人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)動態(tài)演進：驅(qū)動因素與具體路徑

中圖分類號：F260 文獻標(biāo)識碼：A開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：文章編號：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），強調(diào)構(gòu)建產(chǎn)業(yè)集群、推動人工智能賦能傳統(tǒng)行業(yè)發(fā)展。當(dāng)前，人工智能不僅推動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級，還與新興產(chǎn)業(yè)不斷融合，為經(jīng)濟社會注人前所未有的新動能，對技術(shù)范式、產(chǎn)業(yè)格局和社會生活帶來巨大變革和深遠影響。人工智能在自動駕駛、金融、生物醫(yī)藥等領(lǐng)域1-3實現(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)運行，逐漸打破藥物研發(fā)“高投入、長周期、高風(fēng)險”的困境。

構(gòu)建創(chuàng)新生態(tài)系統(tǒng)是各國推動創(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)出臺相關(guān)政策，將構(gòu)建創(chuàng)新生態(tài)系統(tǒng)納入工作重點（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)用能夠推動源頭技術(shù)創(chuàng)新，吸引多方主體共同參與價值共創(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，因此引起社會各界對產(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、升級和迭代能力賦能創(chuàng)新生態(tài)系統(tǒng)，助推創(chuàng)新生態(tài)系統(tǒng)演進升級，對傳統(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)演進具有重要意義[6]。然而，對于人工智能技術(shù)演進賦能創(chuàng)新生態(tài)系統(tǒng)缺乏深入研究7]，對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)動態(tài)演進的動因與路徑，揭示深層次邏輯規(guī)律，以期為推動產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)持續(xù)優(yōu)化升級提供理論支撐和實踐指導(dǎo)。

1文獻綜述

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，但學(xué)者普遍認(rèn)為其是在自由主體之間互動和交換，旨在催生各領(lǐng)域創(chuàng)新驅(qū)動力和方法，從而有效激發(fā)主體實現(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，賦能對象不再局限于個體，而是擴展至更廣泛的領(lǐng)域。有學(xué)者從宏觀、中觀、微觀等[10-12]不同層面進行研究，強調(diào)技術(shù)利用下的獨特優(yōu)勢。通過對技術(shù)賦能概念進行梳理發(fā)現(xiàn)，技術(shù)數(shù)據(jù)已成為智能化時代的一種新型生產(chǎn)要素，數(shù)據(jù)具有非耗損性，并通過正反饋機制實現(xiàn)收益遞增，針對不同創(chuàng)新場景賦予主體掌握復(fù)雜事物規(guī)律、實現(xiàn)價值目標(biāo)的能力。

1.2 創(chuàng)新生態(tài)系統(tǒng)演進

創(chuàng)新生態(tài)系統(tǒng)研究根據(jù)關(guān)注點不同劃分為兩大流派。一是以Ander[13-14]團隊為代表的基于結(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，以實現(xiàn)價值創(chuàng)造和價值獲取。二是強調(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)演進是一個持續(xù)動態(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、價值共創(chuàng)、架構(gòu)者等不同視角進行積極探索?；陂_放式創(chuàng)新視角，林勇和張昊運（2020）運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)”演進的機理，認(rèn)為基于開源合作創(chuàng)新范式與用戶獨創(chuàng)價值模式，創(chuàng)新生態(tài)系統(tǒng)呈現(xiàn)以大眾用戶為創(chuàng)新源主體、以開源共享為動力以及功能專業(yè)化的生態(tài)群落互動三大演進特征；劉云等[18]研究表明，我國高檔數(shù)控機床技術(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個階段，從而實現(xiàn)創(chuàng)新生態(tài)系統(tǒng)持續(xù)優(yōu)化?；趦r值共創(chuàng)視角，王宏起等（2021）認(rèn)為企業(yè)合作與競爭行為會影響創(chuàng)新生態(tài)系統(tǒng)演化，進而影響企業(yè)價值創(chuàng)造與獲?。豁n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—機制一結(jié)果”分析框架，認(rèn)為創(chuàng)新生態(tài)系統(tǒng)演進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)者變遷對產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)形成和演進的作用機理；林艷和李盈[19]基于架構(gòu)者資源編排視角，研究平臺型創(chuàng)新生態(tài)系統(tǒng)的動態(tài)演進機理。也有學(xué)者從組織因素[20]、創(chuàng)新政策[21]等多個視角切入，深入探究創(chuàng)新生態(tài)系統(tǒng)演進機理與路徑。

