过去一年，医药行业对AI的讨论，悄然转向了更现实的层面。

如果说更早之前，行业还在反复争论“AI到底能不能落地”“是不是又一轮概念炒作”，那么在今年之后，越来越多的问题开始变得现实而具体：哪些环节已经在用？效果如何？钱该投在哪？又该如何避免踩雷？

近期，英伟达发布的一份覆盖全球超600位医疗健康与生命科学从业者的调研报告，勾勒出一幅清晰的行业实景图。数据显示，63%的受访者已在业务中实际部署AI，另有31%正在评估相关项目。这意味着，AI在医药领域已不再是少数先行者的试验，而是逐渐渗透至研发、诊断、运营等核心环节的广泛实践。

然而，在这幅整体向好的图景中，一个关键矛盾也浮出水面： 尽管成效显著，仍有高达68%的受访者认为，其所在公司在AI上的投入远远不够。

一边是赛诺菲、阿斯利康等巨头动辄数亿甚至数十亿美元的AI布局，一边是大量企业仍在“钱不够用”的现实中挣扎。

那么，当AI已证明其“赚钱能力”，中小药企若因“钱不够”而却步，是否就意味着掉队？在有限的预算下，如何精打细算、找准切口？AI在医药行业，如何才能真正从“有用”走向“用好”？

01

AI在医药行业，究竟能用来做什么？

如果把AI在医药行业中的应用拆解开来看，目前最核心的能力主要聚焦在三项：数据分析、生成式AI和AI语言大模型。它们正在共同构成一套逐渐成型的“智能底座”。

在所有AI工作负载中， 数据分析仍然是医药行业使用最广泛的能力之一。英伟达的调研显示，58%的受访者将数据分析列为核心AI工作负载。

这并不意外。医药行业本身就是一个高度依赖数据的行业——从研发管线、临床试验，到生产质量、供应链和商业化，每一个环节都在持续产生海量数据。数据分析能力是组织未来竞争力的关键驱动力。

在现实应用中，这类能力已经被广泛用于：

• 真实世界研究（RWE）中的人群分层与疗效评估；

• 销售与市场端的需求预测、渠道优化；

• 生产与质量体系中的风险预警；

相比之下， 生成式AI是过去一年医药行业讨论热度最高的领域之一。

报告显示，54%的受访者正在使用生成式AI，制药和生物技术企业中这一比例更是达到66%。其背后的核心原因在于：生成式AI开始直接参与创造环节。

在制药领域，这种创造主要体现在：

• 药物发现与分子设计：基于已有数据生成候选分子结构；

• 文献与专利分析：快速总结、比对和筛选海量研究信息；

• 临床文档与申报材料生成：降低人工成本、提升效率；

调研显示，生成式AI凭借其内容创造与模式生成能力，正在为医药行业打开全新的可能性。54%的机构已部署生成式AI，在数字医疗健康领域，这一比例更是高达71%。

如果说生成式AI改变的是“能不能生成内容”， 那么AI语言大模型（LLM）正在改变的，是“人如何与系统协作”。

在这份报告中，53%的受访者已经在使用大语言模型相关能力。它们被广泛应用于：临床决策支持、医学影像与报告解读、临床笔记生成与摘要、医患交互、虚拟健康助手等功能。

尤其是在医院和数字医疗场景中，对话式AI和基于LLM的智能体，正在显著减轻医生与管理人员的文书和行政负担。这也解释了为什么不少业内人士开始将AI语言大模型描述为“认知层工具”，而不只是一个聊天界面。

02

热潮下的冷思考：投资、数据与合规仍是关键挑战

尽管应用正在加速，但现实同样不乏冷静的声音。

投资不足，仍是普遍问题。一个颇具反差的数据是：68%的受访者认为，所在企业在AI上的投入仍然不足。即便在已经尝到甜头的情况下，AI在医药企业内部的投入仍然面临“想用，但不敢重投”的现实。

当然，这背后也是由于布局AI高昂的成本。公开数据显示，仅仅是开发简单的功能，包括基础自然语言处理、自动化报告生成、AI辅助数据分析等，成本可能在几万到几十万美元之间。而如果像阿斯利康、赛诺菲等MNC深度引入AI辅助药物研发，例如自主训练大语言模型或多模态模型、自建AI药物发现引擎，亦或是在研发管线核心环节用AI替代传统流程，其底层数据积累和环境投入甚至接近数亿美元，甚至数十亿美元的级别。

因此，英伟达的调研也显示，员工规模在1000人以下的公司，最主要的障碍是预算限制；而大型企业则更多受到治理和合规压力的掣肘。

当然，在所有挑战中，数据隐私与自主权问题被受访者列为首要挑战。这在医药行业尤为敏感。无论是患者数据、临床试验数据，还是企业核心研发资产，一旦处理不当，风险远高于其他行业。

这也意味着，医药AI的推进，绝不只是模型能力的问题， 而是一场涉及数据治理、合规体系和组织能力的系统工程。

目前，大多数企业仍处在多线并行，但组织协同性较弱的阶段。报告显示，大型企业中，仅有37%的受访者在同时使用6个或以上AI。真正实现跨研发、临床、生产和商业化协同的案例，仍然稀缺。

这也是为什么，越来越多行业讨论，开始从“AI能做什么”，转向“AI如何融入组织”。

可以预见的是，在未来3-5年内，医药AI将不再是“是否能用”的问题，而是如何用得更稳、更深、更成体系。

在这样的节点上，一场聚焦产业实践、技术路径与组织变革的大会，显得尤为重要。医药AI的真正价值，不仅在于模型和数据，更在于它是否真的改变了决策方式、研发节奏和行业协作逻辑。

1月27日，即将在上海举办的“2026医药AI钉峰会暨E药经理人首届AI大会”将搭建一个前瞻、务实的对话平台。届时，来自制药企业、医疗机构、科技公司、投资机构的嘉宾，将围绕多个热点议题展开深度交流。从靶点发现到临床试验，AI如何贯穿全链条？如何在保护隐私的前提下，推动医疗数据安全共享？哪些AI应用已实现规模化价值？哪些仍处适用阶段？

欢迎莅临，共聚智慧，同筑AI+医药新生态。