◼ 药物研发周期长、资金投入高、成功率低，“AI+”方案有望解决痛点。一款新药成功上市销售大约需要花费十年以上的时间，药物发现阶 段从靶点到苗头化合物再到先导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%。资金花费上，一款药物从研发 到上市销售，平均需要投入8-23亿美元，上市后还要投入超过3亿美元。与传统药物研发对比，AI制药更具有优势：AI制药方法可以对数十 验证和测试时间。 ◼ AI研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023年累计有75个分子应用AI制药技术开发并进入临床研究，2023年有67条管线处于临床研究阶段，其中45条管线处于临床I期研究， 19条管线处于临床II期研究，2条管线处于临床III期阶段。对AI制药开发的分子类型统计发现， 2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI制药领域进展及具备潜力的海内外前沿公司。以“AI+CRO”、“AI+Biotech”为典型的商业模式，AI制药涌现出了一批优 秀的上市/非上市公司。除此之外，以赛诺菲、GSK、强生为代表的大药企亦在积极布局AI制药领域，一方面运用AI技术加强数据管理决策并

现状迫切需要通过智能化技术重构医疗服务流程，实现从被动治疗 到主动健康管理的转型。 人工智能技术为医疗系统优化提供了新的突破口。以自然语言 处理和多模态学习为核心的 DeepSeek 平台，具备医疗知识图谱构 建、临床决策支持和非结构化数据处理三大核心能力。某三甲医院 的试点数据显示，接入智能体后的门诊流程平均耗时从 120 分钟缩 短至 75 分钟，电子病历自动生成准确率达到 92%，显著降低了医 护人员 满足高质量发展要求。某省卫健委的评估报告指出，超过 60%的二 ” ” 级医院信息系统仍停留在 记录存储 阶段，缺乏智能分析能 力。DeepSeek 智能体的接入将帮助医疗机构实现三个层级的跨 越：基础业务流程自动化、中级临床决策支持、高级医疗资源网络 ” 化协同。这种转型不是简单的技术叠加，而是通过构建 人类专家 +AI ” 助手 的新型协作模式，在保持医疗人文关怀的同时，释放系统 性效能。某医疗集团的实际应用案例表明，在保持原有医护团队规 万，门诊等待时间中位数超过 2 小时，基层医疗机构误诊率 高达 18%-25%。在诊疗效率方面，三甲医院医师日均处理病例量 超过 80 份，导致疲劳作业风险上升，而电子病历系统仅实现基础 结构化存储，无法主动辅助临床决策。 医疗数据利用存在显著瓶颈： - 非结构化数据占比超过 70%（如影像报告、医患对话记录） - 跨系统数据互通率不足 40% ” ” ，形成 信息孤岛 - 实时数据分析延迟普遍在 4 小时以上，影响急症处置

........................................................................................ 24 2.3.2 临床变化................................................................................................. ......................................................24 图表 19 2023 年 10 月 31 日—2024 年 9 月 1 日更新了临床情况的管线............. 25 图表 20 39 家主流制药 AI 公司停止或被撤下的管线.............................................. 布的《山东省医养健康产业发展规划（2023—2027 年）》，便提出促进人工智能推广 应用，推进医学人工智能数据及推理运算场景、智慧医疗图脑、医疗可穿戴、医疗终端 边缘计算、神经芯片及脑机智能接口等推广应用，强调要积极开展临床决策支持系统、 医学影像辅助诊断、医用机器人、疾病风险预测与诊断等项目。 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通

实现各级医疗服务、医 疗保障与公共卫生服务的信息共享与业务协同。 • 二、重点任务和重大工程 4. 推进健康医疗临床和科研大数据应用。依托现有资源建设一批心脑血管、肿瘤、老 年 病和儿科等临床医学数据示范中心，集成基因组学、蛋白质组学等国家医学大数据资源， 构 建临床决策支持系统。推进基因芯片与测序技术在遗传性疾病诊断、癌症早期诊断和疾病 预 防检测方面的应用，加强人口基因信息安全管理，推动精准医疗技术发展。围绕重大疾病 发展。围绕重大疾病 临 床用药研制、药物产业化共性关键技术等需求，建立药物副作用预测、创新药物研发数据 融 合共享机制。充分利用优势资源，优化生物医学大数据布局，依托国家临床医学研究中心 和 协同研究网络，系统加强临床和科研数据资源整合共享，提升医学科研及应用效能，推动 智 慧医疗发展。 • 二、重点任务和重大工程 7. 研制推广数字化健康医疗智能设备。支持研发健康医疗相关的人工智 ，研发柔性可 穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像 识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组 学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防 控。 • （七）推进“互联网 +” 人工智能应用服务。 1.研发基于人工智能的临床诊疗决策支持系统，开展智能医学影像识别、病理分型和多 学科

