在人工智能（AI）飞速发展的当下，生物技术因科学技术突破和临床健康需求的双重驱动，成为与AI技术融合度最深的领域之一。凭借强大的数据处理、分析和预测能力，AI技术正重塑医药健康行业全产业链。信息科技企业和医药健康企业作为产业发展的关键力量，基于各自优势形成差异化的战略布局策略。信息科技企业依托深厚的大数据、机器学习等技术积累，致力于为医药健康行业提供创新的技术解决方案；医药健康企业则凭借对行业规律的深刻把握和药物研发经验，借助AI技术优化研发流程和诊断治疗水平。研究这两类企业在AI医药健康领域的布局路径与特点，对于把握产业发展趋势、制定科学合理的政策具有重要的现实意义。
一、信息科技企业以技术为引擎，跨界抢滩医药健康新赛道
大数据、云计算、人工智能、区块链等领域技术实力较强的信息科技企业，通过底层赋能、生态共建、数据驱动等方式，为医药行业提供创新性解决方案。
（一）技术赋能型：通过构建“算力/算法/数据”的底层技术平台赋能医疗场景
技术赋能型企业布局的核心在于依托大数据、云计算等信息技术优势，构建起以人工智能为核心的底层技术底座，打造通用型或行业级医疗智能服务平台，实现医疗数据跨系统集成与智能分析，深度赋能医学影像诊断、创新药研发等医疗场景。如，通过AI算法优化提升医学影像诊断效率、以高性能算力支撑药物分子模拟研发等。
专栏一 技术赋能型企业案例
华为
作为全球信息与通信基础设施和智能终端提供商，是AI医疗领域以技术赋能与场景深耕实现深度融合的典型案例。华为以昇腾AI基础软硬件平台为坚实底座，发挥其强大算力搭建起先进的多模态大模型架构，实现医学影像、电子病历文本、基因测序数据等多源异构数据的高效融合与深度解析，为医疗诊断提供全面、精准的信息支持。例如，瑞金医院病理大模型RuiPath基于昇腾910C集群完成百万级病理切片训练。昇腾硬件自适应流水掩盖策略、自适应管理内存优化策略，以及亲和算子优化等，推动万卡集群预训练MFU(模型算力利用率)由30%大幅提升至41%。
腾讯健康
依托全链路自研通用语言大模型——混元大模型进军医疗领域，混元大模型拥有超千亿参数规模和超2万亿tokens预训练语料，具备强大的多模态数据处理能力。以其为基座模型，持续加入285万医学实体、1250万医学关系的医学知识图谱和文献，并通过3000万场景问答对话进行多任务微调、基于36万组专家标注数据强化学习，衍生出智能问答、家庭医生助手等多场景AI产品矩阵，赋能医疗全流程。
（二）生态共建型：通过合作、孵化等方式整合医疗资源与技术能力
生态共建型企业重点通过与医院、科研机构等签订战略协议及投资孵化等方式，大力整合临床数据资源与AI、5G等技术资源，构建“数据互联-技术互通-场景互融”的开放生态体系，有效促进医疗设备的智能化互联、跨区域标准化诊疗协作网络构建，在智慧医院、远程医疗等场景中展现出显著优势。
专栏二 生态共建型企业案例
百度
携手深圳大学附属华南医院等合作方，以“多智能体协同AI医院”为载体搭建开放共享的医疗创新生态。华南医院提供临床场景与真实病例数据，百度依托AI算法、算力及大模型技术构建覆盖专科手术、治疗方案、智能问诊等场景的智能体系统，中国电信以高速网络基础设施保障数据实时交互，东软智能医疗科技研究院贡献智能医疗解决方案经验。各方资源整合、优势互补，实现“1医生-N智能体-N患者”的高效服务模式。
科大讯飞
旗下讯飞医疗与多家知名医院和科研团队合作，发布了多个医学大模型，构建了差异化优势。讯飞医疗在智慧医院领域早有布局，在医院服务领域，讯飞医疗通过人工智能赋能医院提质增效，已与超500家等级医院深度合作。“智医助理”已覆盖全国31个省市县超7.3万家基层医疗机构、服务超22万名基层医生，累计提供超9.7亿次AI辅诊建议，有效提升了基本医疗的可及性。
（三）数据驱动型：通过数据采集分析与机器学习构建医疗预测模型
数据驱动型企业借助云计算、物联网等数据采集引擎，依托医疗大数据平台高效集成电子病历、可穿戴设备等多源数据，并通过机器学习算法构建疾病预测模型与个性化健康管理方案，形成“数据采集-智能分析-决策支持”闭环，在慢性病动态监测、疫情传播模拟、精准健康干预等场景形成差异化优势。
