中圖分類號(hào)：F260 文獻(xiàn)標(biāo)識(shí)碼：A開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：文章編號(hào)：1001-7348（2025）13-0001-13

0 引言

“十四五\"規(guī)劃明確提出要大力發(fā)展人工智能（ArtificialIntelligence，簡稱AI），強(qiáng)調(diào)構(gòu)建產(chǎn)業(yè)集群、推動(dòng)人工智能賦能傳統(tǒng)行業(yè)發(fā)展。當(dāng)前，人工智能不僅推動(dòng)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，還與新興產(chǎn)業(yè)不斷融合，為經(jīng)濟(jì)社會(huì)注人前所未有的新動(dòng)能，對(duì)技術(shù)范式、產(chǎn)業(yè)格局和社會(huì)生活帶來巨大變革和深遠(yuǎn)影響。人工智能在自動(dòng)駕駛、金融、生物醫(yī)藥等領(lǐng)域1-3實(shí)現(xiàn)廣泛應(yīng)用，尤其是在生物醫(yī)藥領(lǐng)域，其作為新一輪科技革命與產(chǎn)業(yè)變革中創(chuàng)新最活躍和發(fā)展最迅猛的戰(zhàn)略性新興產(chǎn)業(yè)，正成為人工智能應(yīng)用最重要的領(lǐng)域，人工智能與生物醫(yī)藥融合程度逐漸加深，并全面驅(qū)動(dòng)生物醫(yī)藥領(lǐng)域的巨大變革[3]。相關(guān)研究表明，ChatGPT技術(shù)應(yīng)用的下一個(gè)前沿或?qū)⒊霈F(xiàn)在與人類生命健康息息相關(guān)的生物醫(yī)藥領(lǐng)域[4。人工智能賦能生物醫(yī)藥全產(chǎn)業(yè)鏈發(fā)展、各環(huán)節(jié)運(yùn)行，逐漸打破藥物研發(fā)“高投入、長周期、高風(fēng)險(xiǎn)”的困境。

構(gòu)建創(chuàng)新生態(tài)系統(tǒng)是各國推動(dòng)創(chuàng)新發(fā)展的重要戰(zhàn)略，美國、日本、歐盟分別于2004年、2006年和2010年陸續(xù)出臺(tái)相關(guān)政策，將構(gòu)建創(chuàng)新生態(tài)系統(tǒng)納入工作重點(diǎn)（韓鳳芹等，2024）。中國也十分重視創(chuàng)新生態(tài)系統(tǒng)建設(shè)，黨的二十大報(bào)告提出“完善科技創(chuàng)新體系”“形成具有全球競爭力的開放創(chuàng)新生態(tài)”。人工智能的應(yīng)用能夠推動(dòng)源頭技術(shù)創(chuàng)新，吸引多方主體共同參與價(jià)值共創(chuàng)，整合創(chuàng)新資源，共同構(gòu)建創(chuàng)新生態(tài)系統(tǒng)。眾多創(chuàng)新主體積極引入人工智能技術(shù)，推動(dòng)數(shù)字化變革與智能化改造，深刻改變了企業(yè)行為邏輯，提升了企業(yè)技術(shù)研發(fā)效率，引發(fā)了整體性、顛覆性技術(shù)變革，因此引起社會(huì)各界對(duì)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)智能化的廣泛關(guān)注[5]

人工智能以高效的系統(tǒng)演進(jìn)、升級(jí)和迭代能力賦能創(chuàng)新生態(tài)系統(tǒng)，助推創(chuàng)新生態(tài)系統(tǒng)演進(jìn)升級(jí)，對(duì)傳統(tǒng)創(chuàng)新生態(tài)系統(tǒng)理論提出新挑戰(zhàn)，因此探究人工智能賦能創(chuàng)新生態(tài)系統(tǒng)演進(jìn)具有重要意義[6]。然而，對(duì)于人工智能技術(shù)演進(jìn)賦能創(chuàng)新生態(tài)系統(tǒng)缺乏深入研究7]，對(duì)于人工智能如何賦能創(chuàng)新生態(tài)系統(tǒng)以及提升創(chuàng)新生態(tài)系統(tǒng)效率的關(guān)注不足[8。因此，本研究采用縱向單案例研究方法，分析人工智能賦能生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)動(dòng)態(tài)演進(jìn)的動(dòng)因與路徑，揭示深層次邏輯規(guī)律，以期為推動(dòng)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)持續(xù)優(yōu)化升級(jí)提供理論支撐和實(shí)踐指導(dǎo)。

1文獻(xiàn)綜述

1.1 技術(shù)賦能

“賦能”一詞源于西方的積極心理學(xué)，是一個(gè)外來概念，其核心意義在于賦予能力或提供能量，最初主要應(yīng)用于組織內(nèi)部人員權(quán)力配置，即授權(quán)賦能。盡管“賦能\"的概念至今尚未在學(xué)術(shù)界形成統(tǒng)一共識(shí)，但學(xué)者普遍認(rèn)為其是在自由主體之間互動(dòng)和交換，旨在催生各領(lǐng)域創(chuàng)新驅(qū)動(dòng)力和方法，從而有效激發(fā)主體實(shí)現(xiàn)既定目標(biāo)的能力[9]。近年來，隨著信息技術(shù)的快速發(fā)展，技術(shù)賦能理論逐漸興起，賦能對(duì)象不再局限于個(gè)體，而是擴(kuò)展至更廣泛的領(lǐng)域。有學(xué)者從宏觀、中觀、微觀等[10-12]不同層面進(jìn)行研究，強(qiáng)調(diào)技術(shù)利用下的獨(dú)特優(yōu)勢(shì)。通過對(duì)技術(shù)賦能概念進(jìn)行梳理發(fā)現(xiàn)，技術(shù)數(shù)據(jù)已成為智能化時(shí)代的一種新型生產(chǎn)要素，數(shù)據(jù)具有非耗損性，并通過正反饋機(jī)制實(shí)現(xiàn)收益遞增，針對(duì)不同創(chuàng)新場景賦予主體掌握復(fù)雜事物規(guī)律、實(shí)現(xiàn)價(jià)值目標(biāo)的能力。

1.2 創(chuàng)新生態(tài)系統(tǒng)演進(jìn)

創(chuàng)新生態(tài)系統(tǒng)研究根據(jù)關(guān)注點(diǎn)不同劃分為兩大流派。一是以Ander[13-14]團(tuán)隊(duì)為代表的基于結(jié)構(gòu)視角的創(chuàng)新生態(tài)系統(tǒng)研究，聚焦于微觀層面，關(guān)注核心成員如何與生態(tài)系統(tǒng)成員互動(dòng)，以實(shí)現(xiàn)價(jià)值創(chuàng)造和價(jià)值獲取。二是強(qiáng)調(diào)以生態(tài)系統(tǒng)成員為中心，認(rèn)為生態(tài)系統(tǒng)是由多個(gè)相互關(guān)聯(lián)、共生共存的成員組成的松散網(wǎng)絡(luò)[15-16]。

創(chuàng)新生態(tài)系統(tǒng)演進(jìn)是一個(gè)持續(xù)動(dòng)態(tài)、系統(tǒng)變異和選擇性保留的過程[17]。學(xué)者從開放式創(chuàng)新、價(jià)值共創(chuàng)、架構(gòu)者等不同視角進(jìn)行積極探索?；陂_放式創(chuàng)新視角，林勇和張昊運(yùn)（2020）運(yùn)用超邊際分析工具揭示“創(chuàng)新生態(tài)系統(tǒng)”向“開放式創(chuàng)新生態(tài)系統(tǒng)”演進(jìn)的機(jī)理，認(rèn)為基于開源合作創(chuàng)新范式與用戶獨(dú)創(chuàng)價(jià)值模式，創(chuàng)新生態(tài)系統(tǒng)呈現(xiàn)以大眾用戶為創(chuàng)新源主體、以開源共享為動(dòng)力以及功能專業(yè)化的生態(tài)群落互動(dòng)三大演進(jìn)特征；劉云等[18]研究表明，我國高檔數(shù)控機(jī)床技術(shù)追趕經(jīng)歷了技術(shù)學(xué)習(xí)、自主創(chuàng)新與開放創(chuàng)新相結(jié)合以及創(chuàng)新鏈與產(chǎn)業(yè)鏈融合3個(gè)階段，從而實(shí)現(xiàn)創(chuàng)新生態(tài)系統(tǒng)持續(xù)優(yōu)化?；趦r(jià)值共創(chuàng)視角，王宏起等（2021）認(rèn)為企業(yè)合作與競爭行為會(huì)影響創(chuàng)新生態(tài)系統(tǒng)演化，進(jìn)而影響企業(yè)價(jià)值創(chuàng)造與獲??；韓鳳芹等（2024）基于江蘇產(chǎn)研院單案例研究，建立“目標(biāo)一行為—機(jī)制一結(jié)果”分析框架，認(rèn)為創(chuàng)新生態(tài)系統(tǒng)演進(jìn)是從他組織向自組織發(fā)展的過程，是不斷吸引其他創(chuàng)新主體和創(chuàng)新資源的過程?；诩軜?gòu)者視角，譚勁松等（2021）以中國軌道交通裝備產(chǎn)業(yè)為例，研究架構(gòu)者變遷對(duì)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)形成和演進(jìn)的作用機(jī)理；林艷和李盈[19]基于架構(gòu)者資源編排視角，研究平臺(tái)型創(chuàng)新生態(tài)系統(tǒng)的動(dòng)態(tài)演進(jìn)機(jī)理。也有學(xué)者從組織因素[20]、創(chuàng)新政策[21]等多個(gè)視角切入，深入探究創(chuàng)新生態(tài)系統(tǒng)演進(jìn)機(jī)理與路徑。