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個層面推動企業(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，進而實現(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力共同推動創(chuàng)新生態(tài)系統(tǒng)演進，進而實現(xiàn)企業(yè)價值共創(chuàng)；歐春堯等[發(fā)現(xiàn)技術(shù)賦能、價值重構(gòu)和平臺化發(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]強調(diào)資源編排是促進創(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3個子過程，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個省市區(qū)域創(chuàng)新生態(tài)系統(tǒng)為研究對象，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)對區(qū)域創(chuàng)新生態(tài)系統(tǒng)能級的提升作用。

（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，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)朝著價值分配重構(gòu)、智能制造升級、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)模不會無限擴張，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)演進能夠達到最優(yōu)狀態(tài)，實現(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]強調(diào)數(shù)字技術(shù)與生態(tài)系統(tǒng)的協(xié)同聯(lián)動能推動數(shù)字創(chuàng)新；儲節(jié)旺等[26]強調(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、知識能力和行為規(guī)范3個方向演化；王永貴等（2023）從知識管理視角出發(fā)，研究傳統(tǒng)工業(yè)企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型以及推進數(shù)字化生態(tài)的全過程；王海軍等[27]構(gòu)建“情景—組織—機制\"框架，通過對中關(guān)村科技園區(qū)的縱向案例研究，從市場需求適應(yīng)、合作資源互動和系統(tǒng)主體共生3個維度揭示創(chuàng)新生態(tài)系統(tǒng)演進呈現(xiàn)“被動適應(yīng)一主動適應(yīng)一引領(lǐng)適應(yīng)”、“資源共享—知識轉(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

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)演進驅(qū)動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，對于中觀產(chǎn)業(yè)生態(tài)運作機制缺乏深入探討；第二，多是對創(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、動態(tài)演進過程，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)為案例研究對象，基于動態(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)演進的理論模型，對其驅(qū)動因素和路徑進行分析，以此打開其演進機理的“黑箱”。

2 研究設(shè)計

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)展初級階段，需要選取能夠深度挖掘復(fù)雜機制和邏輯共性、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)是一個復(fù)雜且長期的過程，驅(qū)動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)系和變化上具有獨特優(yōu)勢，能夠?qū)﹂L周期案例時間進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，能夠細致觀察產(chǎn)業(yè)演進中的核心企業(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)展帶動性強，不僅是世界各國經(jīng)濟發(fā)展的重心之一，也是學(xué)術(shù)研究熱點領(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，AI生物醫(yī)藥發(fā)展成為一個完整的生態(tài)系統(tǒng)，涵蓋從藥物研發(fā)、臨床試驗到市場推廣等各個環(huán)節(jié)。在這個生態(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，國內(nèi)企業(yè)積極研發(fā)新技術(shù)，推動AI生物醫(yī)藥技術(shù)創(chuàng)新和應(yīng)用，這些努力不僅促進了我國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、覆蓋面廣、時間跨度大的質(zhì)性資料，全面揭示其動態(tài)演變規(guī)律。一是獲取詳盡的一手資料，團隊連續(xù)多年參與AI生物醫(yī)藥產(chǎn)業(yè)相關(guān)年會，收集到一批高價值的實地調(diào)研信息和會議資料，同時通過訪談、現(xiàn)場觀察補充細節(jié)，提高數(shù)據(jù)與研究層面的契合度。二是通過年鑒、報告、政策、文獻、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”對案例資料進行分析。第一，開放式編碼。對多來源原始資料通過貼標(biāo)簽的方式逐步進行概念化操作，形成初始概念；隨后，將初始概念進一步副范疇化，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)動因素和驅(qū)動路徑概念體系。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，由兩組團隊成員獨立進行編碼，再對比兩組編碼數(shù)據(jù)，對不一致概念和主題進行深入討論。最終，對編碼結(jié)果進行“數(shù)據(jù)一關(guān)系一框架\"迭代分析，不斷驗證案例與涌現(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)用能實現(xiàn)降本增效。從初期計算機輔助藥物設(shè)計，歷經(jīng)多年發(fā)展，人工智能已經(jīng)深入到藥物研發(fā)的各個環(huán)節(jié)，主要涉及研發(fā)前期、藥物發(fā)現(xiàn)、臨床前試驗、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。一是人工智能實現(xiàn)對海量數(shù)據(jù)資源的擴展和優(yōu)化，如以實體小分子化合物和化學(xué)規(guī)則為基礎(chǔ)，機器學(xué)習(xí)能夠高效構(gòu)建大量虛擬化合物，加速人類對未知化學(xué)空間的探索；二是實現(xiàn)海量異構(gòu)數(shù)據(jù)信息的整合與深度挖掘，運用自然語言處理、知識圖譜等人工智能技術(shù)從海量文獻、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證的藥物研發(fā)假說，進一步加速藥物研發(fā)過程。

