在人工智能（AI）飛速發展的當下，生物技術因科學技術突破和臨床健康需求的雙重驅動，成為與AI技術融合度最深的領域之一。憑借強大的數據處理、分析和預測能力，AI技術正重塑醫藥健康行業全產業鏈。信息科技企業和醫藥健康企業作為產業發展的關鍵力量，基于各自優勢形成差異化的戰略布局策略。信息科技企業依托深厚的大數據、機器學習等技術積累，致力于為醫藥健康行業提供創新的技術解決方案；醫藥健康企業則憑借對行業規律的深刻把握和藥物研發經驗，借助AI技術優化研發流程和診斷治療水平。研究這兩類企業在AI醫藥健康領域的布局路徑與特點，對于把握產業發展趨勢、制定科學合理的政策具有重要的現實意義。
一、信息科技企業以技術為引擎，跨界搶灘醫藥健康新賽道
大數據、云計算、人工智能、區塊鏈等領域技術實力較強的信息科技企業，通過底層賦能、生態共建、數據驅動等方式，為醫藥行業提供創新性解決方案。
（一）技術賦能型：通過構建“算力/算法/數據”的底層技術平臺賦能醫療場景
技術賦能型企業布局的核心在于依托大數據、云計算等信息技術優勢，構建起以人工智能為核心的底層技術底座，打造通用型或行業級醫療智能服務平臺，實現醫療數據跨系統集成與智能分析，深度賦能醫學影像診斷、創新藥研發等醫療場景。如，通過AI算法優化提升醫學影像診斷效率、以高性能算力支撐藥物分子模擬研發等。
專欄一 技術賦能型企業案例
華為
作為全球信息與通信基礎設施和智能終端提供商，是AI醫療領域以技術賦能與場景深耕實現深度融合的典型案例。華為以昇騰AI基礎軟硬件平臺為堅實底座，發揮其強大算力搭建起先進的多模態大模型架構，實現醫學影像、電子病歷文本、基因測序數據等多源異構數據的高效融合與深度解析，為醫療診斷提供全面、精準的信息支持。例如，瑞金醫院病理大模型RuiPath基于昇騰910C集群完成百萬級病理切片訓練。昇騰硬件自適應流水掩蓋策略、自適應管理內存優化策略，以及親和算子優化等，推動萬卡集群預訓練MFU(模型算力利用率)由30%大幅提升至41%。
騰訊健康
依托全鏈路自研通用語言大模型——混元大模型進軍醫療領域，混元大模型擁有超千億參數規模和超2萬億tokens預訓練語料，具備強大的多模態數據處理能力。以其為基座模型，持續加入285萬醫學實體、1250萬醫學關系的醫學知識圖譜和文獻，并通過3000萬場景問答對話進行多任務微調、基于36萬組專家標注數據強化學習，衍生出智能問答、家庭醫生助手等多場景AI產品矩陣，賦能醫療全流程。
（二）生態共建型：通過合作、孵化等方式整合醫療資源與技術能力
生態共建型企業重點通過與醫院、科研機構等簽訂戰略協議及投資孵化等方式，大力整合臨床數據資源與AI、5G等技術資源，構建“數據互聯-技術互通-場景互融”的開放生態體系，有效促進醫療設備的智能化互聯、跨區域標準化診療協作網絡構建，在智慧醫院、遠程醫療等場景中展現出顯著優勢。
專欄二 生態共建型企業案例
百度
攜手深圳大學附屬華南醫院等合作方，以“多智能體協同AI醫院”為載體搭建開放共享的醫療創新生態。華南醫院提供臨床場景與真實病例數據，百度依托AI算法、算力及大模型技術構建覆蓋專科手術、治療方案、智能問診等場景的智能體系統，中國電信以高速網絡基礎設施保障數據實時交互，東軟智能醫療科技研究院貢獻智能醫療解決方案經驗。各方資源整合、優勢互補，實現“1醫生-N智能體-N患者”的高效服務模式。
科大訊飛
旗下訊飛醫療與多家知名醫院和科研團隊合作，發布了多個醫學大模型，構建了差異化優勢。訊飛醫療在智慧醫院領域早有布局，在醫院服務領域，訊飛醫療通過人工智能賦能醫院提質增效，已與超500家等級醫院深度合作。“智醫助理”已覆蓋全國31個省市縣超7.3萬家基層醫療機構、服務超22萬名基層醫生，累計提供超9.7億次AI輔診建議，有效提升了基本醫療的可及性。
（三）數據驅動型：通過數據采集分析與機器學習構建醫療預測模型
數據驅動型企業借助云計算、物聯網等數據采集引擎，依托醫療大數據平臺高效集成電子病歷、可穿戴設備等多源數據，并通過機器學習算法構建疾病預測模型與個性化健康管理方案，形成“數據采集-智能分析-決策支持”閉環，在慢性病動態監測、疫情傳播模擬、精準健康干預等場景形成差異化優勢。