1.3人工智能賦能創(chuàng)新生態(tài)系統(tǒng)

（1）關(guān)于人工智能賦能創(chuàng)新生態(tài)系統(tǒng)驅(qū)動(dòng)因素，邵云飛等[22]認(rèn)為可在結(jié)構(gòu)賦能、心理賦能和資源賦能3個(gè)層面推動(dòng)企業(yè)從單一主體向多元協(xié)作主體轉(zhuǎn)變，并逐漸建立創(chuàng)新生態(tài)體系，進(jìn)而實(shí)現(xiàn)企業(yè)跨越式發(fā)展；李明和王衛(wèi)[23]基于靜態(tài)視角，認(rèn)為政策引導(dǎo)力、產(chǎn)業(yè)變革力、創(chuàng)新賦能力和需求拉動(dòng)力共同推動(dòng)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)，進(jìn)而實(shí)現(xiàn)企業(yè)價(jià)值共創(chuàng)；歐春堯等[發(fā)現(xiàn)技術(shù)賦能、價(jià)值重構(gòu)和平臺(tái)化發(fā)展是影響海上風(fēng)電產(chǎn)業(yè)創(chuàng)新生態(tài)數(shù)智轉(zhuǎn)型的關(guān)鍵因素；湯睿等[24]強(qiáng)調(diào)資源編排是促進(jìn)創(chuàng)新生態(tài)系統(tǒng)構(gòu)建的重要因素，數(shù)字化能力作為中介變量與兩者共生演化，將資源編排劃分為資源構(gòu)建、資源捆綁及資源撬動(dòng)3個(gè)子過程，其在創(chuàng)新生態(tài)系統(tǒng)構(gòu)建不同階段發(fā)揮不同作用；李曉娣等（2024）以中國內(nèi)地30個(gè)省市區(qū)域創(chuàng)新生態(tài)系統(tǒng)為研究對(duì)象，基于資源編排理論，深入分析數(shù)智情境下創(chuàng)新生態(tài)系統(tǒng)所具備的資源與能力，采用fsQCA方法揭示傳統(tǒng)創(chuàng)新要素與新型數(shù)字生產(chǎn)要素不同組態(tài)對(duì)區(qū)域創(chuàng)新生態(tài)系統(tǒng)能級(jí)的提升作用。

（2）關(guān)于人工智能賦能創(chuàng)新生態(tài)系統(tǒng)特征，姜李丹等（2022）的研究表明，人工智能的賦能作用使數(shù)據(jù)成為產(chǎn)業(yè)創(chuàng)新要素，打破傳統(tǒng)創(chuàng)新主體生態(tài)位和功能邊界，引發(fā)創(chuàng)新生態(tài)系統(tǒng)內(nèi)政府、企業(yè)、大學(xué)、用戶等不同種群的適應(yīng)性演進(jìn)，為產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)轉(zhuǎn)型提供充分條件，使得產(chǎn)業(yè)樣態(tài)朝著價(jià)值分配重構(gòu)、智能制造升級(jí)、商業(yè)模式轉(zhuǎn)變、組織決策變革等方向發(fā)展；寧連舉等（2022）從新型數(shù)字創(chuàng)新生態(tài)系統(tǒng)視角出發(fā)，認(rèn)為受技術(shù)、資金和要素總量等客觀條件限制，創(chuàng)新生態(tài)系統(tǒng)內(nèi)部主體成長過程遵循Logistic規(guī)律，內(nèi)部組織規(guī)模不會(huì)無限擴(kuò)張，但在三螺旋主體互惠共生模式下，數(shù)字創(chuàng)新生態(tài)系統(tǒng)演進(jìn)能夠達(dá)到最優(yōu)狀態(tài)，實(shí)現(xiàn)創(chuàng)新主體間互利互惠和創(chuàng)新生態(tài)系統(tǒng)可持續(xù)發(fā)展；阮添舜等[25]強(qiáng)調(diào)數(shù)字技術(shù)與生態(tài)系統(tǒng)的協(xié)同聯(lián)動(dòng)能推動(dòng)數(shù)字創(chuàng)新；儲(chǔ)節(jié)旺等[26]強(qiáng)調(diào)數(shù)智賦能創(chuàng)新生態(tài)系統(tǒng)具有要素開放與構(gòu)成多樣、主體協(xié)同與系統(tǒng)演化、系統(tǒng)漲落與技術(shù)風(fēng)險(xiǎn)等特征；孫永磊等（2023）認(rèn)為數(shù)字創(chuàng)新生態(tài)系統(tǒng)朝著關(guān)系互動(dòng)、知識(shí)能力和行為規(guī)范3個(gè)方向演化；王永貴等（2023）從知識(shí)管理視角出發(fā)，研究傳統(tǒng)工業(yè)企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型以及推進(jìn)數(shù)字化生態(tài)的全過程；王海軍等[27]構(gòu)建“情景—組織—機(jī)制\"框架，通過對(duì)中關(guān)村科技園區(qū)的縱向案例研究，從市場需求適應(yīng)、合作資源互動(dòng)和系統(tǒng)主體共生3個(gè)維度揭示創(chuàng)新生態(tài)系統(tǒng)演進(jìn)呈現(xiàn)“被動(dòng)適應(yīng)一主動(dòng)適應(yīng)一引領(lǐng)適應(yīng)”、“資源共享—知識(shí)轉(zhuǎn)移一利益分配”、“寄生共生一偏利共生一互利共生”的特征。

1.4 研究述評(píng)

現(xiàn)有研究在一定程度上為人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)驅(qū)動(dòng)因素和路徑提供了理論支撐，但存在如下不足：第一，多數(shù)研究偏宏觀層面，對(duì)于中觀產(chǎn)業(yè)生態(tài)運(yùn)作機(jī)制缺乏深入探討；第二，多是對(duì)創(chuàng)新生態(tài)系統(tǒng)內(nèi)部結(jié)構(gòu)功能的定性研究，鮮有研究探討產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)內(nèi)部非線性、動(dòng)態(tài)演進(jìn)過程，未明晰不同技術(shù)階段人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)影響因素及作用機(jī)制的差異性與關(guān)聯(lián)性。鑒于此，本文以生物醫(yī)藥產(chǎn)業(yè)為案例研究對(duì)象，基于動(dòng)態(tài)視角構(gòu)建不同技術(shù)階段下人工智能賦能生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)的理論模型，對(duì)其驅(qū)動(dòng)因素和路徑進(jìn)行分析，以此打開其演進(jìn)機(jī)理的“黑箱”。

2 研究設(shè)計(jì)

2.1 研究方法

本研究采用歸納性縱向單案例研究方法[28]，主要基于以下考慮：第一，人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)的研究正處于理論發(fā)展初級(jí)階段，需要選取能夠深度挖掘復(fù)雜機(jī)制和邏輯共性、構(gòu)建理論框架的探索性案例研究方法。第二，人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)是一個(gè)復(fù)雜且長期的過程，驅(qū)動(dòng)因素和具體路徑受不同人工智能發(fā)展階段的影響，縱向案例研究在分析構(gòu)念之間聯(lián)系和變化上具有獨(dú)特優(yōu)勢(shì)，能夠?qū)﹂L周期案例時(shí)間進(jìn)行階段劃分和理論整合[29]，總結(jié)不同階段戰(zhàn)略要素的協(xié)同演變過程，進(jìn)而凝練出理論邏輯。第三，與多案例研究相比，單案例研究更適合對(duì)復(fù)雜系統(tǒng)的深入剖析，其將不同主體視為嵌入式分析單元，能夠細(xì)致觀察產(chǎn)業(yè)演進(jìn)中的核心企業(yè)及關(guān)鍵事件，有利于發(fā)現(xiàn)并解釋演化過程和機(jī)制，具有較好的啟發(fā)性（毛基業(yè)等，2016）。因此，縱向單案例研究可為本文提供方法支撐。