（2）藥物發(fā)現(xiàn)。在藥物發(fā)現(xiàn)階段，AI技術(shù)主要聚焦于靶點發(fā)現(xiàn)與驗證。利用自然語言處理和機器學(xué)習(xí)技術(shù)訪問針對目標(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制、藥靶蛋白結(jié)構(gòu)和功能，或從免疫系統(tǒng)、信號通路、分子立體結(jié)構(gòu)等多元視角篩選靶點，縮短靶點發(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。在藥物篩選和藥物設(shè)計領(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，促進候選藥物分子的產(chǎn)生。例如，Exscientia公司作為藥物設(shè)計自動化的先驅(qū)，其AI系統(tǒng)能夠自動設(shè)計新型化合物，并根據(jù)藥效、選擇性、ADME等條件確定合成優(yōu)先級。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平臺利用深度神經(jīng)網(wǎng)絡(luò)識別化學(xué)基團及其構(gòu)效關(guān)系，為新藥發(fā)現(xiàn)和風(fēng)險評估提供了有效工具。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。臨床試驗階段涉及臨床I、II、III期試驗，期間包括臨床試驗設(shè)計、患者招募和大規(guī)模臨床數(shù)據(jù)處理。患者招募是一大挑戰(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，實現(xiàn)快速招募，從而縮短試驗周期并降低研發(fā)成本。同時，AI在云計算支持下能夠高效處理臨床試驗中的海量數(shù)據(jù)，及時優(yōu)化試驗進程，增強風(fēng)險控制能力。例如，新加坡國立大學(xué)創(chuàng)建的“CURATE.AI”人工智能平臺利用臨床數(shù)據(jù)快速識別藥物劑量，為臨床試驗提供了有力支撐。

（5）審批上市。在審批上市階段，技術(shù)審評是一項高度專業(yè)化的工作，需要深厚的專業(yè)知識和經(jīng)驗積累。AI技術(shù)在圖像識別方面的應(yīng)用（如色譜圖審評）能夠提高審評的準(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，為整個行業(yè)提供技術(shù)服務(wù)的平臺服務(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)鏈涵蓋上游云計算平臺、AI模型數(shù)據(jù)集與自動化實驗室，數(shù)據(jù)是AI藥物研發(fā)的關(guān)鍵，包括公開數(shù)據(jù)集、文獻數(shù)據(jù)集、專利數(shù)據(jù)集和客戶數(shù)據(jù)集。云計算平臺，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，提供算力、計算框架等服務(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)進程。同時，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)鍵時間節(jié)點，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)演進劃分為3個階段。① 技術(shù)積累期（2010—2016年）：該時期生物醫(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）：該時期人工智能研發(fā)服務(wù)平臺涌現(xiàn)，AI生物醫(yī)藥企業(yè)取得實質(zhì)性進展，出現(xiàn)驗證性成果，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)通過單點突破模式促進創(chuàng)新生態(tài)系統(tǒng)演進，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)演進過程見圖4。

