华农财险 全流程数字化研发管理实践 李翔 华农保险技术中心总经理 www.top100summit.com 李翔 华农保险技术中心总经理 “ 12年互联网从业经验 8年自主创业 4年金融保险行业 从19年从0到1按照互联网模式组建了研发团队，逐步建立起了科技团队的数字化管理 体系，对研发流程进行全流程数字化监控和管理，不断提升人员产能，提升研发效 率。 ” 讲师简介 www 做风险买卖的生意，拼的是对风险的识别/定价/ 管理 商业逻辑 降本增效，公司生存的关键！ 构建核心能力 获客能力 客户服务 风险管理 成本管控 数智化内容 信息化 线上化 数字化 智能化 科技支撑 基础设施 研发能力 数据能力 落地举措 运用第一性原理，思考“用户价值” 温度 客户体验优化 | 贴近客户所需 效率 降本增效 | 优化流程 智能 数智化决策 | 全局最优化配置 专业 精细化管理 快速迭代创新 体系化建设 线 上 化 率 9 0 % + ， 打 通 核 心 系 统 端 到 端 能 力 构建行业竞争壁垒，沉淀数字化资产 www.top100summit.com 数字化建设路径:自主研发&合作共建 2年9个月行业最快速度实现科技自主可控 • 核心0%自主 • 组建自研团队 • 启动线上化探索-阿波罗车 险、商城、阿凡达 2019年 7月-12月 • 核心0%自主 •

2025年 智能软件研发行业词条报告 国标分类/信息传输、软件和信息技术服务业/软件和信息技 术服务业/软件开发、头豹分类/信息传输、软件和信息技术 服务业/软件和信息技术服务业/软件开发 Copyright © 2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 未经平台授权，禁止转载 行业分类： 信息传输、软件和信息技术服务业/软件开发 信息传输、软件和信息技术服务业/软件开发 智能软件研发行业是指专注于开发和应用具有人工智能（AI）技术的软件系统与服务，为各行各业提供智能化解决方案，旨在提升业务效 率、优化决策过程、增强用户体验及创造新的价值和服务模式的创新性技术领域。在数字化转型的背景下，各行各业对智能软件的需求日益增 长。未来，智能软件将更加注重个性化 长。未来，智能软件将更加注重个性化和用户体验。通过深入了解用户需求，开发者将能够开发出更符合用户期望的产品与服务，提高用户满意 度和忠诚度。 按照应用领域可将智能软件研发分为办公软件、嵌入式软件、新兴技术软件、信息安全软件、信创软件。 办公软件是一种集成先进的人工智能（AI）技术的工具，旨在优化和简化日常办公流程。它能够提供自动化任务处理、智能数据分析、实 时协作功能以及个性化的工作辅助，大大提高了工作效率和决策质量。例如

AI+影像设备；5）AI+家用；6）AI+智慧医疗。 ◼ 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 亿个分子进行筛选，缩小实际需要合成和筛选的分子数量范围，在2-3年内仅需合成及测试数百个分子；可以定制生成数百个苗头分子，探 索未知分子，提高药物研发的创新性；能够通过计算机模拟的方式减少需要实验室验证的分子数量，节约验证和测试时间。 ◼ 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 医疗保健板块是人工智能应用最大的领域 6 ◼ 人工智能在医疗保健领域的应用场景广泛，能够为多个环节赋能。AI（Artificial intelligence）在医疗领域应用潜力巨大，可以为生命科 学研究、药械研发、医学影像、辅助诊断、健康管理等多个环节赋能，有助于提高医疗服务的效率和质量，改善患者的就医体验，并推动医 疗行业向智慧医疗新时代发展。 图：AI+医疗健康生态架构 资料来源：人工智能医疗器械创新合作平台，国信证券经济研究所整理

时作为一种新的药物研发模式，我们基于全球 AI 制药龙头 Schrödinger，重点 讨论 AI 制药的商业模式变迁，并梳理相关公司。 ❑ AI 可用于新药开发全过程，达到降低成本，增加药物研发可能性目的。根据 DPI 援引英矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段 的 2 年降至 11 个月，总费用从 4.14 亿美元降低至 20 万美元，极大降低了新 药研发负担。目 药研发负担。目前人工智能技术在药物研发过程中的应用主要集中于药物发 现阶段，随着 Deepseek 等大模型技术应用，AI 在临床阶段的应用价值也将 逐渐得到体现。 ❑ 全球 AI 制药行业投融资活跃，MNC 参与达成多项重磅交易。虽然 2023 年全 球资本市场景气度有所下降，但 AI 制药行业融资活跃度仍然保持高位。2024 年全球 AI 制药融资事件为 128 起，总金额为 58 亿美元，接近恢复 2022 AI+Biotech 三种经营形式。AI 制药 发展早期，企业以提供药物研发软件服务为主，附加值较低并且客户付费意 愿不强，市场空间有限，代表企业为 Schrodinger；为了更加深度参与客户药 物研发过程，突出 AI 制药优势，企业陆续向 AI+CRO 和 AI+Biotech 的商业 模式转变，通过 AI 技术为药企和 CRO 公司提供研发外包服务，甚至自建研 发管线对外授权或推进上市，近些年成立的初创公司多选择此类商业模式，