2.2 案例選取

在案例選取方面，本文根據(jù)典型性、匹配性、代表性和啟示性原則，選取我國生物醫(yī)藥產(chǎn)業(yè)為研究對(duì)象，側(cè)重于人工智能在生物醫(yī)藥研發(fā)領(lǐng)域的應(yīng)用。一是典型性。生物醫(yī)藥作為戰(zhàn)略性新興產(chǎn)業(yè)，技術(shù)創(chuàng)新含量高，產(chǎn)業(yè)發(fā)展帶動(dòng)性強(qiáng)，不僅是世界各國經(jīng)濟(jì)發(fā)展的重心之一，也是學(xué)術(shù)研究熱點(diǎn)領(lǐng)域，人工智能應(yīng)用于生物醫(yī)藥產(chǎn)業(yè)更是中美戰(zhàn)略競爭的重點(diǎn)領(lǐng)域（王楠等，2023）。二是匹配性。隨著人工智能技術(shù)的不斷推進(jìn)，AI生物醫(yī)藥發(fā)展成為一個(gè)完整的生態(tài)系統(tǒng)，涵蓋從藥物研發(fā)、臨床試驗(yàn)到市場推廣等各個(gè)環(huán)節(jié)。在這個(gè)生態(tài)系統(tǒng)中，AI技術(shù)得到廣泛應(yīng)用，不僅能提高研發(fā)效率，降低研發(fā)成本，還能推動(dòng)藥物創(chuàng)新。三是代表性。我國AI生物醫(yī)藥企業(yè)的崛起與全球發(fā)展幾乎同步，與領(lǐng)先企業(yè)相比，主要差距體現(xiàn)在規(guī)模與業(yè)務(wù)成熟度方面，而非技術(shù)或業(yè)務(wù)形態(tài)方面。四是啟示性。我國AI生物醫(yī)藥產(chǎn)業(yè)發(fā)展速度令人矚目，政府在政策層面給予大力支持，為AI生物醫(yī)藥產(chǎn)業(yè)發(fā)展創(chuàng)造了良好環(huán)境。同時(shí)，國內(nèi)企業(yè)積極研發(fā)新技術(shù)，推動(dòng)AI生物醫(yī)藥技術(shù)創(chuàng)新和應(yīng)用，這些努力不僅促進(jìn)了我國AI生物醫(yī)藥產(chǎn)業(yè)迅速發(fā)展，也為全球藥物研發(fā)領(lǐng)域帶來新機(jī)遇和新挑戰(zhàn)。

2.3 數(shù)據(jù)收集

鑒于產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)中復(fù)雜的主體關(guān)系，本研究主要依賴客觀性強(qiáng)、覆蓋面廣、時(shí)間跨度大的質(zhì)性資料，全面揭示其動(dòng)態(tài)演變規(guī)律。一是獲取詳盡的一手資料，團(tuán)隊(duì)連續(xù)多年參與AI生物醫(yī)藥產(chǎn)業(yè)相關(guān)年會(huì)，收集到一批高價(jià)值的實(shí)地調(diào)研信息和會(huì)議資料，同時(shí)通過訪談、現(xiàn)場觀察補(bǔ)充細(xì)節(jié)，提高數(shù)據(jù)與研究層面的契合度。二是通過年鑒、報(bào)告、政策、文獻(xiàn)、新聞檢索等途徑收集大量二手資料。

2.4 數(shù)據(jù)編碼

本文采用扎根理論研究方法，按照“開放式編碼—主軸式編碼一選擇式編碼”對(duì)案例資料進(jìn)行分析。第一，開放式編碼。對(duì)多來源原始資料通過貼標(biāo)簽的方式逐步進(jìn)行概念化操作，形成初始概念；隨后，將初始概念進(jìn)一步副范疇化，初步形成供需主導(dǎo)型政策、環(huán)境主導(dǎo)型政策、均衡型政策等副范疇。第二，主軸式編碼。深人分析并總結(jié)各范疇間的邏輯關(guān)系，通過反復(fù)論證，將具有同一類屬的副范疇提煉為主范疇，形成政策引導(dǎo)、技術(shù)推動(dòng)等主范疇。第三，選擇式編碼。通過多重比較和分析，最終提煉出涵蓋所有范疇的核心范疇，形成驅(qū)動(dòng)因素和驅(qū)動(dòng)路徑概念體系。相關(guān)數(shù)據(jù)結(jié)構(gòu)如圖1所示。

為確保編碼的客觀性和準(zhǔn)確性，采取背靠背編碼方式，由兩組團(tuán)隊(duì)成員獨(dú)立進(jìn)行編碼，再對(duì)比兩組編碼數(shù)據(jù)，對(duì)不一致概念和主題進(jìn)行深入討論。最終，對(duì)編碼結(jié)果進(jìn)行“數(shù)據(jù)一關(guān)系一框架\"迭代分析，不斷驗(yàn)證案例與涌現(xiàn)理論之間的契合度，確保理論的合理性和創(chuàng)新性。

3 案例簡介

3.1人工智能在生物醫(yī)藥產(chǎn)業(yè)領(lǐng)域應(yīng)用現(xiàn)狀

生物醫(yī)藥產(chǎn)業(yè)通常面臨研發(fā)周期長、投入高、成功率低的難題，人工智能技術(shù)在生物醫(yī)藥產(chǎn)業(yè)領(lǐng)域的應(yīng)用能實(shí)現(xiàn)降本增效。從初期計(jì)算機(jī)輔助藥物設(shè)計(jì)，歷經(jīng)多年發(fā)展，人工智能已經(jīng)深入到藥物研發(fā)的各個(gè)環(huán)節(jié)，主要涉及研發(fā)前期、藥物發(fā)現(xiàn)、臨床前試驗(yàn)、臨床研究、審批上市等不同階段，人工智能技術(shù)在不同階段發(fā)揮的作用不同（見表1）。

（1）研發(fā)前期。一是人工智能實(shí)現(xiàn)對(duì)海量數(shù)據(jù)資源的擴(kuò)展和優(yōu)化，如以實(shí)體小分子化合物和化學(xué)規(guī)則為基礎(chǔ)，機(jī)器學(xué)習(xí)能夠高效構(gòu)建大量虛擬化合物，加速人類對(duì)未知化學(xué)空間的探索；二是實(shí)現(xiàn)海量異構(gòu)數(shù)據(jù)信息的整合與深度挖掘，運(yùn)用自然語言處理、知識(shí)圖譜等人工智能技術(shù)從海量文獻(xiàn)、專利和數(shù)據(jù)庫中提取出與藥物研發(fā)相關(guān)的信息，并通過聚類分析等方法提出新的可被驗(yàn)證的藥物研發(fā)假說，進(jìn)一步加速藥物研發(fā)過程。

（2）藥物發(fā)現(xiàn)。在藥物發(fā)現(xiàn)階段，AI技術(shù)主要聚焦于靶點(diǎn)發(fā)現(xiàn)與驗(yàn)證。利用自然語言處理和機(jī)器學(xué)習(xí)技術(shù)訪問針對(duì)目標(biāo)及非目標(biāo)的大型數(shù)據(jù)集，通過系統(tǒng)訓(xùn)練機(jī)器學(xué)習(xí)模型預(yù)測數(shù)據(jù)集屬性，有助于研究者深入了解疾病機(jī)制、藥靶蛋白結(jié)構(gòu)和功能，或從免疫系統(tǒng)、信號(hào)通路、分子立體結(jié)構(gòu)等多元視角篩選靶點(diǎn)，縮短靶點(diǎn)發(fā)現(xiàn)周期。如DeepMind研發(fā)的AlphaFold工具便成功預(yù)測了蛋白質(zhì)折疊方式，解決了蛋白結(jié)構(gòu)表征難題。

（3）臨床前試驗(yàn)。在藥物篩選和藥物設(shè)計(jì)領(lǐng)域，AI分子篩選技術(shù)和生成技術(shù)從結(jié)構(gòu)生物學(xué)角度出發(fā)，能夠加速先導(dǎo)化合物的發(fā)現(xiàn)和優(yōu)化，促進(jìn)候選藥物分子的產(chǎn)生。例如，Exscientia公司作為藥物設(shè)計(jì)自動(dòng)化的先驅(qū)，其AI系統(tǒng)能夠自動(dòng)設(shè)計(jì)新型化合物，并根據(jù)藥效、選擇性、ADME等條件確定合成優(yōu)先級(jí)。在精準(zhǔn)預(yù)測領(lǐng)域，AI技術(shù)的引入，尤其是深度神經(jīng)網(wǎng)絡(luò)算法能夠精確提取結(jié)構(gòu)特征，進(jìn)一步提升藥物預(yù)測的準(zhǔn)確性。例如，Atomwise公司開發(fā)的AtomNet平臺(tái)利用深度神經(jīng)網(wǎng)絡(luò)識(shí)別化學(xué)基團(tuán)及其構(gòu)效關(guān)系，為新藥發(fā)現(xiàn)和風(fēng)險(xiǎn)評(píng)估提供了有效工具。此外，在工藝優(yōu)化方面，人工神經(jīng)網(wǎng)絡(luò)能夠解決傳統(tǒng)數(shù)理方法難以應(yīng)對(duì)的多變量優(yōu)化問題，顯著提升制藥過程效率和精度。

