓋，確保決策者沒(méi)有漏掉任何關(guān)鍵的市場(chǎng)信息、競(jìng)爭(zhēng)信息、專(zhuān)利信息或政策信息。

第二步，是全要素的評(píng)估模式，讓AI成為一個(gè)嚴(yán)謹(jǐn)?shù)?ldquo;分析師”。通過(guò)AI智能體（Agentic AI）的框架，將影響決策的專(zhuān)利、市場(chǎng)、法規(guī)、集采等所有要素“分門(mén)別類(lèi)羅列清楚”，進(jìn)行“全要素的評(píng)估模式”。

“我們先作為一個(gè)裁判員，給它評(píng)分。隨著AI技術(shù)的深度應(yīng)用，我們的知識(shí)體系、數(shù)據(jù)積累的進(jìn)步深化，后面可以把它轉(zhuǎn)變?yōu)榻叹殕T，我們可以通過(guò)對(duì)于某一個(gè)管線(xiàn)的分析給出建議，這樣就能夠確保我們真正的決策是可靠的。”林錦斌總結(jié)說(shuō)。

除了「研發(fā)端」之外，復(fù)星醫(yī)藥在「營(yíng)銷(xiāo)端」的做法，就比較普適化了。

第一步是“練兵”：對(duì)于客戶(hù)數(shù)據(jù)、市場(chǎng)數(shù)據(jù)的匯總，AI系統(tǒng)就像一個(gè)不知疲倦的陪練教練。銷(xiāo)售團(tuán)隊(duì)可以跟它進(jìn)行模擬對(duì)話(huà)，反復(fù)練習(xí)推銷(xiāo)技巧，直到滾瓜爛熟。

第二步是“上戰(zhàn)場(chǎng)”：當(dāng)銷(xiāo)售人員真正去見(jiàn)客戶(hù)時(shí)，這個(gè)AI就從“教練”變成了他們的“全能軍師”和“超級(jí)裝備”。它會(huì)立刻把這位客戶(hù)的詳細(xì)資料、過(guò)往合作記錄、甚至連這次會(huì)談的策略建議都直接推送到銷(xiāo)售人員眼前，讓他們胸有成竹。“這是我們未來(lái)要推進(jìn)的方向，我們內(nèi)部在用AI首先整合數(shù)據(jù)，然后嘗試打造整個(gè)智慧化、智能化的商業(yè)物流和渠道管理。”

“快贏”與“詩(shī)和遠(yuǎn)方”的平衡術(shù)

不過(guò)，現(xiàn)在大家談到AI，尤其是生成式AI，大家都普遍關(guān)心投資回報(bào)率（ROI），或者是實(shí)用性問(wèn)題，當(dāng)被問(wèn)及如何評(píng)估“AI的ROI”時(shí)，林錦斌坦誠(chéng)，這是他作為數(shù)字化決策者時(shí)刻需要思考的問(wèn)題。他給出了一套清晰的戰(zhàn)略打法：

第一，Quick Win（快贏）。他解釋道，“Quick Win的確定性要高，且會(huì)有明確的量化價(jià)值結(jié)果，從ROI角度來(lái)看，我會(huì)對(duì)它的價(jià)值創(chuàng)造的指標(biāo)量化，并提前要求。比如初期達(dá)到0.5，后期可能要達(dá)到1。”

這些“快贏”項(xiàng)目，不僅能沉淀團(tuán)隊(duì)自身對(duì)于AI生產(chǎn)力的應(yīng)用能力，更能將創(chuàng)造出來(lái)的價(jià)值“反哺”給更宏大的目標(biāo)。

第二，要瞄準(zhǔn)詩(shī)和遠(yuǎn)方。“比如決策智能體，不可能是一蹴而就的，一個(gè)個(gè)決策智能體，要拼成一個(gè)有機(jī)的整體，這個(gè)過(guò)程要持續(xù)投入，不過(guò)這也是因?yàn)镼uick Win打下了地基。”林錦斌解釋說(shuō)，“換言之，在Quick Win這塊，我們盡可能鋪開(kāi)。首先，把果實(shí)摘下來(lái)儲(chǔ)備好；然后，再對(duì)平臺(tái)能力進(jìn)行投資。最后，把它打包成一個(gè)完整的、決策層能夠接受的整體戰(zhàn)略方案。”

這是一種高明的平衡術(shù)：用一個(gè)個(gè)看得見(jiàn)、摸得著的“快贏”項(xiàng)目，為那些關(guān)乎未來(lái)的“詩(shī)和遠(yuǎn)方”積蓄糧草和彈藥，確保創(chuàng)新既不因急功近利而迷失方向，也不因好高騖遠(yuǎn)而無(wú)以為繼。

“相信，才能看見(jiàn)”

技術(shù)和戰(zhàn)略的背后，終究是人與文化。當(dāng)被問(wèn)及為何在眾多合作方中選擇亞馬遜云科技時(shí)，林錦斌的回答超越了技術(shù)和商業(yè)層面，直指一個(gè)更深層次的詞——“相信”。