简易的蒸馏⽅式，让世界上 不管⼤⼩的实验室，快速掌 握OpenAI原来封闭的顶尖 模型推理能⼒ • MIT许可证，商⽤权限吸引 开发者 垂直适配 从编程辅助（DeepSeek- Coder）到医疗诊断（R1 临床接⼊），展现⾏业落 地能⼒ 9 DeepSeek天然适合医疗⾏业 ⼤模型发展的⼏⼤“基⽯” 01 DeepSeek极致成本降低，显著降低本地化部署的 成本，极⼤激活本地数据 计算资源 02 (腾讯健康内部测试数据，通过⾼质量医学病历数据 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 2014年的10.1%升⾄ 2023年的14.9%，医 疗需求激增1 ⼈⼝⽼龄化 • 收⽀失衡加剧，控费 边际效应减弱2 • 职⼯医保：结余稳健但增速

内部转诊 内部转诊 Page 5 of 38 智慧医疗概述 互联网 + 医患互动 药物管理 区域医疗 场景化系统 信息化系统 医疗辅助场景化 综合管理平台 医疗管理信息化 临床信息化 后勤辅助 医疗辅助 病房辅助 门诊辅助 医院环境管理 医院绿色管理 医院信息管理 电子病历 合理用药 其他医技 移动医疗 资源管理 办公自动化 医疗信息 科研管理 智慧医疗的发展分为七个层次 01 业务管理系统，包括医院收费和药品管理系统 02 电子病历系统，包括病人信息、影像信息 03 临床应用系统，包括计算机医 生医嘱录入系统 (CPOE) 等 04 慢性疾病管理系统 05 区域医疗信息交换系统 06 临床支持决策系统 07 公共健康卫生系统 随着移动互联网的发展，未来医疗向个性化、移动 化方向发展，到 2015 年超过 50% 的手机用户使 括网络供应商、 系统集成商、无线设备 供应商、电信运营商在内的利益链条，从而影响通信产业的现有布 智 能 医 疗 发 展 阶 段 业务管理系统 电子病例系统 临床应用系统 慢性疾病管理系统 区域医疗信息交换系统 临床支持决策系统 公共健康卫生系统 将进一步提升医疗诊疗 流程的服务效率和服务 质量 提升医院综合管理水平， 实现监护工作无线化 全面改变和解决现代化 数字医疗模式、智能医

可提升制药企业的营收和利润 AI 能够在制药价值链中释放巨大价值。应用得当时，它可以同时提高效率和收益，并在更短时间内为患者提供更好的药物。 在研发环节， AI 能够生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程。 在运营和生产环节， AI 通过释放全价值链改进潜力、实现除自动化以外的效率提升。 AI 的最新发展赋能新用例显著改善各种生产 关 键绩效指标。 商业化领域也受益于 AI 。使用 供应商关系管理 获取 AI 收益 收益和效率的提高，具体取决于价值链所属环节 AI 主要应用领域 • 产品组合优化 • 药物发现 • 分子生成 • 生物标记开发 • 临床试验设计 • 临床试验数据分析和报告撰 写 • 市场研究 • 营销组合优化 • 现场人员优化 • 宣传材料制作 • 关键意见领袖（ KOL ） 管 理 • （医疗）知识管理 应用得当时， 二 二 二 低 3 1 商业化 研发 在研发环节， AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 AI 如何助力研发 在整个产品开发过程中提升创新力和效率 高效流程 • 更快的数据分析和计算机模拟测试 加 速开发过程 • 增强的数据处理能力提升质量

