12月23日，香港中文大學 EMBA（中文）首期「鋒芒領袖對話」圓滿完成，本次對話聚焦「AI與醫藥」議題，邀請探針資本創始人、醫藥健康協會執行會長嚴晶晶，博賀漁港產業投資副總經理、醫藥健康協會執行秘書長呂學聰，從行業底層邏輯、技術落地路徑、中美差異對比、投資趨勢研判等多維度，通過對話解碼AI技術對醫藥健康與生命科學領域的深遠影響，為行業發展與人才培養提供了前沿視角。

    AI破界：從日常工具到生命科學變革

    香港中文大學EMBA（中文）醫藥健康協會於2025年11月30日在北京正式成立，由2025級學生牽頭組織，在項目辦和校友會的支持下，旨在為關注醫藥健康領域的校友搭建交流與合作的優質平台，積極推動港中大醫藥創新成果走向應用，助力校友企業連接香港、輻射全球。本次「AI與醫藥」專題對話分享是協會服務校友、連結產業的重要實踐。

    呂學聰在開場中表示，提及「AI+醫療」，大眾的第一反應往往是AI輔助醫生看病，但實際上其影響早已突破臨床環節，延伸至藥物研發、生命科學研究等多個核心領域。「我們希望通過這場對話，從行業出發，探討AI怎樣重塑醫藥及生命科學。」

    對話嘉賓嚴晶晶擁有豐富的醫藥健康行業投資經驗，專注於醫藥健康與生命科技領域，累計完成超百億人民幣的私募融資與併購交易。他說到，AI在醫藥行業的應用可追溯至科學家利用其預測蛋白質摺疊、發現新蛋白物質的早期探索，而2025年的兩大標誌性事件，更彰顯了其行業滲透力：美國即將誕生史上首家300億美元市值的AI醫療公司，由五家數據公司整合而成，業務覆蓋醫生診療、醫院運營、醫保與商保等全鏈條；另一家美國AI醫療企業，年初市值僅10億美金，年底便飆升至120 億美金，核心原因是上線一年就獲得美國40%的職業醫生用於看診與科研。

    這些案例說明，AI不再是科學家專屬的科研工具，它已成為醫療行業不可或缺的基礎設施，其影響已突破臨床環節，延伸至藥物研發、生命科學研究等多個核心領域。

    四層應用體系：貼近臨床的AI醫療率先落地

    為何當前大規模普及的AI醫療產品，多是貼近醫生與患者的類型，而非高精尖技術？嚴晶晶用AI醫療「四層應用體系」理論給出了答案。這四層體系從底層到上層依次為：藥物發現與生命科學、慢病與ICU管理、診療流程自動化、臨床決策支持，呈現出「技術難度遞減、商業化速度遞增」的顯著特徵。

    最底層的藥物發現與生命科學領域，技術難度最高，商業化周期也最長，「即便使用AI輔助研發，一款藥物從分子篩選、靶點驗證到臨床實驗，仍需8-15年時間。」嚴晶晶解釋道，而位於上層的臨床決策支持類應用，商業化周期僅需1-3年，自然會成為最先被市場選擇的賽道。

    以美國AI醫療公司OpenEvidence為例，這家企業通過為醫生提供臨床決策工具，上線一年便覆蓋美國40%的職業醫生，預計年營收達1.5億美金，公司市值從10億美金飆升至120億美金。「這類產品精準匹配了醫生的日常診療需求，能夠快速實現商業化落地，因此更容易被大眾熟知和使用。」

    嚴晶晶提到，AI醫療的落地並非完全依賴高精尖技術的堆砌，關鍵是在於對臨床痛點的精準解決。醫生在病曆書寫、影像分析、決策參考等環節的效率瓶頸，都是AI技術的絕佳應用場景。這些場景不需要漫長的驗證周期，就能直接提升醫療效率，將會成為AI醫療普及的突破口。

    藥物研發：AI提效顯著 資本押注長期價值

    針對「AI是否顛覆藥物研發」這一行業熱議話題，嚴晶晶結合實際案例給出了判斷：AI目前顯著提升了藥物研發效率，但尚未改變行業格局，距離真正顛覆仍有較長距離。

    他向大家分享了一次項目辦組織參訪AI製藥企業的經歷：「2025年9月我們參觀時，該醫療企業已在二級市場上市，股價為9元，其通過AI篩選的分子獲得跨國藥企首付款，驗證了AI在藥物研發中的實際價值。隨後其股價迅速漲至15元，體現了資本市場對AI製藥的看好。」

    但嚴晶晶同時強調，儘管AI在靶點發現、分子篩選等環節大幅縮短了研發周期、降低了研發成本，且獲得了大藥企 「真金白銀的投資」。但截至目前，尚未有一款完全通過 AI 篩選研發的藥物出現並用於臨床治療。藥物研發的長周期、高風險屬性沒有改變，AI只是優化了部分環節的效率，要實現對行業本質的顛覆，還需要時間和技術的持續積累。

    對於投資領域「AI 製藥投資熱與回報慢」的矛盾，嚴晶晶從資本邏輯角度給出解讀：「一級市場投資追尋的是科技驅動的陡峭性發展機會，而非穩定產出的財務數據。科技創新必然需要長周期的資本支持，儘管AI製藥回報周期長，但一旦成功，其回報將是百倍、千倍甚至萬倍的，資本的投入實際上是在推動行業不斷進步。」

