落后燈塔工廠“兩代”的制藥業，正在被AI重新點燃......
“AI給企業帶來的遠不止"降本增效"那么簡單——它是一場從業務形態到組織結構的深層重塑。”醫藥行業距離世界級燈塔工廠，可能還差了兩代。但AI的到來，正在倒逼這個以合規和穩健著稱的行業，按下加速鍵。
本期《2026?聽見數智時代》系列訪談，深度對話正大天晴生產供應智能交付總監陳爾冬，從行業差異、技術落地、組織變革、未來趨勢多個維度，拆解頭部藥企AI落地的真實實踐與底層思考。
訪談嘉賓 | 陳爾冬 正大天晴 生產供應智能交付總監
從互聯網老兵到藥企"數創"操盤手——醫藥行業為何"慢了兩代"？
“相比世界頂級燈塔工廠，當前整個醫藥行業智能制造水平整體還落后兩代左右。”陳爾冬表示，造成這一現狀的核心原因并非藥企沒有數字化意識，而是來自雙重行業特性的約束。
在加入正大天晴之前，陳爾冬的履歷幾乎是一條標準的互聯網科技公司路線。但真正完成思維蛻變的，是完整經歷了以線下作業為主的傳統企業——轉型為與互聯網深度結合的企業的全過程，讓他對企業轉型、數字化如何在組織中"生根發芽"有了切身體會。
在正大天晴，數字化被拆分為幾個板塊：中后臺專注交付通用基礎能力——數據能力、AI底座、Agent編排能力；前臺則設有若干面向特定領域的智能交付團隊。陳爾冬帶的正是生產供應方向的團隊，覆蓋供應鏈、生產、質量體系、設備管理等領域。
這支團隊的運作模式，類似當下流行的FDE理念。
在陳爾冬看來，正大天晴已經全面進入了智能化落地的階段。"雖然在某些板塊也還有不斷完善的空間，但基于那些數字化建設比較有成績的板塊，天晴已經開始構建了很多智能化的成績。
在醫藥商業化推廣領域，天晴構建了有特色的"大腦"類產品；在臨床、生產、供應鏈等領域也都有各自的"大腦"——本質上是一個Agent群，借助AI能力與原有數字化平臺結合，為業務提供智能提醒和決策輔助。
"我們現在整個數字化團隊，一方面在數字化比較薄弱的點'補課'，一方面在比較成熟的部分加緊做智能化落地和智能化產品建設。"
醫藥行業為何"慢了兩代"？
作為后來者，陳爾冬加入醫藥行業后有一個強烈的感受：整個醫藥行業相對于燈塔工廠這種世界頂級的智能制造領域，可能還要落后大概兩代。
在深入思考造成這一差距的原因后，得出幾個因素：第一，合規。GMP給企業帶來優勢的同時，一定程度上也帶來了一些禁錮；第二，醫藥行業自身的業務形態特點，決定了其對數字化的訴求沒有那么強烈。
但變化正在發生。
這兩年醫藥行業供應鏈的壓力，恰恰給藥企帶來了新的業務拉動性：一方面行業競爭越來越激烈，成本控制訴求越來越強；另一方面，藥企希望成為全球性的MNC（跨國企業），對業務提出了新的要求。
AI落地全景圖——從財務審核到供應鏈大腦，"不是降本增效，是組織重塑"
在AI落地這件事上，正大天晴的探索遠比外界想象的廣泛。在企業四大戰略中，數字化就是其中之一。當大模型出現后，進一步疊加了"擁抱AI"的方向，在每一次企業內部講話中都在宣導這一理念。
"不管是我們數字化團隊還是整個天晴，其實在各個領域里面都對于AI有很多嘗試，也有很多成績。"陳爾冬列舉了從醫學推廣、臨床、早研，到供應生產質量，再到內部辦公、財務等領域的AI落地案例。
財務審核：一個"連一分錢都不能錯"的領域如何被AI改造
這里以財務領域為例，展示頗具說服力的案例。