“對(duì)于創(chuàng)新文化，我們與亞馬遜云科技同頻共振，而以下這種創(chuàng)新文化的導(dǎo)入對(duì)復(fù)星醫(yī)藥來(lái)說(shuō)非常重要。” 他提到了一個(gè)細(xì)節(jié)：在前一段時(shí)間，雙方曾共同組織工作坊，核心阻力就是創(chuàng)新的方法論——“大家對(duì)于AI技術(shù)應(yīng)用的認(rèn)知要達(dá)成幾個(gè)共識(shí)：首先，不能極度保守，要保持開(kāi)放的心態(tài)；其次，不能認(rèn)為它是一個(gè)神器，對(duì)結(jié)果不能過(guò)于樂(lè)觀(guān)。”

具體的做法是：首先，從認(rèn)知和預(yù)期上，跟科學(xué)家達(dá)成共識(shí)；然后，根據(jù)具體的創(chuàng)新方法論，找準(zhǔn)問(wèn)題并設(shè)定相應(yīng)的指標(biāo)，它應(yīng)該是可量化、可跟蹤、可動(dòng)員的，一步一步地往前推進(jìn)，碰到問(wèn)題之后以混合團(tuán)隊(duì)的方式進(jìn)行討論，得出一個(gè)大家有共識(shí)的結(jié)論，再往下一步進(jìn)行。

這種“同頻共振”，體現(xiàn)在對(duì)試錯(cuò)文化的擁抱上。林錦斌深知，生成式AI項(xiàng)目落地后，會(huì)產(chǎn)生大量“不理想的案例”，這需要持續(xù)的運(yùn)營(yíng)和迭代。“比如碰到企業(yè)知識(shí)資產(chǎn)的逐步迭代、生成式AI的幻覺(jué)問(wèn)題等，我們需要持續(xù)跟蹤和運(yùn)營(yíng)這些不理想的案例，擁抱試錯(cuò)的文化，才能確保業(yè)務(wù)能夠持久地跑下去，并越跑越好。”

而亞馬遜云科技愿意在這種“不確定”中投入，與復(fù)星醫(yī)藥共同探索，而非僅僅追求短期的大額訂單，這在林錦斌看來(lái)至關(guān)重要。“有的時(shí)候，相信才能看見(jiàn)，”他感慨道，“我覺(jué)得亞馬遜云科技屬于后者，所以說(shuō)我們能夠快速達(dá)成共識(shí)，往前推進(jìn)。”

當(dāng)然，光有文化和方法論還不夠，必須要有好用的工具。林錦斌表示，復(fù)星醫(yī)藥正在雙管齊下：

“第一，對(duì)于我們的技術(shù)人員，他應(yīng)該要有一個(gè)好用的工程化的開(kāi)發(fā)平臺(tái)。”他透露，團(tuán)隊(duì)正在全球范圍內(nèi)尋找最佳方案，包括基于亞馬遜云科技的和優(yōu)秀的開(kāi)源軟件。

“第二，對(duì)于業(yè)務(wù)人員，我們希望構(gòu)建一個(gè)低門(mén)檻的、便捷的眾創(chuàng)平臺(tái)，支撐我們的科學(xué)家能夠自主去搭建符合他們個(gè)性化需求的AI系統(tǒng)。”

在這方面，亞馬遜云科技提供堅(jiān)實(shí)的幫助，這家公司表示其一直是醫(yī)療與生命科學(xué)行業(yè)數(shù)字化轉(zhuǎn)型和創(chuàng)新的推動(dòng)者和支持者。早在2013年，亞馬遜云科技就組建了全球醫(yī)療和生命科學(xué)專(zhuān)業(yè)團(tuán)隊(duì)，服務(wù)著數(shù)千家行業(yè)客戶(hù)，比如輝瑞、拜爾、羅氏、默沙東等。在中國(guó)，他們與數(shù)十家本地伙伴合作，服務(wù)超過(guò)400家客戶(hù)。除了通用AI服務(wù)Amazon Bedrock、Amazon SageMaker等，他們還針對(duì)行業(yè)特性，構(gòu)建了如Amazon HealthOmics、Amazon Comprehend Medical等專(zhuān)用服務(wù)，并進(jìn)一步結(jié)合中國(guó)市場(chǎng)需求，推出了醫(yī)學(xué)內(nèi)容生成中心（Medical Insights Hub）、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)工作臺(tái)（Protein Folding Workbench）等本地化解決方案。

看向未來(lái)，復(fù)星醫(yī)藥的AI戰(zhàn)略將如何演進(jìn)？林錦斌表達(dá)了“開(kāi)放”的心態(tài)：“我們對(duì)于所有能夠給我們帶來(lái)價(jià)值創(chuàng)造的合作伙伴，都是非常歡迎的。”