    中國特色AI醫藥生態正在形成

    對話中，中美AI醫藥企業的發展路徑差異成為焦點。嚴晶晶提到，中國AI醫藥企業並未複製美國模式，而是形成了獨具特色的發展路徑，核心根源在於支付方與制度環境的差異。

    美國採用商保兜底制度，醫療決策主體以醫生個體為主，這使得OpenEvidence等直接服務於醫生的臨床決策工具能夠快速普及，通過「免費工具+藥企廣告」的模式實現商業化閉環。「美國40%的醫生使用該工具，本質上是將醫療項目做成了TMT賽道的流量生意，這一模式在中國難以複製。」

    嚴晶晶解釋道，中國實行社保兜底制度，且監管層面不允許處方藥在第三方平台進行廣告投放或定價排名推送，這從根本上阻斷了美國模式的落地可能。此外，中國的醫療資源分布、人口結構等特徵，也催生了獨特的AI醫藥應用場景。

    基於對中國市場的深刻洞察，嚴晶晶總結了中國AI醫藥行業的四大核心機會：一是醫保控費領域，AI 企業可幫助醫保部門實現精準控費；二是基層醫療賦能，通過AI工具提升村醫、個體診所醫生的診療能力，解決醫療資源下沉難題；三是藥企研發外包，為國內創新藥研發提供AI輔助外包服務；四是AI數字人醫生，基於電子病歷打造個性化健康管理與診療支持工具。

    嚴晶晶補充道，「以基層醫療為例，中國有大量分散的個體診所，它們是醫療體系的毛細血管，但醫生專業能力有限。AI 可以幫助這些基層醫生解決常見疾病診療問題，讓老百姓在家門口就能獲得相對優質的醫療服務，這是美國市場難以想像的場景。」

    AI將成未來醫療基建 分三步走重塑行業

    談及AI在醫療領域的終極價值，嚴晶晶提出了「AI基建化」的核心判斷：未來5年，AI將像互聯網、智能手機一樣，融入醫療行業的各個環節，成為不可或缺的技術基座，屆時將不再有「AI醫療企業」的專屬稱謂，因為所有醫療企業都將具備AI能力。

    他進一步勾勒出AI重塑醫療行業的「三步走」路徑：短期來看，AI作為效率工具，將持續為臨床流程和治療流程降本增效，解決病曆書寫、影像初篩等重複性工作；中期將實現結構性改變，利用AI技術篩查此前難以發現的病症，優化支付方式與診療流程，推動醫保定價精準化；長期來看，藉助 AI的數據分析能力，有望推動中國醫療制度的深層次變革。

    聚焦行業熱點 回應實踐關切

    對話後的問答環節，現場校友與行業同仁圍繞AI算力投入回報、醫生替代風險、To B市場機會等議題展開深入交流。

    針對「美國科技巨頭巨額算力投入能否在醫藥行業產生回報」的問題，嚴晶晶指出，AI醫療的回報分布在不同賽道：創新藥研發賽道回報周期長但潛力巨大，而醫療信息化改造等賽道則是萬億級的即時市場。「中國所有醫院的醫療信息化系統都有AI升級的需求，這一市場空間足以支撐算力投入產生可觀回報。」

    對於「AI是否會替代醫生」的核心關切，嚴晶晶給出了辯證答案：「患者自我診斷的趨勢已不可阻擋，螞蟻集團推出的AI『阿福』上線兩個月就有1600萬註冊用戶，問診次數超五六千萬，用戶會上傳檢查報告建立個人健康檔案，尋求 AI 診療建議。但AI目前仍存在『幻覺』問題，專業級零幻覺工具將成為未來趨勢，而醫生的核心價值在於最終診斷與醫療責任承擔。」

    以醫院超聲檢查為例，AI可大幅提升醫生的影像分析效率，但AI僅負責初篩和高亮可疑區域，最終診斷仍需醫生確認。在青海等偏遠地區，通過AI遠程分析超聲信號，幫助藏區醫生判斷牧民是否患有肝包蟲病、脂肪肝等疾病，再由華西醫院醫生覆核，既解決了醫療資源不足的問題，也體現了人機協同的價值。

    針對醫療信息化企業To B市場落地難的問題，嚴晶晶強調：「這一波AI醫療創業不是技術流的天下，而是懂醫院場景、知道醫院痛點的企業的機會。」醫院的痛點真實存在，比如醫生每天18%的時間用於書寫電子病歷，且寫錯耗材型號可能導致醫院被醫保部門罰款數百萬，而AI能自動生成規範病歷，幫助醫生每天節省50分鐘，這類精準解決痛點的產品自然更能獲得醫院認可。」

    搭建交流平台 共探行業未來

    本次港中大 EMBA（中文）「鋒芒領袖對話」通過深度解析AI與醫藥的融合路徑，為校友與行業同仁搭建了交流合作的平台，通過前沿視角與實操案例，為行業提供了兼具理論深度與實踐價值的思想盛宴，展現了港中大EMBA校友在行業前沿的洞察力。

    未來，香港中文大學 EMBA（中文）將持續聚焦不同行業領域的熱點議題，打造系列「鋒芒領袖對話」活動，為校友與行業同仁搭建常態化的高質量交流平台。（記者 陳壘）