4.1.1 驅(qū)動因素

（1）政策驅(qū)動。第一，技術(shù)創(chuàng)新政策。2016年國務(wù)院發(fā)布《關(guān)于促進和規(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，推動健康醫(yī)療智能裝備產(chǎn)業(yè)升級。同年，國家發(fā)展和改革委員會等部門聯(lián)合發(fā)布《“互聯(lián)網(wǎng) + ”人工智能三年行動實施方案》，強調(diào)在制造、健康醫(yī)療等領(lǐng)域開展人工智能應(yīng)用試點，推動規(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)療器械審評審批制度的意見》，優(yōu)化創(chuàng)新藥審評審批流程，鼓勵藥物創(chuàng)新。自此，國家從注冊審批、醫(yī)保支付、資本市場上市規(guī)則、人才政策和專利保護等多個維度全面推動創(chuàng)新藥發(fā)展，推動產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)不斷優(yōu)化。

（2）技術(shù)推動。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）、生成式對抗網(wǎng)絡(luò)（GANs）的出現(xiàn)，使得深度學(xué)習(xí)在圖像識別任務(wù)中的潛力被挖掘，并產(chǎn)生了強大而新穎的數(shù)據(jù)生成工具，促進人工智能技術(shù)發(fā)展。2015年前后，人工智能藥物發(fā)現(xiàn)平臺出現(xiàn)，這些平臺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。TechEmergence報告指出，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。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)申請和同類產(chǎn)品過度競爭加大了市場競爭壓力。同時，發(fā)達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)競爭進入新階段。

（4）組織變革。生物醫(yī)藥企業(yè)逐漸意識到人工智能技術(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)藥對數(shù)字化轉(zhuǎn)型的堅定決心，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)等實現(xiàn)顯著的效率提升或創(chuàng)新突破。然而，單點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，則有可能對生物醫(yī)藥產(chǎn)業(yè)帶來負面影響。

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創(chuàng)新生態(tài)系統(tǒng)演進，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)演進過程見圖5。

4.2.1 驅(qū)動因素

（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《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃》《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)新平臺建設(shè)工作指引》等，鼓勵領(lǐng)軍企業(yè)搭建開放平臺，圍繞重點任務(wù)建設(shè)國家新一代AI開放創(chuàng)新平臺，推動人工智能技術(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)板與注冊制試點。第三，市場監(jiān)管。《關(guān)于深化審評審批制度改革鼓勵藥品醫(yī)療器械創(chuàng)新的意見》《關(guān)于調(diào)整藥物臨床試驗審評審批程序的公告（2018年第50號）》等一系列政策發(fā)布。此外，中國加人人用藥品注冊技術(shù)要求國際協(xié)調(diào)會議（ICH），推動制度流程與國際接軌，增強國際競爭力，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。大數(shù)據(jù)集成平臺在科技創(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國家級基因庫，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。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)至七成患者對主流藥物無反應(yīng)、 95% 靶點“不可成藥”等現(xiàn)實問題，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)藥公司為實現(xiàn)盈利，與藥企從靶點選擇階段便展開深度合作，確保臨床試驗過程中的持續(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，即企業(yè)對研發(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，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AI生物醫(yī)藥人才的需求，見圖6。

4.2.2 驅(qū)動路徑

隨著人工智能研發(fā)平臺建設(shè)的增多，提供端到端生物醫(yī)藥研發(fā)平臺服務(wù)的公司開始嶄露頭角，并為整個生物醫(yī)藥研發(fā)流程提供整體解決方案，將生物醫(yī)藥研發(fā)各個環(huán)節(jié)緊密相連，催生出從藥物發(fā)現(xiàn)到臨床試驗再到商業(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)集成靶點發(fā)現(xiàn)、化合物設(shè)計、臨床試驗預(yù)測等多個平臺，各平臺模塊協(xié)同工作，包括生成式對抗神經(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)通過自動化模式促進創(chuàng)新生態(tài)系統(tǒng)演進，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)演進過程見圖7。