專欄三 數據驅動型企業案例
平安科技
開發的“平安好醫生”平臺，借助物聯網技術連接各類可穿戴設備和家用醫療設備，實時采集心率、血壓等生理數據，經云計算、大數據等AI技術分析后為用戶提供個性化的健康管理建議和疾病預警。目前已建立覆蓋29個科室的約5萬名內外部醫生團隊，通過AI問診、健康監測等功能服務4.2億用戶。
京東健康
推出的“京東家醫”，通過智能穿戴設備、電子健康檔案和在線問診記錄構建用戶健康數據庫，為用戶提供24小時不間斷的健康管理服務、超過2700家醫院門診預約、48小時線上名醫會診、主動隨訪服務、健康信息收集建檔、健康計劃制定等家庭醫生服務。運用AI算法實現三大數據驅動功能：實時監測患者體征數據并預警異常、基于醫療記錄生成個性化健康方案并持續優化、智能匹配醫患資源，形成“采集-分析-服務”閉環，將健康管理響應速度提升至小時級。
二、醫藥健康企業加快數智化賦能，引領產業升級新范式
醫藥健康企業憑借豐富的行業數據積累和高效的業務協同優勢，借助AI技術提升研發生產效率、優化診療流程，通過自主研發、戰略合作、并購整合三種模式加速企業數字化轉型進程。
（一）自主研發型：依托醫藥研發數據積累自主部署AI平臺與團隊
自主研發型企業依托內部自有的臨床數據、研發數據、生產數據等核心數據資源，通過引進和培養“醫藥+AI”復合型人才、搭建專業化AI研發平臺，自主推進新藥研發智能化進程，打造“技術自研壁壘+場景深度滲透”的差異化競爭優勢。
專欄四 自主研發型企業案例
華潤雙鶴
聚焦化合物篩選這一核心研發環節，通過自主搭建“人工智能驅動的創新藥物開發與概念驗證平臺”，加速推動AI技術對藥物發現提供支持。現此平臺已成功入選北京市概念驗證平臺和朝陽區數字醫療概念驗證平臺。
諾誠健華
高度關注人工智能如何促進創新藥研發，組建專門團隊構建并迭代升級計算化學平臺，涵蓋化合物理化性質預測、ADMET性質預測以及基于結構的藥物設計等核心模塊。同時，部署AI專利識別模塊和AI分子生成模塊，進一步提升平臺的功能性和實用性。此外，諾誠健華正積極探索AI技術加快臨床入組，更高效整合數據管理，進一步提升臨床研究效率。
（二）戰略合作型：借力外部技術資源加速AI落地
戰略合作型企業以“借勢+借資源”為導向，通過與信息科技企業、AI企業等開展深度戰略合作，精準嫁接合作方行業領先的AI模型、AI+藥物遞送及藥物發現等技術平臺，以“輕資產”模式加速新藥研發與前沿技術臨床轉化進程，提升研發生產效率。
專欄五 戰略合作型企業案例
廣藥集團
與華為簽署全面戰略合作協議，聚焦“數字賦能、創新驅動、生態共建”三大方向，在智慧化基礎設施、數字化應用、人才培養三大領域開展深度合作。廣藥集團將依托華為先進技術優化廣藥集團數字化底座，提升運營效率；探索醫藥大模型、智能制造、智慧零售、智慧倉儲等場景的創新應用；共建人才培養機制，培養醫藥健康與數字化技術融合的復合型人才。
康臣藥業
近期與深勢科技就腎病領域創新性靶點與藥物發現達成戰略合作。合作期間，深勢科技將發揮在AI for Science技術平臺、人工智能驅動藥物研發、智能化實驗室等領域的核心技術優勢，極大地支持康臣藥業在創新藥物自主研發智能化的突破。
（三）并購整合型：收購AI企業與技術團隊填補自身技術空白
并購整合型企業通過投資并購外部AI制藥初創企業，直接快速吸納其AI專業人才、獲取前沿AI技術和算法能力，并依托其成熟的研發平臺加速創新管線的豐富和迭代。相比于自主研發型企業，該模式可縮短AI核心團隊及平臺的搭建周期，實現技術、人才與市場資源的快速整合。
專欄六 并購整合型企業案例
拜耳
（Bayer）全資收購英國AI醫學影像分析公司Blackford Analysis，以增強其在智能影像診斷領域的核心競爭力。通過此次收購，拜耳完整獲得了Blackford的智能影像分析平臺及其專業AI團隊，該平臺整合了超過150種經FDA/CE認證的AI算法，覆蓋放射科、病理科等多個臨床場景。收購后，Blackford的技術被深度整合至拜耳的醫學影像業務線，顯著提升了拜耳在臨床試驗影像評估、精準診斷解決方案等方面的能力，同時強化了其全球醫學影像生態系統建設。
RadNet, Inc.