打造韧性企业，开创增长新局 中国企业供应链转型的三大方向 从制造到智造，重塑者做对了什么？ 工业4.0时代的制造企业研发转型 02 | 智能制造 《展望》创刊于1999年，是埃森哲面向中国市场推出的 旗舰刊物。《展望》特刊聚焦单一行业或话题展开深度分析， 带来切中当下、富有见地的思考和建议。 过去几年，制造业挑战重重，全球新冠疫情、地缘冲突，很 多主要经济体面临通胀风险，以及以生成式人工智能为代表的 洞察和切实建议，助您在面对变革时保持韧性，驾驭未来。 前言 《展望》编委会 智能制造 | 03 打造韧性企业，开创增长新局 中国企业供应链转型的三大方向 从制造到智造，重塑者做对了什么？ 工业4.0时代的制造企业研发转型 6 18 22 28 目录 智能制造 | 05 余鸿彪、潘峥 文 打造韧性企业， 开创增长新局 特刊 06 | 智能制造 过去几年，制造业在端到端供应、生产和运营 领域面临了诸多挑战，包括需求波动、成本上涨、极 端天气事件和技术创新带来的影响等。这些挑战大 大降低了制造业的韧性，导致企业每年错失1.6万亿 美元的收入增长机会。 但埃森哲最新调研发现，投资于韧性能力建 设和提高数字化成熟度的企业明显超越了同行，积 极引入这些做法的先行者已平均斩获了8.3亿美元 的新增年度营收，而欠缺韧性的企业无法分享这份 成功。 如何成为高韧性企业，如何提高关键能力成熟

降，但中国整体专精 特新企业培育工作成果显著。 01 专精特新培育工作成果显著 “精专致远”既是中国中小企业的发展特征，也是目前专精特新企业的发展特征。对于专精 特新企业而言，是指50%以上企业研发投入在1,000万元以上，60%以上企业属于工业基础领 域，70%以上企业深耕行业十年以上且其平均注册时间约16年，80%以上企业处于本省细分 行业第一的位置，多数企业主营业务收入占全部营收的比重达90%以上。 股权融资是衡量企业成长性的重要指标，企业成长性越好，股权融资成本越高。过去几年，受全球宏观环 境影响，中小企业面临生产困难、订单减少等挑战，而专精特新“小巨人”企业依然能够保证足够的发展韧性， 持续增加研发投入，具有较强的抗风险能力，挖掘这类行业领头企业有利于推动产业链、供应链、创新链 稳定发展，持续为经济增长注入新活力，这亦是“小巨人”企业能够成为核心力量的原因。 基础力量 中坚力量 核心力量 拥有有效发明专利2项或实用新型专利、 外观设计专利、软件著作权5项及以上  营收≥1亿：近2年研发占比≥3%；  营收5000万-1亿：研发占比≥6%。  知识产权：至少2项 Ⅰ类专利（发明专利、集 成电路布图）且已产业化。  产业链价值：证明产品在 “补短板”“锻长板” 中 的作用（如替代进口协议）。   上年度营业收入≥1亿元，近2年研发 经费支出占营业收入比重≥3% 第 一 批 第 六 批 统一化

从大致的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过缩短研发时间，落地工艺设 计、优化工程装置、提升产品差异度等或缩短时间，或优化结果；而降本可以通过人工替代，精准对接，流程优化， 模拟改造等维度支撑成本改善。 化工行业智能化升级，顺势把握三重机遇。①影响越大的方向，落地速度越快，技术研发的变革或将是主“战场”； ②领军型企业有资金、有要求、有能力、有需求，有望成为 国内外化工行业的软实力差距有望逐步缩窄。经过 20 多年的发展，我国的竞争优势从前期低人力成本、政策驱动的 资本投入向产业链市场配套和系统化的综合赋能进行升级。借助 AI 工具，我国有望弥补多年历史积淀带来的国内外 材料研发的差距，实现高端材料的加速突破。 投资建议 Deepseek 的出现加速了 AI 智能化在各个领域的实体应用和优化，在化工行业领域，我们认为可能出现的四类关注点：  破除现有限制瓶颈的 AI 智能化将有望直接缩短研究周期，降低投入成本，建议关 注合成生物方向，农药创制药赛道等；  技术研发的优化或将是智能化落地的主“战场”：AI 智能化对接的基础相对较好，投入成本相对可控，产生的长 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 AI 智能化加速研发管线的定制化、高端差异化和 配方产品集合等要求，缩短和国际龙头之间的软实力差距，建议关注新材料领域尚未实现高端产品国产化的赛道，

等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现；泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗头化合物的识别过程；药石科技利用其分子砌块 技术，开发动态化学空间，并通过一站式计算筛选平台，提供全面的 活性化合物筛选服务。随着 AI 技术的不断进步和 CRO 公司专业能力的增强，我 们预计未来药物研发领域将迎来更多创新突破。  风险提示。AI+制药技术发展不达预期风险、AI+制药研发成本导致公司亏损风险、 生物医药投融资下滑风险、地缘政治风险、数据隐私与安全风险、市场竞争加 剧风险。

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 场景、技术、风控、商业化等方方面面，才能做出决定。 因此，今年的人工智能报告将研究核心放在了“场景”与“产品”之上，尝试通过洞悉医院、 药企、械企多方的供需逻辑，分析先驱者们的实战案例，为 AI 企业下一步的布局、选 品、研发、商业化提供参考建议。 核心观点 1. 伴随 AI 应用的持续扩展与需方对于 AI 认知的不断加深，“提效”取代“政策”成为需方 购置 AI 的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 21 39 家主流制药 AI 公司新增管线/适应症............................................................26 图表 22 固态研发传统研发方法与自动化方法关键步骤对比..................................... 27 图表 23 2022-2024 医疗 AI 领域不同细分领域融资情况......