4.3.1 驅(qū)動因素

（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，以提升靶點和藥物發(fā)現(xiàn)效率?！吨腥A人民共和國專利法》《藥品注冊管理辦法》《用于產(chǎn)生真實世界證據(jù)的真實世界數(shù)據(jù)指導(dǎo)原則（試行）》為創(chuàng)新藥研發(fā)提供了較強的法律保護。2022年，國家發(fā)展改革委印發(fā)《“十四五\"生物經(jīng)濟發(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)管新藥研制的各個環(huán)節(jié)，實現(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。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)新趨勢展望》報告顯示，2019年已有超過 60% 的生命科學(xué)企業(yè)在人工智能計劃上投入2000萬美元。騰訊、華為、阿里巴巴、字節(jié)跳動等相繼布局，借助對外投資打造自有平臺，提供算力及計算框架服務(wù)。如騰訊推出“云深智藥（iDrug）\"平臺，利用AI技術(shù)為藥物發(fā)現(xiàn)提供數(shù)據(jù)和云計算支持，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，提升疫苗穩(wěn)定性和蛋白質(zhì)表達水平。此外，字節(jié)跳動也加入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。

（3）市場拉動。持續(xù)繁榮的新增市場可擴展新應(yīng)用場景?！吨袊滤幾耘R床試驗進展年度報告（2021年）》指出，PD-1、PD-L1、VEGFR、HER2等靶點位列登記臨床試驗前列，對應(yīng)藥物品種數(shù)量分別達到71個、59個、46個和43個。值得關(guān)注的是，多個靶點藥物適應(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年將會有超過1億人與“機器人同事（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)字團隊的企業(yè)比例先增后減，說明絕大多數(shù)企業(yè)已有效開展數(shù)字運營，專家團隊數(shù)字化建設(shè)工作逐漸得到落實，成為在華企業(yè)的“常規(guī)事務(wù)”。研發(fā)活動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?？梢姡穗A段企業(yè)實現(xiàn)人才隊伍建設(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)動路徑

人工智能推動新藥研發(fā)由傳統(tǒng)“專家 + 實驗\"驅(qū)動模式向“AI十自動化實驗 + 專家經(jīng)驗\"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)的自動化數(shù)智實驗室為例，該實驗室利用人工智能設(shè)計出分子，通過機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)人員可以遠程操控機器人工作站和調(diào)度物流機器人，實現(xiàn)全天候不間斷運行。在2023世界人工智能大會上，這一先進的藥物研發(fā)平臺榮獲了SAIL大獎。此外，晶泰科技還自主研發(fā)了XtalDynamicsTM實驗室自動化平臺系統(tǒng)，該系統(tǒng)采用人機結(jié)合方式，實現(xiàn)實驗過程的高度自動化與智能化。通過智能調(diào)度系統(tǒng)可以遠程操控數(shù)百臺自動化工作站和AGV小車，從而大幅提升實驗過程中的物料傳送效率。

4.4演進驅(qū)動因素與路徑分析

在技術(shù)積累階段，人工智能技術(shù)實現(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，具有單點突破的特點。

進人技術(shù)融合期，大數(shù)據(jù)平臺涌現(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)平臺的逐漸成熟，企業(yè)實現(xiàn)端到端的研發(fā)模式，進一步提高了研發(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 + 自動化實驗 + 專家經(jīng)驗”模式出現(xiàn)，使得創(chuàng)新生態(tài)系統(tǒng)不斷演進（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，基于動態(tài)視角探究人工智能賦能生物醫(yī)藥產(chǎn)業(yè)演進的驅(qū)動因素和路徑，得出如下結(jié)論： ① 政策引導(dǎo)、技術(shù)推動、市場拉動、組織變革共同推動創(chuàng)新生態(tài)系統(tǒng)演進，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)新促進創(chuàng)新生態(tài)系統(tǒng)演進，且創(chuàng)新模式實現(xiàn)從點到端再到自動化的全方位轉(zhuǎn)變。