（4）臨床試驗(yàn)。臨床試驗(yàn)階段涉及臨床I、II、III期試驗(yàn)，期間包括臨床試驗(yàn)設(shè)計(jì)、患者招募和大規(guī)模臨床數(shù)據(jù)處理?；颊哒心际且淮筇魬?zhàn)，合適的患者不僅難以招募，而且招募成本較高，借助大數(shù)據(jù)和人工智能技術(shù)可以精準(zhǔn)挖掘目標(biāo)患者，實(shí)現(xiàn)快速招募，從而縮短試驗(yàn)周期并降低研發(fā)成本。同時(shí)，AI在云計(jì)算支持下能夠高效處理臨床試驗(yàn)中的海量數(shù)據(jù)，及時(shí)優(yōu)化試驗(yàn)進(jìn)程，增強(qiáng)風(fēng)險(xiǎn)控制能力。例如，新加坡國立大學(xué)創(chuàng)建的“CURATE.AI”人工智能平臺(tái)利用臨床數(shù)據(jù)快速識(shí)別藥物劑量，為臨床試驗(yàn)提供了有力支撐。

（5）審批上市。在審批上市階段，技術(shù)審評(píng)是一項(xiàng)高度專業(yè)化的工作，需要深厚的專業(yè)知識(shí)和經(jīng)驗(yàn)積累。AI技術(shù)在圖像識(shí)別方面的應(yīng)用（如色譜圖審評(píng)）能夠提高審評(píng)的準(zhǔn)確性和效率。此外，上市后的藥物安全性監(jiān)測也至關(guān)重要，AI技術(shù)在這方面發(fā)揮著重要作用，如用于假藥識(shí)別等。

3.2人工智能賦能生物醫(yī)藥研發(fā)服務(wù)模式

當(dāng)前，AI驅(qū)動(dòng)生物醫(yī)藥發(fā)展的技術(shù)分為兩類：一類是以人工智能算法為核心技術(shù)，這些算法在強(qiáng)大的硬件設(shè)備支持下，結(jié)合各類生物數(shù)據(jù)庫資源，構(gòu)建出精確而高效的模型，用于新藥研發(fā)；另一類是以前沿生物技術(shù)為主導(dǎo)，以人工智能作為輔助工具，旨在提升新藥分子發(fā)現(xiàn)和設(shè)計(jì)效率。目前，AI生物醫(yī)藥領(lǐng)域呈現(xiàn)3種模式，首先是為制藥企業(yè)及委托研究機(jī)構(gòu)（CRO）提供外包服務(wù)的“AI + CRO\"模式；其次是制藥企業(yè)自主研發(fā)AI生物醫(yī)藥產(chǎn)品的內(nèi)部研發(fā)模式；最后是搭建通用AI技術(shù)平臺(tái)，為整個(gè)行業(yè)提供技術(shù)服務(wù)的平臺(tái)服務(wù)模式。

3.3人工智能賦能生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)

AI生物醫(yī)藥產(chǎn)業(yè)鏈涵蓋上游云計(jì)算平臺(tái)、AI模型數(shù)據(jù)集與自動(dòng)化實(shí)驗(yàn)室，數(shù)據(jù)是AI藥物研發(fā)的關(guān)鍵，包括公開數(shù)據(jù)集、文獻(xiàn)數(shù)據(jù)集、專利數(shù)據(jù)集和客戶數(shù)據(jù)集。云計(jì)算平臺(tái)，如華為云、騰訊云、阿里云等能保障底層架構(gòu)算力供給。AI藥物研發(fā)企業(yè)與IT企業(yè)是產(chǎn)業(yè)鏈中游的核心力量。AI藥物研發(fā)企業(yè)借助醫(yī)藥數(shù)據(jù)集，運(yùn)用內(nèi)部訓(xùn)練工具及AI開發(fā)工具構(gòu)建并訓(xùn)練出高效的AI模型，通過醫(yī)藥研發(fā)外包形式與下游企業(yè)攜手合作。而IT企業(yè)通過自建AI藥物研發(fā)平臺(tái)，提供算力、計(jì)算框架等服務(wù)，深度參與AI藥物研發(fā)過程。在產(chǎn)業(yè)鏈下游，傳統(tǒng)藥企如復(fù)星醫(yī)藥、恒瑞醫(yī)藥等作為AI藥物研發(fā)的直接需求者，與中游AI藥物研發(fā)企業(yè)保持緊密的合作關(guān)系，通過購買中游企業(yè)的藥物研發(fā)服務(wù)，加速新藥研發(fā)進(jìn)程。同時(shí)，CXO企業(yè)如藥明康德等在這一生態(tài)系統(tǒng)中發(fā)揮著重要作用，如圖2所示。

4案例分析與發(fā)現(xiàn)

本研究通過梳理關(guān)鍵時(shí)間節(jié)點(diǎn)，根據(jù)關(guān)鍵事件、政策變遷及學(xué)者研究（郭旭等，2023；陳凱先，2024），將AI賦能生物醫(yī)藥創(chuàng)新生態(tài)系統(tǒng)演進(jìn)劃分為3個(gè)階段。① 技術(shù)積累期（2010—2016年）：該時(shí)期生物醫(yī)藥納入中國戰(zhàn)略性新興產(chǎn)業(yè)范疇，英矽智能、晶泰科技等標(biāo)志性企業(yè)成立，生物醫(yī)藥企業(yè)開始嘗試將AI技術(shù)應(yīng)用于部分業(yè)務(wù)流程，如數(shù)據(jù)分析、流程優(yōu)化、藥物初步篩選等； ② 技術(shù)融合期（2017－2019年）：該時(shí)期人工智能研發(fā)服務(wù)平臺(tái)涌現(xiàn)，AI生物醫(yī)藥企業(yè)取得實(shí)質(zhì)性進(jìn)展，出現(xiàn)驗(yàn)證性成果，政府推出一系列人工智能政策應(yīng)用于生物醫(yī)藥研發(fā)，引導(dǎo)生物醫(yī)藥產(chǎn)業(yè)研發(fā)創(chuàng)新； ③ 產(chǎn)業(yè)賦能期（2020年至今）：互聯(lián)網(wǎng)巨頭布局人工智能藥物研發(fā)產(chǎn)業(yè)，AI生物醫(yī)藥企業(yè)晶泰科技上市，人工智能應(yīng)用于生物醫(yī)藥研發(fā)創(chuàng)新的技術(shù)逐漸成熟（見圖3）。

4.1 技術(shù)積累期 （2010-2016 年）

該階段，在市場主導(dǎo)的生存壓力下，人工智能技術(shù)通過單點(diǎn)突破模式促進(jìn)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)，典型證據(jù)及編碼見表2，技術(shù)積累期人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)過程見圖4。

4.1.1 驅(qū)動(dòng)因素

（1）政策驅(qū)動(dòng)。第一，技術(shù)創(chuàng)新政策。2016年國務(wù)院發(fā)布《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》，明確支持健康醫(yī)療領(lǐng)域人工智能技術(shù)應(yīng)用，提升設(shè)備生產(chǎn)制造水平，推動(dòng)健康醫(yī)療智能裝備產(chǎn)業(yè)升級(jí)。同年，國家發(fā)展和改革委員會(huì)等部門聯(lián)合發(fā)布《“互聯(lián)網(wǎng) + ”人工智能三年行動(dòng)實(shí)施方案》，強(qiáng)調(diào)在制造、健康醫(yī)療等領(lǐng)域開展人工智能應(yīng)用試點(diǎn)，推動(dòng)規(guī)?；瘧?yīng)用。第二，市場培育政策。2010年國務(wù)院發(fā)布的《國務(wù)院關(guān)于加快培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的決定》將生物醫(yī)藥產(chǎn)業(yè)列為戰(zhàn)略性新興產(chǎn)業(yè)，2015年國務(wù)院發(fā)布《關(guān)于改革藥品醫(yī)療器械審評(píng)審批制度的意見》，優(yōu)化創(chuàng)新藥審評(píng)審批流程，鼓勵(lì)藥物創(chuàng)新。自此，國家從注冊(cè)審批、醫(yī)保支付、資本市場上市規(guī)則、人才政策和專利保護(hù)等多個(gè)維度全面推動(dòng)創(chuàng)新藥發(fā)展，推動(dòng)產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)不斷優(yōu)化。