专栏三 数据驱动型企业案例
平安科技
开发的“平安好医生”平台，借助物联网技术连接各类可穿戴设备和家用医疗设备，实时采集心率、血压等生理数据，经云计算、大数据等AI技术分析后为用户提供个性化的健康管理建议和疾病预警。目前已建立覆盖29个科室的约5万名内外部医生团队，通过AI问诊、健康监测等功能服务4.2亿用户。
京东健康
推出的“京东家医”，通过智能穿戴设备、电子健康档案和在线问诊记录构建用户健康数据库，为用户提供24小时不间断的健康管理服务、超过2700家医院门诊预约、48小时线上名医会诊、主动随访服务、健康信息收集建档、健康计划制定等家庭医生服务。运用AI算法实现三大数据驱动功能：实时监测患者体征数据并预警异常、基于医疗记录生成个性化健康方案并持续优化、智能匹配医患资源，形成“采集-分析-服务”闭环，将健康管理响应速度提升至小时级。
二、医药健康企业加快数智化赋能，引领产业升级新范式
医药健康企业凭借丰富的行业数据积累和高效的业务协同优势，借助AI技术提升研发生产效率、优化诊疗流程，通过自主研发、战略合作、并购整合三种模式加速企业数字化转型进程。
（一）自主研发型：依托医药研发数据积累自主部署AI平台与团队
自主研发型企业依托内部自有的临床数据、研发数据、生产数据等核心数据资源，通过引进和培养“医药+AI”复合型人才、搭建专业化AI研发平台，自主推进新药研发智能化进程，打造“技术自研壁垒+场景深度渗透”的差异化竞争优势。
专栏四 自主研发型企业案例
华润双鹤
聚焦化合物筛选这一核心研发环节，通过自主搭建“人工智能驱动的创新药物开发与概念验证平台”，加速推动AI技术对药物发现提供支持。现此平台已成功入选北京市概念验证平台和朝阳区数字医疗概念验证平台。
诺诚健华
高度关注人工智能如何促进创新药研发，组建专门团队构建并迭代升级计算化学平台，涵盖化合物理化性质预测、ADMET性质预测以及基于结构的药物设计等核心模块。同时，部署AI专利识别模块和AI分子生成模块，进一步提升平台的功能性和实用性。此外，诺诚健华正积极探索AI技术加快临床入组，更高效整合数据管理，进一步提升临床研究效率。
（二）战略合作型：借力外部技术资源加速AI落地
战略合作型企业以“借势+借资源”为导向，通过与信息科技企业、AI企业等开展深度战略合作，精准嫁接合作方行业领先的AI模型、AI+药物递送及药物发现等技术平台，以“轻资产”模式加速新药研发与前沿技术临床转化进程，提升研发生产效率。
专栏五 战略合作型企业案例
广药集团
与华为签署全面战略合作协议，聚焦“数字赋能、创新驱动、生态共建”三大方向，在智慧化基础设施、数字化应用、人才培养三大领域开展深度合作。广药集团将依托华为先进技术优化广药集团数字化底座，提升运营效率；探索医药大模型、智能制造、智慧零售、智慧仓储等场景的创新应用；共建人才培养机制，培养医药健康与数字化技术融合的复合型人才。
康臣药业
近期与深势科技就肾病领域创新性靶点与药物发现达成战略合作。合作期间，深势科技将发挥在AI for Science技术平台、人工智能驱动药物研发、智能化实验室等领域的核心技术优势，极大地支持康臣药业在创新药物自主研发智能化的突破。
（三）并购整合型：收购AI企业与技术团队填补自身技术空白
并购整合型企业通过投资并购外部AI制药初创企业，直接快速吸纳其AI专业人才、获取前沿AI技术和算法能力，并依托其成熟的研发平台加速创新管线的丰富和迭代。相比于自主研发型企业，该模式可缩短AI核心团队及平台的搭建周期，实现技术、人才与市场资源的快速整合。
专栏六 并购整合型企业案例
拜耳
（Bayer）全资收购英国AI医学影像分析公司Blackford Analysis，以增强其在智能影像诊断领域的核心竞争力。通过此次收购，拜耳完整获得了Blackford的智能影像分析平台及其专业AI团队，该平台整合了超过150种经FDA/CE认证的AI算法，覆盖放射科、病理科等多个临床场景。收购后，Blackford的技术被深度整合至拜耳的医学影像业务线，显著提升了拜耳在临床试验影像评估、精准诊断解决方案等方面的能力，同时强化了其全球医学影像生态系统建设。
RadNet, Inc.
