在制药领域的应 用 AI 为何能改变制药行业的游戏规则 十月 2024 封面 Just_Super/iStock AI 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 工具直接协助与医务人员互动的应用日益增多，更快速为团队提供重要的医疗信息。 AI 还可 以通 过使用市场表现数据为销售、营销和市场准入环节提供独到洞察。 将 AI 整合进公司流程为制药公司提供了改善营收和利润的巨大潜力，机会正当时。然而，企业必须考虑大量因素，才能使 AI 实施 真 正有效。不断增加的监管压力以及扩展 AI 应用案例的需求，带来了一系列复杂的运营和组织挑战。 在罗兰贝格，我们根据每家公司的 AI 发展成 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， AI 可以同时提高有效性和效率，在更短的时间内为患者带来更好的药物。然而，效率和收益的提升潜力因价值链环节而异。因此，合理管理 AI 预期以调整 AI 投资至关重要。 获取收益 AI 在制药价值链中的应用（部分示例）

末、2007年年初，林登实验室推出流星一般的《第二人生》 （Second Life），它快速成为全球关注的焦点，又快速消失。 它的特点有两个：三维建模和围绕游戏币林登币组成的货币经 济体系。《第二人生》当时吸引了很多实体机构进入，包括哈 佛大学等名校在上面开设虚拟课堂。《第二人生》中的企业反 过来也在实体世界中注册为公司。现在仍然非常吸引人的沙盒 游戏《我的世界》（Minecraft）以支持玩家与开发者在其中自 逐渐被等同于网络空间或数字空间。 数字化生存（Digital Being） 或数字化生活（Digital Living）。 它于1996年由尼葛洛庞帝在开启数字化未来的畅销 书《数字化生存》中提出，他当时是美国麻省理工学院（MIT） 的未来科技研究机构媒体实验室主任。数字化生存指的是，人 们从原子世界的生存演进到比特世界的生存。他展示的众多数 字化生活的设想，后来大多变成了现实。在过去30年，互联网 阿弘并非真正身处此地。实际上，他身处一个由电脑生成 的世界里：电脑将这片天地描绘在他的目镜上，将声音送入他 的耳机中。 我最初喜欢《雪崩》这本科幻小说并不是因为元宇宙这个 电脑生成的世界，而是阿弘在小说中当时所处的现实世界：他 身穿全是高科技的比萨快递员制服，开着拥有足以把物体送到 小行星的巨大能量的高速电动汽车。他是比萨外卖快递员，服 务于未来美利坚最强大的公司——名为“我们的事业”的比萨 公

步提升。OpenAI o1-preview 在鉴别诊断、诊断临床推理和管理推理的质量都有明显提高。 借助 AI，对人类基因组的计算时间已经从 2001 年的 180 天缩短到现在 的 10 分钟，当时分析单个基因组所花费的成本如今可以分析 14 亿个基 因组。 ◼ AI+医院/医保系统：AI 在咨询问诊、开具检查单、线下检查、检查单解 读、治疗方案制定以及随诊追访、慢病管理等环节可以提供全流程智能 DNA 序列，甚至能够识别出传统方法难以 检测的基因变异，为疾病诊断和个性化治疗提供更精准的依据。借助 AI，对人类基因组 的计算时间已经从 2001 年的 180 天缩短到现在的 10 分钟，当时分析单个基因组所花费 的成本如今可以分析 14 亿个基因组。 2024 年 9 月，华大基因 CEO 赵立见宣布了“生成式生物智能范式 GBI ALL （Generative Bio-Int

图14：边缘计算的应用场景 图15：云计算与边缘计算的区别 资料来源：NVIDIA，国信证券经济研究所整理 资料来源：NVIDIA，国信证券经济研究所整理 边缘计算的历史可以追溯到上世纪 90 年代，当时内容分发网络 (CDN) 充当分布 式数据中心。但 CDN 仅限于缓存图像和视频，而不是海量数据工作负载；2000 年 左右，智能设备的爆炸式增长给现有 IT 基础设施带来了压力，诸如点对点(P2P) 证券研究报告 19 当前旗舰机款手机芯片仅可运行优化版十亿参数级大模型 上一代人工智能程度较低拉低交互体验，阻碍 AIoT 发展。2011 年 Apple 推出 Siri， 使语音助手成为当时人工智能竞赛热门赛道，引发 Google(Google Assistant)、 Amazon(Alexa)、微软(Cortana)等科技巨头纷纷加码跟进，抢占 AIoT 控制流量入 口。由于通过指挥