产品及业务模式：软硬一体全套解决方案，软件是以语音识别引擎为核心、以医疗知识系统为基 础的语音对话系统（行业术语：语 音 OS ），硬件是医用麦克风。公司与医院进行科研合作，前 者通过脱敏病历数据和临床使用不断训练模型，优化算法；后者免费使 用语音电子病历产品， 并与公司共享优化后的产品。 2 典型应用场景 医疗专用麦克风 • 增强说话者语音 • 抑制环境噪声干扰 • 目前 普遍采 用飞利浦 2 典型应用场景  发展环境：随着计算机技术和医学影像技术的不断进步，医学影像已逐渐由辅助检查手段发展成为现代医学最重要的临床诊断和鉴 别诊 断方法。然而，我国的医学影像领域存在诸多问题： A. 供给严重不平衡，影像科 / 放疗科医生数量不足，尤其是具有丰富临床经验、高质量的医生十分短缺； B. 诊断结果基本由影像科医生目测和经验决定，误诊、漏诊率较高； C. 受限于影像科医生读片速 中存储和管理、影像（包括其他 检查）资料的全面共享，减轻大医院影像科负担，助力实现分级诊 疗。医学影像中心或许将是“ AI+ 医学影像”产品大面积落地点， 其在美国等发达国家已建立成熟的 体系。 影像学临床诊断 医学影像技术咨询 专家远程会诊 大数据采集与分析 影像学科研 云影诊断平台 承担各级科研课题项目 高位疾病人群筛查 突发公共卫生事件处理 专业人员继续教育 在线培训与分级考试 12

完善“云上贵州·医疗健康云”，加强 公共卫生、医疗服务、医疗保障、药 品管理、计划生育、综合管理等应用 系统。 n 第三阶段 发展智能药物挖掘，支持我省医 药企业智能化转型，推进深度学 习等技术应用于药物临床前研究， 推动快速、准确地挖掘和筛选合 适的化合物或生物。 n 第四阶段 03 03 01 02 医学人工 智能落地 路径 搭建全区养老服务信息管理平 台，加快推进自治区、市两级 人口健康信息平台基础设施建 智能影像网关平台 • 简化医院PACS与AI产品的对接； • 减轻现有PACS/设备的负担； • 实现影像数据DICOM标准化； • 已在国内多家医院临床应用； 人工智能+医院管理，医院需整体提升，医院管理效率提升势在必行 因为医疗事务繁重、临床管理和医院管理的难度大、对新技术接受度高等因素，我们认为：医院在完成第一阶段的人工智能体系 建设后，尤其是针对大型三级医院，应当大力发展：人工智能医 者是最需要及时救治的，把医疗资源优先提供给他们，优化医疗服务的先后顺序。 图：典型的优化医疗配置的人工智能系统界面，蛋壳研究院。 人工智能+医院管理，医院需整体提升，医院管理效率提升势在必行 因为医疗事务繁重、临床管理和医院管理的难度大、对新技术接受度高等因素，我们认为：医院在完成第一阶段的人工智能体系 建设后，尤其是针对大型三级医院，应当大力发展：人工智能医院管理。人工智能在医院管理应用上主要有两个方向，分别是优

护的高标准要求。此外，DeepSeek 智算一体机将支持与现有医疗 信息系统的无缝集成，降低部署和运维的复杂性。 在智能算法方面，DeepSeek 智算一体机将集成多种先进的深 度学习模型和机器学习算法，覆盖从医学影像分析到临床决策支持 的多个应用场景。这些算法将基于海量的医疗数据进行训练，并通 过持续的更新和优化，确保其在实际应用中的高准确性和可靠性。 例如，在医学影像诊断领域，DeepSeek 智算一体机将能够自动识 随着医疗行业的快速发展，传统的数据处理方式已无法满足现 代化医疗场景中日益增长的计算需求。医疗数据的复杂性、多样性 和敏感性对数据处理能力提出了更高的要求。特别是在医学影像分 析、基因组学、临床决策支持等领域，深度学习和智能算法的应用 已成为提升医疗效率和精准度的关键。然而，现有的计算设备在性 能、扩展性和成本效益方面存在诸多局限性，难以应对大规模并发 处理和实时分析的需求。为此，开发一款专为医疗场景设计的智算 疗计算解决方案，旨在通过集成的计算能力和智能算法，提升医疗 数据处理的效率与准确性，优化医疗资源配置，推动精准医疗的发 展。该产品主要面向大型综合性医院、专科医院、医学科研机构以 及区域性医疗数据中心，满足其在医学影像分析、临床决策支持、 病历数据挖掘等领域的计算需求。 在竞争优势方面，DeepSeek 智算一体机具备以下几点核心优 势： - 高性能计算能力：采用最新的多核处理器和 GPU 加速技术，支持 海量数