（2）技術(shù)推動(dòng)。第一，技術(shù)突破。自2010年以后，隨著深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）、生成式對(duì)抗網(wǎng)絡(luò)（GANs）的出現(xiàn)，使得深度學(xué)習(xí)在圖像識(shí)別任務(wù)中的潛力被挖掘，并產(chǎn)生了強(qiáng)大而新穎的數(shù)據(jù)生成工具，促進(jìn)人工智能技術(shù)發(fā)展。2015年前后，人工智能藥物發(fā)現(xiàn)平臺(tái)出現(xiàn)，這些平臺(tái)利用算法分析基因組數(shù)據(jù)、蛋白質(zhì)結(jié)構(gòu)與藥物分子間的相互作用，從而預(yù)測藥物療效和副作用。第二，技術(shù)優(yōu)勢(shì)。TechEmergence報(bào)告指出，AI技術(shù)將新藥研發(fā)成功率從 12% 提升至 14% 。根據(jù)Evaluate公司的分析，相較于傳統(tǒng)新藥研發(fā)，運(yùn)用人工智能技術(shù)能夠顯著縮短新藥發(fā)現(xiàn)周期、降低研發(fā)成本并提高研發(fā)收益。例如，傳統(tǒng)新藥發(fā)現(xiàn)需要6年篩選出合適的先導(dǎo)化合物，而AI技術(shù)則能將研發(fā)周期縮短至 1～2 年甚至幾個(gè)月，使得研發(fā)成本由8億美元降至不到300萬美元。

（3）市場拉動(dòng)。第一，私人需求。2015年“722”事件后產(chǎn)業(yè)環(huán)境重塑，同質(zhì)化企業(yè)逐漸縮減或被收購，創(chuàng)新藥企蓬勃興起，國外藥企紛紛進(jìn)軍中國市場，國內(nèi)藥企面臨巨大的生存壓力。第二，市場競爭。國內(nèi)創(chuàng)新藥物審批流程加長、創(chuàng)新難度和成本上升，仿制藥重復(fù)申請(qǐng)和同類產(chǎn)品過度競爭加大了市場競爭壓力。同時(shí)，發(fā)達(dá)國家如美國新藥審批效率提升更能滿足患者需求并引領(lǐng)生物醫(yī)藥科技前沿。例如，PD1抑制劑經(jīng)短暫臨床研究后僅4天就能獲得FDA批準(zhǔn)，標(biāo)志著全球醫(yī)藥技術(shù)競爭進(jìn)入新階段。

（4）組織變革。生物醫(yī)藥企業(yè)逐漸意識(shí)到人工智能技術(shù)應(yīng)用的重要性，紛紛制定數(shù)字化轉(zhuǎn)型戰(zhàn)略。如《上海醫(yī)藥三年發(fā)展規(guī)劃》（2013—2015年）明確提出“初步建成數(shù)字化上藥”，這一目標(biāo)不僅體現(xiàn)了上海醫(yī)藥對(duì)數(shù)字化轉(zhuǎn)型的堅(jiān)定決心，也展示了其在人工智能技術(shù)應(yīng)用方面的前瞻性思維。

4.1.2 驅(qū)動(dòng)路徑

此階段人工智能賦能生物醫(yī)藥研發(fā)創(chuàng)新為單點(diǎn)突破模式，企業(yè)主要關(guān)注AI技術(shù)在特定環(huán)節(jié)的應(yīng)用，如利用AI輔助藥物發(fā)現(xiàn)等實(shí)現(xiàn)顯著的效率提升或創(chuàng)新突破。然而，單點(diǎn)突破模式高度依賴人工智能技術(shù)，如果技術(shù)本身存在不足，則有可能對(duì)生物醫(yī)藥產(chǎn)業(yè)帶來負(fù)面影響。

4.2 技術(shù)融合期（2017－2019年）

該階段在政策指引下，人工智能技術(shù)通過端到端模式促進(jìn)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)，典型證據(jù)及編碼見表3，人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)過程見圖5。

4.2.1 驅(qū)動(dòng)因素

（1）政策引導(dǎo)。第一，技術(shù)體系完善。國務(wù)院、工業(yè)和信息化部等部門發(fā)布了一系列文件，如《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃》《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》《新一代人工智能產(chǎn)業(yè)創(chuàng)新重點(diǎn)任務(wù)揭榜工作方案》《國家新一代人工智能開放創(chuàng)新平臺(tái)建設(shè)工作指引》等，鼓勵(lì)領(lǐng)軍企業(yè)搭建開放平臺(tái)，圍繞重點(diǎn)任務(wù)建設(shè)國家新一代AI開放創(chuàng)新平臺(tái)，推動(dòng)人工智能技術(shù)發(fā)展。第二，資本市場。2018年港交所在《主板上市規(guī)則》中新增第18章《生物科技公司》，允許沒有收入和利潤的生物科技公司在港股上市，隨后中國內(nèi)地便推出科創(chuàng)板與注冊(cè)制試點(diǎn)。第三，市場監(jiān)管?！蛾P(guān)于深化審評(píng)審批制度改革鼓勵(lì)藥品醫(yī)療器械創(chuàng)新的意見》《關(guān)于調(diào)整藥物臨床試驗(yàn)審評(píng)審批程序的公告（2018年第50號(hào)）》等一系列政策發(fā)布。此外，中國加人人用藥品注冊(cè)技術(shù)要求國際協(xié)調(diào)會(huì)議（ICH），推動(dòng)制度流程與國際接軌，增強(qiáng)國際競爭力，吸引更多國際創(chuàng)新藥企業(yè)選擇中國作為首批上市國家之一，為人工智能在生物醫(yī)藥研發(fā)領(lǐng)域的應(yīng)用營造了良好的市場環(huán)境和監(jiān)管環(huán)境。

（2）技術(shù)推動(dòng)。大數(shù)據(jù)集成平臺(tái)在科技創(chuàng)新生態(tài)系統(tǒng)中具有重要地位，尤其是在生物醫(yī)藥研發(fā)領(lǐng)域。此階段，我國在生物醫(yī)藥研發(fā)數(shù)據(jù)庫建設(shè)方面取得顯著成效。如上海生物醫(yī)藥大數(shù)據(jù)中心（BDMC）搭建的三位一體生物醫(yī)學(xué)信息基礎(chǔ)設(shè)施，可提供生物醫(yī)藥數(shù)據(jù)采集與共享、數(shù)據(jù)管理與分析等全周期大數(shù)據(jù)服務(wù)。中國醫(yī)藥工業(yè)信息中心面向醫(yī)藥行業(yè)開發(fā)的PDB（藥物綜合數(shù)據(jù)庫）和CPM（新藥研發(fā)監(jiān)測數(shù)據(jù)庫）為行業(yè)提供了醫(yī)藥全產(chǎn)業(yè)鏈信息解決方案。中國國家基因庫是中國第一個(gè)國家級(jí)基因庫，主要提供基因組數(shù)據(jù)歸檔、信息搜索引擎、數(shù)據(jù)管理和數(shù)據(jù)分析服務(wù)。

（3）市場拉動(dòng)。第一，公共需求。盡管科技不斷突破，但人們?nèi)悦媾R 60% 疾病缺乏有效藥物、半數(shù)至七成患者對(duì)主流藥物無反應(yīng)、 95% 靶點(diǎn)“不可成藥”等現(xiàn)實(shí)問題，這些公共需求使得人工智能技術(shù)的應(yīng)用更加緊迫。第二，私人需求。新成立的AI生物醫(yī)藥公司為實(shí)現(xiàn)盈利，與藥企從靶點(diǎn)選擇階段便展開深度合作，確保臨床試驗(yàn)過程中的持續(xù)協(xié)同。這種合作不僅為AI生物醫(yī)藥企業(yè)帶來穩(wěn)定的現(xiàn)金流和產(chǎn)業(yè)支持，更有助于其深化研發(fā)，形成良性循環(huán)。

（4）組織變革。第一，人才技能。隨著人工智能技術(shù)的應(yīng)用，據(jù)智聯(lián)招聘中國醫(yī)藥產(chǎn)業(yè)人才供需白皮書（2022年）數(shù)據(jù)顯示，在醫(yī)藥研發(fā)需求端的人才專業(yè)技能圖譜中，數(shù)據(jù)出現(xiàn)頻率呈逐年遞增趨勢(shì)，即企業(yè)對(duì)研發(fā)人才的數(shù)據(jù)素養(yǎng)越來越看重，見表4。第二，人才需求。據(jù)智藥局統(tǒng)計(jì)，2017一2019年新成立的AI生物醫(yī)藥研發(fā)公司為30家左右，增加了對(duì)AI生物醫(yī)藥人才的需求，見圖6。

4.2.2 驅(qū)動(dòng)路徑

隨著人工智能研發(fā)平臺(tái)建設(shè)的增多，提供端到端生物醫(yī)藥研發(fā)平臺(tái)服務(wù)的公司開始嶄露頭角，并為整個(gè)生物醫(yī)藥研發(fā)流程提供整體解決方案，將生物醫(yī)藥研發(fā)各個(gè)環(huán)節(jié)緊密相連，催生出從藥物發(fā)現(xiàn)到臨床試驗(yàn)再到商業(yè)化生產(chǎn)的全新研發(fā)模式。例如，英矽智能開發(fā)的“端到端”人工智能制藥系統(tǒng)集成靶點(diǎn)發(fā)現(xiàn)、化合物設(shè)計(jì)、臨床試驗(yàn)預(yù)測等多個(gè)平臺(tái)，各平臺(tái)模塊協(xié)同工作，包括生成式對(duì)抗神經(jīng)網(wǎng)絡(luò)、自然語言處理引擎等。2019年，英矽智能僅用21天時(shí)間、約15萬美元的成本便創(chuàng)造出全新分子，顯著提升了藥物研發(fā)效率。