（美国最大的第三方独立医学影像公司）自2020年以来，通过系列战略收购（DeepHealth、Kheiron Medical Technologies、Quantib和Aidence等），构建了强大的AI技术组合。近期，以1.03亿美元收购人工智能医疗解决方案供应商iCAD。收购完成后，iCAD将作为RadNet的DeepHealth AI部门的一部分运营，进一步加速其在人工智能乳腺癌筛查领域的全球领导地位。
三、建议与展望
在人工智能与医药健康深度融合发展的时代浪潮下，信息科技和医药健康这两类企业差异化路径探索已取得阶段性成效。但面对技术创新能力不足、数据要素流通不畅、监管审批机制滞后等产业发展限制因素，仍需政产学研医多方协同，合力构建覆盖研发、应用、监管的全链条发展体系，推动“AI+医药健康”产业从单点技术突破向生态价值共创演进，加速医药健康领域的数智化变革和提质增效发展。
一是加速构建技术创新体系。持续开展跨病种、跨模态的模型训练，重点提升模型在小样本学习、可解释性、鲁棒性等方面的能力，增强其在影像识别、病理分析、电子病历挖掘等复杂场景下的泛化能力与应用精度。推动建设高性能、低成本、易获取的医药健康领域AI专用算力平台和开源算法库，降低研发门槛。
二是持续优化产品服务生态。聚焦癌症、神经退行性疾病等尚未满足的领域，持续强化AI技术应用，系统性开展靶点发现、分子设计、化合物优化等药物研发工作，提升研发效率。开展疾病精准诊疗模型开发，结合基因测序与AI预测模型，提升医药服务的精准性与有效性。推动人工智能与物联网、大数据、5G等技术的深度融合，开发智能可穿戴设备、远程医疗监测系统，提升临床诊疗及健康管理服务水平。
三是不断完善产业协同机制。针对创新性强、临床价值显著的AI医药产品开辟“绿色通道”，缩短产品上市周期。建立由政府主导的医疗数据共享平台，制定数据共享标准与规范，完善数据隐私保护法规，综合运用数据加密、匿名化处理等技术手段，构建多层次数据安全防护体系。构建安全合规的数据共享机制，实现科研数据、临床数据的高效流通与价值挖掘。
作者介绍
李彤彤
咨询师
长期关注研究生物经济产业的战略规划与布局，深入剖析相关产业政策，参与编写《创新药发展面临的问题及政策建议研究》《京津冀生命健康先进制造业集群发展情况跟踪评估》等多项政策研究，为政府和企业提供决策支持，在项目咨询方面具备丰富经验。
谢亚楠
咨询师
长期专注医药健康、生物制造等生物经济重点领域的产业研究、政策研究和规划咨询。深度参与并完成《完善北京市支持创新药械发展的监管和支付机制研究》《北京合成生物发展现状及未来发展路径研究》等多项政策研究，具备丰富的课题研究与项目咨询经验。
编辑：张 华
审核：兰国威