5.2 理論貢獻

（1）以往研究多從宏觀視角或單個企業(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)背景下對中觀產(chǎn)業(yè)層面的分析。本文基于扎根理論，對人工智能賦能生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進的驅(qū)動因素和路徑進行分析，擴展了產(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個不同階段，得出不同階段人工智能技術(shù)賦能動力因素和路徑不同，擴展了動態(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)外研究對人工智能賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)演進的驅(qū)動因素和路徑缺乏系統(tǒng)研究，本文得出技術(shù)推動、市場拉動、政策引導(dǎo)、組織變革是推動人工智能技術(shù)賦能產(chǎn)業(yè)創(chuàng)新生態(tài)系統(tǒng)主要因素，對當(dāng)前理論發(fā)展作出有益補充。

5.3 實踐啟示

根據(jù)上述研究結(jié)論，本文提出如下實踐啟示：

（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，制定分階段優(yōu)先發(fā)展戰(zhàn)略，支持人工智能行業(yè)試點項目實施，為技術(shù)推廣和應(yīng)用積累經(jīng)驗。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，中后期通過精細化、動態(tài)化的監(jiān)管模式，平衡好技術(shù)創(chuàng)新與潛在風(fēng)險之間的關(guān)系。最后，設(shè)置專項資金，支持高校和科研機構(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)深度融合的實踐型專家。積極促進國際合作與交流，搭建全球化創(chuàng)新資源共享平臺，與國際領(lǐng)先機構(gòu)和企業(yè)開展技術(shù)交流，分享技術(shù)發(fā)展經(jīng)驗和創(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)展趨勢和自身核心業(yè)務(wù)需求，重點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，實現(xiàn)“技術(shù)驅(qū)動 + 模式創(chuàng)新”的雙輪驅(qū)動。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，推動從單一技術(shù)驅(qū)動到系統(tǒng)化戰(zhàn)略管理轉(zhuǎn)型。加強與上下游產(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，構(gòu)建開放式創(chuàng)新生態(tài)，實現(xiàn)資源的高效配置與價值共創(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)機制，推進企業(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)域進行投資布局，形成創(chuàng)新生態(tài)競爭優(yōu)勢，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)演進動力機制差異較大，未來應(yīng)采用多案例研究或大樣本實證研究等方式檢驗本文研究結(jié)論的普適性。第二，本文研究對象處于快速變革中，未來應(yīng)持續(xù)跟蹤相關(guān)企業(yè)，深入挖掘其變革規(guī)律和機制，從不同視角對人工智能賦能生物醫(yī)藥產(chǎn)業(yè)發(fā)展進行深入分析。

參考文獻：

[1]霍治方，劉剛.智能化轉(zhuǎn)型背景下自動駕駛產(chǎn)業(yè)化的中國實踐[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：八個值得關(guān)注的研究方向與問題[J].管理評論，2023，35（4）：3-11.

[3]王茜，李東巧，劉細文.ChatGPT技術(shù)在生物醫(yī)藥領(lǐng)域的應(yīng)用潛力與風(fēng)險[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)濟時代創(chuàng)新生態(tài)系統(tǒng)研究[J].管理工程學(xué)報，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].科技進步與對策，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)演進的驅(qū)動機制[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)控機床技術(shù)追趕的特征、機制與發(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.平臺型創(chuàng)新生態(tài)系統(tǒng)動態(tài)演進機理——基于“架構(gòu)者”的資源編排視角[J].科技進步與對策，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，2022，41（6）：44-58.

[23]李明，王衛(wèi).場景驅(qū)動、商業(yè)模式與創(chuàng)新生態(tài)系統(tǒng)演進基于特斯拉企業(yè)價值的邏輯起點[J].科技進步與對策，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].科技進步與對策，2024，41（16）：83-94.

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

[26]儲節(jié)旺，吳蓉，李振延.數(shù)智賦能的創(chuàng)新生態(tài)系統(tǒng)構(gòu)成及運行機制研究[J].情報理論與實踐，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)的組織與機制演進——基于中關(guān)村科技園區(qū)的縱向案例研究[J].科技進步與對策，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