4.3產(chǎn)業(yè)賦能期（2020年至今）

該階段，在技術(shù)引領(lǐng)的多維合力下，人工智能技術(shù)通過自動(dòng)化模式促進(jìn)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)，典型證據(jù)及編碼見表5，人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)過程見圖7。

4.3.1 驅(qū)動(dòng)因素

（1）政策引導(dǎo)。國家藥監(jiān)局發(fā)布的《模型引導(dǎo)的藥物研發(fā)技術(shù)指導(dǎo)原則》，明確要求探索AI、云計(jì)算、大數(shù)據(jù)等技術(shù)在新藥研發(fā)領(lǐng)域的應(yīng)用，以提升靶點(diǎn)和藥物發(fā)現(xiàn)效率?！吨腥A人民共和國專利法》《藥品注冊(cè)管理辦法》《用于產(chǎn)生真實(shí)世界證據(jù)的真實(shí)世界數(shù)據(jù)指導(dǎo)原則（試行）》為創(chuàng)新藥研發(fā)提供了較強(qiáng)的法律保護(hù)。2022年，國家發(fā)展改革委印發(fā)《“十四五\"生物經(jīng)濟(jì)發(fā)展規(guī)劃》，提出我國將積極利用大數(shù)據(jù)、人工智能等信息技術(shù)，全面監(jiān)管新藥研制的各個(gè)環(huán)節(jié)，實(shí)現(xiàn)藥物產(chǎn)業(yè)的精準(zhǔn)化研制與規(guī)模化發(fā)展。政府從環(huán)境、供給、需求側(cè)為人工智能在生物醫(yī)藥研發(fā)領(lǐng)域的應(yīng)用提供了全方位的政策保障。

（2）技術(shù)推動(dòng)。2021年德勤與上海市科協(xié)聯(lián)合發(fā)布的《中國生物醫(yī)藥創(chuàng)新趨勢(shì)展望》報(bào)告顯示，2019年已有超過 60% 的生命科學(xué)企業(yè)在人工智能計(jì)劃上投入2000萬美元。騰訊、華為、阿里巴巴、字節(jié)跳動(dòng)等相繼布局，借助對(duì)外投資打造自有平臺(tái)，提供算力及計(jì)算框架服務(wù)。如騰訊推出“云深智藥（iDrug）\"平臺(tái)，利用AI技術(shù)為藥物發(fā)現(xiàn)提供數(shù)據(jù)和云計(jì)算支持，以滿足制藥公司的特定需求。百度研究院發(fā)布的LinearFold算法能夠快速預(yù)測RNA二級(jí)結(jié)構(gòu)，助力mRNA疫苗開發(fā)；

隨后推出的LinearDesign算法能在12分鐘內(nèi)完成mRNA序列設(shè)計(jì)，提升疫苗穩(wěn)定性和蛋白質(zhì)表達(dá)水平。此外，字節(jié)跳動(dòng)也加入AI生物醫(yī)藥行列。這些互聯(lián)網(wǎng)領(lǐng)軍企業(yè)涉足醫(yī)藥領(lǐng)域預(yù)示著互聯(lián)網(wǎng)與制藥行業(yè)融合正在加速推進(jìn)。

（3）市場拉動(dòng)。持續(xù)繁榮的新增市場可擴(kuò)展新應(yīng)用場景?！吨袊滤幾?cè)臨床試驗(yàn)進(jìn)展年度報(bào)告（2021年）》指出，PD-1、PD-L1、VEGFR、HER2等靶點(diǎn)位列登記臨床試驗(yàn)前列，對(duì)應(yīng)藥物品種數(shù)量分別達(dá)到71個(gè)、59個(gè)、46個(gè)和43個(gè)。值得關(guān)注的是，多個(gè)靶點(diǎn)藥物適應(yīng)癥主要集中在抗腫瘤領(lǐng)域，凸顯了當(dāng)前藥物研發(fā)的同質(zhì)化問題，因此需要尋求差異化和多元化研發(fā)路徑。

（4）組織變革。Gartner預(yù)測2026年將會(huì)有超過1億人與“機(jī)器人同事（合成虛擬同事）\"協(xié)同工作。德勤歷年發(fā)布的《中國生命科學(xué)與醫(yī)療行業(yè)調(diào)研結(jié)果：行業(yè)現(xiàn)狀與展望》報(bào)告顯示，自2020年起，生物醫(yī)藥領(lǐng)域建立或發(fā)展數(shù)字團(tuán)隊(duì)的企業(yè)比例先增后減，說明絕大多數(shù)企業(yè)已有效開展數(shù)字運(yùn)營，專家團(tuán)隊(duì)數(shù)字化建設(shè)工作逐漸得到落實(shí)，成為在華企業(yè)的“常規(guī)事務(wù)”。研發(fā)活動(dòng)與資源配置重要性始終占比 50% 以上，且在2023年比重有所上升。政府事務(wù)的重要性得以充分貫徹，擴(kuò)大中國共享服務(wù)中心職能范圍的受訪者數(shù)量在2021年大幅增加，2022年和2023年逐步穩(wěn)定，見圖8?？梢?，此階段企業(yè)實(shí)現(xiàn)人才隊(duì)伍建設(shè)、研發(fā)資源配置、政府事務(wù)等理念變革，加速數(shù)字化轉(zhuǎn)型及人工智能技術(shù)應(yīng)用。

4.3.2 驅(qū)動(dòng)路徑

人工智能推動(dòng)新藥研發(fā)由傳統(tǒng)“專家 + 實(shí)驗(yàn)\"驅(qū)動(dòng)模式向“AI十自動(dòng)化實(shí)驗(yàn) + 專家經(jīng)驗(yàn)\"模式轉(zhuǎn)變，以提高創(chuàng)新藥研發(fā)效率和成功率。以晶泰科技自主研發(fā)的自動(dòng)化數(shù)智實(shí)驗(yàn)室為例，該實(shí)驗(yàn)室利用人工智能設(shè)計(jì)出分子，通過機(jī)器人工作站完成合成制造等后續(xù)流程。借助云端軟件控制系統(tǒng)，研發(fā)人員可以遠(yuǎn)程操控機(jī)器人工作站和調(diào)度物流機(jī)器人，實(shí)現(xiàn)全天候不間斷運(yùn)行。在2023世界人工智能大會(huì)上，這一先進(jìn)的藥物研發(fā)平臺(tái)榮獲了SAIL大獎(jiǎng)。此外，晶泰科技還自主研發(fā)了XtalDynamicsTM實(shí)驗(yàn)室自動(dòng)化平臺(tái)系統(tǒng)，該系統(tǒng)采用人機(jī)結(jié)合方式，實(shí)現(xiàn)實(shí)驗(yàn)過程的高度自動(dòng)化與智能化。通過智能調(diào)度系統(tǒng)可以遠(yuǎn)程操控?cái)?shù)百臺(tái)自動(dòng)化工作站和AGV小車，從而大幅提升實(shí)驗(yàn)過程中的物料傳送效率。

4.4演進(jìn)驅(qū)動(dòng)因素與路徑分析

在技術(shù)積累階段，人工智能技術(shù)實(shí)現(xiàn)新的突破，政府通過制定技術(shù)創(chuàng)新和市場培育政策促進(jìn)人工智能在生物醫(yī)藥研發(fā)領(lǐng)域的應(yīng)用，隨著市場競爭和私人需求的增加，企業(yè)逐步制定數(shù)字化智能化轉(zhuǎn)型戰(zhàn)略。此階段，人工智能技術(shù)聚焦特定環(huán)節(jié)應(yīng)用，具有單點(diǎn)突破的特點(diǎn)。

進(jìn)人技術(shù)融合期，大數(shù)據(jù)平臺(tái)涌現(xiàn)，政府通過制定以環(huán)境側(cè)為主的政策指引人工智能在生物醫(yī)藥研發(fā)端的應(yīng)用，公共和私人需求持續(xù)增加，企業(yè)迫切需要擁有數(shù)據(jù)分析等技能的人才。隨著生物醫(yī)藥人工智能研發(fā)服務(wù)平臺(tái)的逐漸成熟，企業(yè)實(shí)現(xiàn)端到端的研發(fā)模式，進(jìn)一步提高了研發(fā)創(chuàng)新效率。

在產(chǎn)業(yè)賦能階段，互聯(lián)網(wǎng)巨頭開始布局AI生物醫(yī)藥研發(fā)產(chǎn)業(yè)，人工智能技術(shù)逐漸成熟并對(duì)產(chǎn)業(yè)賦能，政府加大在供給側(cè)、需求側(cè)和環(huán)境側(cè)的政策供給，個(gè)性化市場需求增加，全方位數(shù)字化布局開始顯現(xiàn)，“AI + 自動(dòng)化實(shí)驗(yàn) + 專家經(jīng)驗(yàn)”模式出現(xiàn)，使得創(chuàng)新生態(tài)系統(tǒng)不斷演進(jìn)（見圖9）。