（美國最大的第三方獨立醫學影像公司）自2020年以來，通過系列戰略收購（DeepHealth、Kheiron Medical Technologies、Quantib和Aidence等），構建了強大的AI技術組合。近期，以1.03億美元收購人工智能醫療解決方案供應商iCAD。收購完成后，iCAD將作為RadNet的DeepHealth AI部門的一部分運營，進一步加速其在人工智能乳腺癌篩查領域的全球領導地位。
三、建議與展望
在人工智能與醫藥健康深度融合發展的時代浪潮下，信息科技和醫藥健康這兩類企業差異化路徑探索已取得階段性成效。但面對技術創新能力不足、數據要素流通不暢、監管審批機制滯后等產業發展限制因素，仍需政產學研醫多方協同，合力構建覆蓋研發、應用、監管的全鏈條發展體系，推動“AI+醫藥健康”產業從單點技術突破向生態價值共創演進，加速醫藥健康領域的數智化變革和提質增效發展。
一是加速構建技術創新體系。持續開展跨病種、跨模態的模型訓練，重點提升模型在小樣本學習、可解釋性、魯棒性等方面的能力，增強其在影像識別、病理分析、電子病歷挖掘等復雜場景下的泛化能力與應用精度。推動建設高性能、低成本、易獲取的醫藥健康領域AI專用算力平臺和開源算法庫，降低研發門檻。
二是持續優化產品服務生態。聚焦癌癥、神經退行性疾病等尚未滿足的領域，持續強化AI技術應用，系統性開展靶點發現、分子設計、化合物優化等藥物研發工作，提升研發效率。開展疾病精準診療模型開發，結合基因測序與AI預測模型，提升醫藥服務的精準性與有效性。推動人工智能與物聯網、大數據、5G等技術的深度融合，開發智能可穿戴設備、遠程醫療監測系統，提升臨床診療及健康管理服務水平。
三是不斷完善產業協同機制。針對創新性強、臨床價值顯著的AI醫藥產品開辟“綠色通道”，縮短產品上市周期。建立由政府主導的醫療數據共享平臺，制定數據共享標準與規范，完善數據隱私保護法規，綜合運用數據加密、匿名化處理等技術手段，構建多層次數據安全防護體系。構建安全合規的數據共享機制，實現科研數據、臨床數據的高效流通與價值挖掘。
作者介紹
李彤彤
咨詢師
長期關注研究生物經濟產業的戰略規劃與布局，深入剖析相關產業政策，參與編寫《創新藥發展面臨的問題及政策建議研究》《京津冀生命健康先進制造業集群發展情況跟蹤評估》等多項政策研究，為政府和企業提供決策支持，在項目咨詢方面具備豐富經驗。
謝亞楠
咨詢師
長期專注醫藥健康、生物制造等生物經濟重點領域的產業研究、政策研究和規劃咨詢。深度參與并完成《完善北京市支持創新藥械發展的監管和支付機制研究》《北京合成生物發展現狀及未來發展路徑研究》等多項政策研究，具備豐富的課題研究與項目咨詢經驗。
編輯：張 華
審核：蘭國威