• 供货周期从原来的28天压缩到7天 • 提升了库存周转率 • 使美的能够在更短的时间内以更低的成本生产更多的洗 衣机 • 凭借数字化的T+3模式，小天鹅在2015年营收131.3亿元， 打败了当时的洗衣机巨头海尔 • 美的尝到了数字化的甜头，很快又将T+3模式用在空调 领域，剑指格力。 T+3模式实施效果 美的T+3模式试点 www.top100summit.com • 2018年

够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模型才能实现实习生级别的代码生成、好莱坞质量的视频 和区别于机械声的人类质量语音，但是实际进展远超当时预期，Sora 已经能够生成 60s 的 高质量视频，GPT-4o 和谷歌 Gemini 都已经能够实现具备感情的实时人机语音交互。 我们看到，随着大模型能力的不断增强，AI 的作用不断深化，生成式 功能。以 ChatGPT 为例，2023 年 9 月，OpenAI 将 DALL-E 3 整 合到ChatGPT 中，从而支持文生图功能。2024年1月，OpenAI正式上线应用商店 GPT Store， 当时用户已经创建超过 300 万个 GPTs，主要的 GPTs 涵盖图像生成、写作、科研、编程/ 软件开发、教育、生产力工具和生活七大类别。GPT Store 取代了此前的插件商店（2024 年 3 月 年，PaLM 系列模型是谷 歌的主力模型，2022 年 4 月发布的 PaLM、2022 年 10 月发布的 Flan PaLM 以及 2023 年 5 月 I/O 大会发布的 PaLM-2 都是谷歌当时的主力大模型。2023 年 12 月，谷歌发布全球首 个原生多模态模型 Gemini，包含 Ultra、Pro 和 Nano 三种不同大小。根据 Gemini Technical Report，Ultra

口制造业的数字化、网络化、智能化转型，将全面提升研发设计、生产制造、经 营管理与运维服务的效率与质量。企业通过智能化升级，增强综合竞争力，抢 占未来产业发展制高点 口每一次科技与产业革命都形成了符合当时需求的新质生产力。历史证明，技术 革命催生了全新的产业格局，推动生产方式的优化与系统性重构 Al 是一场通用技术革命，预计将对各行各业带来深远的影响，推动全社会生产力 和竞争力的提升

农家宴的诗情画意和闲情逸致 , 但它却让我难忘 ! 不是 您想要的？去 字 。 忘的画面 8 小学生 你看你 , 名字上光荣榜 &; 了 ! 你羞不羞啊 ?! 老师的这番 话时常萦绕在我的耳际 , 而当时的画面如电影似的一次 又一次在我的脑海里浮现嘘你听 , 这是什么声音 ? 我在 自习课上偷偷地吹口哨。班长好似顺风耳 , 连这如此细 微的声音都听到了。班长给副班长使了个眼色 , 副班长 像离弦的箭一样

这些领域，自动化已展现出强劲势头。例如，汽 车制造商依赖机器人装配线，利用AI驱动的精 准控制来提高生产速度并减少错误。 回顾国内供应链近十年的发展历程，大部 分龙头企业通过ERP的实施落地，在当时已具 备线上化、自动化能力，从而推动企业向数字 化供应链的探索。高科技电子行业及快消零售 行业的数字化变革已经初具成效，AI算法嵌入 流程辅助决策；伴随DeepSeek等生成式AI技 术的普惠，数字化的领头羊们已开始加速规划

芯片作为算力支撑。从 2018 年起， OpenAI 开 始 发 布 生 成 式 预 训 练 语 言 模 型 GPT 以 来 ， GPT 更 新 换 代 持 续 提 升 模 型 及 参 数 规 模 ， 当时 GPT-1 参数量只有 1.17 亿个。 l2020 年， OpenAI 发布 GPT-3 预训练模型，参数量为 1750 亿个，使用 1000 亿个词汇的 语料库 进行训练，在文本分析、机