5 結(jié)論與啟示

5.1 研究結(jié)論

本研究通過生物醫(yī)藥產(chǎn)業(yè)縱向案例研究，基于動(dòng)態(tài)視角探究人工智能賦能生物醫(yī)藥產(chǎn)業(yè)演進(jìn)的驅(qū)動(dòng)因素和路徑，得出如下結(jié)論： ① 政策引導(dǎo)、技術(shù)推動(dòng)、市場拉動(dòng)、組織變革共同推動(dòng)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)，人工智能技術(shù)在不同發(fā)展階段發(fā)揮的主導(dǎo)作用不同； ② 人工智能通過模式創(chuàng)新促進(jìn)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)，且創(chuàng)新模式實(shí)現(xiàn)從點(diǎn)到端再到自動(dòng)化的全方位轉(zhuǎn)變。

5.2 理論貢獻(xiàn)

（1）以往研究多從宏觀視角或單個(gè)企業(yè)出發(fā)探究創(chuàng)新生態(tài)系統(tǒng)構(gòu)成與演化，缺乏技術(shù)背景下對(duì)中觀產(chǎn)業(yè)層面的分析。本文基于扎根理論，對(duì)人工智能賦能生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)的驅(qū)動(dòng)因素和路徑進(jìn)行分析，擴(kuò)展了產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)理論研究。

（2）將技術(shù)賦能劃分為技術(shù)積累期、技術(shù)融合期和產(chǎn)業(yè)賦能期3個(gè)不同階段，得出不同階段人工智能技術(shù)賦能動(dòng)力因素和路徑不同，擴(kuò)展了動(dòng)態(tài)視角下創(chuàng)新生態(tài)系統(tǒng)研究。

（3）由于人工智能技術(shù)的特殊性，國內(nèi)外研究對(duì)人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)的驅(qū)動(dòng)因素和路徑缺乏系統(tǒng)研究，本文得出技術(shù)推動(dòng)、市場拉動(dòng)、政策引導(dǎo)、組織變革是推動(dòng)人工智能技術(shù)賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)主要因素，對(duì)當(dāng)前理論發(fā)展作出有益補(bǔ)充。

5.3 實(shí)踐啟示

根據(jù)上述研究結(jié)論，本文提出如下實(shí)踐啟示：

（1）政府層面，首先應(yīng)明確人工智能賦能產(chǎn)業(yè)發(fā)展的戰(zhàn)略重點(diǎn)，制定分階段優(yōu)先發(fā)展戰(zhàn)略，支持人工智能行業(yè)試點(diǎn)項(xiàng)目實(shí)施，為技術(shù)推廣和應(yīng)用積累經(jīng)驗(yàn)。另外，系統(tǒng)規(guī)劃人工智能基礎(chǔ)設(shè)施建設(shè)，支持?jǐn)?shù)據(jù)共享平臺(tái)等關(guān)鍵性資源開發(fā)，為創(chuàng)新生態(tài)系統(tǒng)提供硬件基礎(chǔ)。

其次，政策設(shè)計(jì)需考慮供給、需求和環(huán)境等不同維度，在技術(shù)發(fā)展和應(yīng)用不同階段采取差異化監(jiān)管策略。在早期注重寬松政策，中后期通過精細(xì)化、動(dòng)態(tài)化的監(jiān)管模式，平衡好技術(shù)創(chuàng)新與潛在風(fēng)險(xiǎn)之間的關(guān)系。最后，設(shè)置專項(xiàng)資金，支持高校和科研機(jī)構(gòu)與企業(yè)聯(lián)合培養(yǎng)跨學(xué)科復(fù)合型人才，尤其是培育將人工智能技術(shù)與產(chǎn)業(yè)深度融合的實(shí)踐型專家。積極促進(jìn)國際合作與交流，搭建全球化創(chuàng)新資源共享平臺(tái)，與國際領(lǐng)先機(jī)構(gòu)和企業(yè)開展技術(shù)交流，分享技術(shù)發(fā)展經(jīng)驗(yàn)和創(chuàng)新成果。

（2）在企業(yè)層面，首先企業(yè)需結(jié)合行業(yè)發(fā)展趨勢(shì)和自身核心業(yè)務(wù)需求，重點(diǎn)布局適配的人工智能技術(shù)。逐步提高技術(shù)管理與研發(fā)能力，在業(yè)務(wù)場景中深度應(yīng)用人工智能，實(shí)現(xiàn)“技術(shù)驅(qū)動(dòng) + 模式創(chuàng)新”的雙輪驅(qū)動(dòng)。其次，根據(jù)市場環(huán)境及政策變化，靈活調(diào)整組織結(jié)構(gòu)與戰(zhàn)略部署，推動(dòng)從單一技術(shù)驅(qū)動(dòng)到系統(tǒng)化戰(zhàn)略管理轉(zhuǎn)型。加強(qiáng)與上下游產(chǎn)業(yè)鏈企業(yè)及跨行業(yè)合作伙伴的協(xié)同合作，共建數(shù)據(jù)資源和技術(shù)平臺(tái)，構(gòu)建開放式創(chuàng)新生態(tài)，實(shí)現(xiàn)資源的高效配置與價(jià)值共創(chuàng)。最后，加大關(guān)鍵技術(shù)研發(fā)投入，建立多層次人才培養(yǎng)機(jī)制，推進(jìn)企業(yè)數(shù)據(jù)資源積累和治理，圍繞人工智能新興應(yīng)用領(lǐng)域進(jìn)行投資布局，形成創(chuàng)新生態(tài)競爭優(yōu)勢(shì)，通過開放合作提升行業(yè)影響力。

5.4 不足與展望

本文存在如下不足：第一，雖然本文嚴(yán)格遵循案例研究方法，且選取生物醫(yī)藥產(chǎn)業(yè)作為案例研究對(duì)象，并在數(shù)據(jù)收集與分析過程中盡可能保證研究信度和效度，但單案例研究在復(fù)制性和拓展性方面存在一定局限性。人工智能賦能不同產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進(jìn)動(dòng)力機(jī)制差異較大，未來應(yīng)采用多案例研究或大樣本實(shí)證研究等方式檢驗(yàn)本文研究結(jié)論的普適性。第二，本文研究對(duì)象處于快速變革中，未來應(yīng)持續(xù)跟蹤相關(guān)企業(yè)，深入挖掘其變革規(guī)律和機(jī)制，從不同視角對(duì)人工智能賦能生物醫(yī)藥產(chǎn)業(yè)發(fā)展進(jìn)行深入分析。

參考文獻(xiàn)：

[1]霍治方，劉剛.智能化轉(zhuǎn)型背景下自動(dòng)駕駛產(chǎn)業(yè)化的中國實(shí)踐[J].中國科技論壇，2024，40（7）：95-109.

[2]汪壽陽，李明琛，楊昆，等.ChatGPT + 金融：八個(gè)值得關(guān)注的研究方向與問題[J].管理評(píng)論，2023，35（4）：3-11.

[3]王茜，李東巧，劉細(xì)文.ChatGPT技術(shù)在生物醫(yī)藥領(lǐng)域的應(yīng)用潛力與風(fēng)險(xiǎn)[J].中國科學(xué)基金，2024，38（1）：200-210.

[4]ROB TOEWS. The next frontier for large language modelsisbiology[EB/OL].[2023-07-16]/.https：//www.forbes.com/sites/robtoews/2023/07/16/the-next-frontier-for-large-language-models-is-biology/.

[5]BELTAGUI A，ROSLI A，CANDI M. Exaptation in a dig-ital innovation ecosystem：the disruptive impacts of 3Dprinting[J].ResearchPolicy，2020，49（1）：103833.

[6]戎珂，柳卸林，魏江，等.數(shù)字經(jīng)濟(jì)時(shí)代創(chuàng)新生態(tài)系統(tǒng)研究[J].管理工程學(xué)報(bào)，2023，37（6）：1-7.

[7]歐春堯，邵業(yè)，曹陽春，等.數(shù)智賦能下海上風(fēng)電產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演化過程研究——基于明陽智能的扎根分析[J].科技進(jìn)步與對(duì)策，2024，41（15）：128-137.

[8]楊柏，陳銀忠，李海燕.數(shù)字化轉(zhuǎn)型下創(chuàng)新生態(tài)系統(tǒng)演進(jìn)的驅(qū)動(dòng)機(jī)制[J].科研管理，2023，44（5）：62-69.

[9]關(guān)婷，薛瀾，趙靜．技術(shù)賦能的治理創(chuàng)新：基于中國環(huán)境領(lǐng)域的實(shí)踐案例[J]．中國行政管理，2019，35（4）：58-65.

[10]BREIDBACH C F，REEFKE H，WIDMER T. Service sup-ply chain configurations：from agile to efficient value net-works[C].The Routledge Handbook of Service ResearchInsights and Ideas，2020：241-256.

[11]CHENG H，JIA R，LID，et al. The rise of robots in Chi-na[J]. Journal of Economic Perspectives，2019，33（2）：71-88.

[12]GLUECKLER J，HAMMER I. A pragmatic service typol-ogy： capturing the distinctive dynamics of services in timeand space[J].Service Industries Journal，2011，31（5-6）：941-957.

[13]ADNER R. Match your innovation strategy to your inno-vation ecosystemLJ」.Harvard Business Review，2006，84（4） ：98-107，148.

[14]ADNER R. Ecosystem as structure： an actionable con-struct for strategy[J]. Journal of Management， 2o17，43（1）：39-58.

[15]CENNAMO C，SANTALO J. Generativity tension andvalue creation in platform ecosystems[J]. Organizationscience，2019，30（3）：617-641.

[16] JACOBIDES MG，TAE C J. Kingpins，bottlenecks，andvalue dynamics along a sector[J]. Organization Science，2015，26（3）： 889-907.

[17]CHAE B K. A general framework for studying the evolu-tion of the digital innovation ecosystem： the case of big da-ta[J]. International Journal of Information Management，2019，45（2） ：83-94.

[18]劉云，郭棟，黃祖廣．我國高檔數(shù)控機(jī)床技術(shù)追趕的特征、機(jī)制與發(fā)展策略——基于復(fù)雜產(chǎn)品系統(tǒng)的視角[J]．管理世界，2023，39（3）：140-158.

[19]林艷，李盈.平臺(tái)型創(chuàng)新生態(tài)系統(tǒng)動(dòng)態(tài)演進(jìn)機(jī)理——基于“架構(gòu)者”的資源編排視角[J].科技進(jìn)步與對(duì)策，2024，41（15） ：118-127.

[20]NETO JR，F(xiàn)IGUEIREDO C，GABRIEL BC，et al. Fac-tors for innovation ecosystem frameworks：comprehensiveorganizational aspects for evolution[J]. TechnologicalForecasting and Social Change，2024，203：123383.

[21]武建龍，鮑萌萌，楊仲基.新興產(chǎn)業(yè)顛覆性創(chuàng)新政策組合作用機(jī)制研究：基于創(chuàng)新生態(tài)系統(tǒng)視角[J].中國軟科學(xué)，2023，38（7） ：44-55.

[22]邵云飛，周湘蓉，楊雪程.從0到1：數(shù)字化如何賦能創(chuàng)新生態(tài)系統(tǒng)構(gòu)建[J].技術(shù)經(jīng)濟(jì)，2022，41（6）：44-58.

[23]李明，王衛(wèi).場景驅(qū)動(dòng)、商業(yè)模式與創(chuàng)新生態(tài)系統(tǒng)演進(jìn)基于特斯拉企業(yè)價(jià)值的邏輯起點(diǎn)[J].科技進(jìn)步與對(duì)策，2023，40（17） ：45-55.

[24]湯睿，林春培，李京，等.基于資源編排的企業(yè)數(shù)字化能力與創(chuàng)新生態(tài)系統(tǒng)構(gòu)建[J].科技進(jìn)步與對(duì)策，2024，41（16）：83-94.

[25]阮添舜，屈蓉，顧穎.數(shù)字平臺(tái)生態(tài)系統(tǒng)下企業(yè)何以實(shí)現(xiàn)數(shù)字創(chuàng)新[J].科技進(jìn)步與對(duì)策，2023，40（23）：82-91.

[26]儲(chǔ)節(jié)旺，吳蓉，李振延.數(shù)智賦能的創(chuàng)新生態(tài)系統(tǒng)構(gòu)成及運(yùn)行機(jī)制研究[J].情報(bào)理論與實(shí)踐，2023，46（3）：1-8.

[27]王海軍，賀子桐，馬曉琳，等.數(shù)字化下區(qū)域創(chuàng)新生態(tài)系統(tǒng)的組織與機(jī)制演進(jìn)——基于中關(guān)村科技園區(qū)的縱向案例研究[J].科技進(jìn)步與對(duì)策，2024，41（17）：32-43.

[28]EISENHARDT K M， GRAEBNER M E. Theory buildingfrom cases： opportunities and challenges[J]. Academy ofManagement Journal，2007，50：25-32.

[29]SIGGELKOW N. Persuasion with case studies[J].Acade-my of Management Journal，2007，50（1） ：20-24.

（責(zé)任編輯：王敬敏）

The Dynamic Evolution of Artificial Intelligence-Empowered Industrial Innovation Ecosystem：Driving Factors and Specific Paths

Liu Yun，F(xiàn)ang Haochao （Institute of Public Policy and Management，University of Chinese Academy of Sciences，Beijing l0ol90，China）

Abstract：The integration of artificial inteligence acrossvarious sectors，including autonomous vehicles，finance，and bio medicine，hascatalyzed significant shiftsandadvancementsinboth establishedand burgeoning industries.Buildinganddevelopinganinnovationecosystemisanimportantstrategyforcountries topromote innovationanddevelopment.The applicationof artificialintellgencecandrivetechnological innovationatthesource，atract multiple stakeholders toparticipate in value creation，integrate innovationresources，and jointlybuildaninnovationecosystem.Withthe gradual deepening of artificial intellgence empowerment，it has promoted the dynamic evolution of innovation ecosystems and posed new challenges tothetheoryofinnovation ecosystems.Theparticularityofartificial intellgencetechnologyhasledtoalackof indepth and systematic research on its specific application process and characteristics inthe innovation ecosystem，and the internal driving factors and paths for theevolutionoftheindustrial innovationecosystem empowered byartificialinteligence are not yet fully understood.

This paper adopts a longitudinal single case study method with the biopharmaceutical industry as the case study object.Theapplicationofartificial intellgenceis divided intoatechnologyaccumulationperiod，anintegrationperiod，andan industry empowerment period.From a dynamic perspective，thedrivingfactorsand paths of theevolutionofthebiopharmaceuticalidustry empowered byartificial intellgenceareexplored，providing theoreticalsupportand practical guidance for promoting the continuous optimization and upgrading of the industrial innovation ecosystem.

Theresults show that（1） policy guidance，technology promotion，market pull，and organizational change jointly drive theevolutionof the innovation ecosystem，andthe dominant drivingfactors thatplayarole vary indiferentstages of artificialintellgence technology.（2）Artificialintellgencepromotes theevolutionofinovationecosystemsthrough pattern innovation，and innovation paterns achieve a comprehensive transformation from point to end and then to automation.（3）The periodof technologicalaccumulation is driven by the survival pressurecaused by marketcompetition，achievinga single point breakthrough in technology；the technology integration period is driven by policy-guided inovation strategies，achievingan end-to-end research and development model;and the industrial empowerment period is driven by multidimensional synergy led by technology，achieving a model of \"AI+automated experiments十expert experience\".

The novelties of this paper areas follws：Given the lack of industry analysis at the meso level under technological background in theexisting research ，this paper conducts case studies on the biopharmaceutical industry to analyze the driving factorsand pathsof theevolutionofartificial intellgenceenabled industrialinnovation ecosystems，expandngthe theoretical research on industrial innovationecosystems.Moreover，it divides the technology empowerment stage into technology accumulation stage，technology integration stage，and industry empowerment stage，and expands the research on innovation ecosystems fromadynamic perspective.Finally，duetothe particularityof artificialinteligence technology， thereis alack of systematic researchonthedriving factorsand paths fortheevolutionof AI-empowered industrial inovation ecosystems domesticallyand internationally.This studyanalyzes the evolutionprocess of the innovation ecosystem in the biopharmaceutical industry，and through model innovation，it facilitates the evolution of the innovationecosystem.

The deepempowermentofartificialintellgence technologyand thedeep integrationof artificialintellgenceand industrialinnovation ecosystem are thefundamental guarantees for promoting the prosperous and orderlydevelopmentof industries.Atthegovernmentlevel，itisecessarytoguidetheapplicationofartificialintellgenceindiferentindustries，considering thefocus of different policies such assupply，demand，and environment.At diferent stages of technological development，eforts should be made to shift from encouraging technological development to emphasizing regulation，and thentoachievingbalanceddevelopment.Attheenterpriselevel，itisnecessarytoactivelylayoutartificialinteligence，adjust organizationalstructure inatimely manner according tothe policiesand market environment，and achieveadual wheel driveof \"technology+mode\".At the same time，in the future，multiplecase studies or large-scaleempirical studies can also beused totesttheresearch conclusions ofthis article，further tracking thelawsand mechanisms of change，and exploring the empowerment of the biopharmaceutical industry by artificial intellgence from different perspectives.

Key Words：Artificial Inteligence; Industrial Innovation Ecosystem;Driving Factors； Biopharmaceutical Industry