傳統的理解，財務是一個非常嚴格的領域，需要把賬做平，不能錯哪怕一分錢。但即便在這個領域里面，仍然有很多點可以落地AI。
財務審核環節的改造：所有一定規模的企業都面臨財務審核問題——各部門的結算環節，不管是個人報銷還是采購對公結算、對私報銷，都需要財務審核其是否符合財務準則和企業規則。過去，這個過程有大量人為判斷的工作量。
早在去年，正大天晴就已經把工作量完全在初審階段用AI替代掉了。盡管后面仍然有復審環節由人工處理，但效果立竿見影：員工體驗大幅提升——原來報銷要等好多天，供應商付款要等30天甚至60天，現在結果很快就能出來；發現問題也能快速打回并提示補充什么材料。
對于財務團隊而言，同樣意義深遠。縮小人員范圍，把更多資源放到如何跟業務合作、如何讓各個業務更好地使用資金、控制成本——在這些角度上去賦能各個業務。
"不是降本增效，是組織重塑"
關于降本增效，陳爾冬給出了更深層的判斷：降本增效可能講得比較“短視”，它可能是一個企業組織的重塑。
結合新的工具，用新的業務形態或模式創造更高的價值，才是企業的核心競爭力。聚焦到組織中的某個環節，在短期3到6個月內，看到的可能是比較"粗暴"的降本增效，個體員工面對這個局面可能很難避免。但在整個企業運作過程中，公司一號位思考的還是"我這個企業怎么去獲得更大的經營成功，怎么能夠讓我這個企業交付更大的價值，怎么能夠贏在未來"。
在這種共識下，每家企業都希望自己的企業不斷去擁抱、去轉型，不要抱著過去的固有思路去做。AI在企業落地的真正難點不在技術，而在組織。
供應鏈大腦：200多款產品，"一款都不用算"
作為陳爾冬參與較多的領域，供應鏈是他眼中"最早擁抱數字化的一波業務"。
在數字化建設比較扎實的基礎上，天晴將AI能力與供應鏈平臺結合，構建了"供應鏈大腦"。效果令人矚目：天晴有200多款產品，以前供應鏈人員每個月要把200多款產品未來三個月的工廠需求手算出來；現在，不僅"一款都不用算"，也不需要逐一核對所有產品，只需核對其中的大概10款產品——這些是系統自動分級出來的、需要重點關注的產品。
對于其余100多款產品，AI會持續觀測數據變化。當發現隱患或預測到未來可能的風險時，系統會向供應鏈人員推送一條AI生成的業務描述信息：提示某款產品在未來某月某日可能出現供應風險或庫存積壓，原因是什么（比如質量檢驗可能延期、需求下降導致按原計劃生產會積壓等），并給出建議——比如取消某個生產計劃，或在未來兩周內增加一批生產。
有了AI后，供應鏈人員可以更專注地做好那些必須做的決策，在幫企業做好供應的情況下，用更高的效率、更低的成本去滿足供應、不出事。
混合云、數據治理與安全紅線——"AI時代，平臺長什么樣沒那么關鍵"
未來，什么樣的技術底座更符合AI時代？陳爾冬認為，現在誰的預測都很難講，“甚至有可能說真正匹配的平臺沒有任何企業建出來。"
以Agent工具快速迭代為例：去年大家都在談論Agent元年，各種工具出來；今年又有新的形態出現——現在最火的WorkBuddy。在這種情況下，企業更需要聚焦的不是"平臺應該長成什么樣"，而是：讓組織具備彈性，能夠根據行業發展不斷調整去適配新的發展，同時把控好安全紅線，讓業務快速結合新能力去交付產品。
混合云：合規紅線之上的差異化滿足
藥企過去非常偏好本地化部署——工廠有自己的地，建自己的機房沒有太大壓力。傳統數字化時代對電力和空間的訴求也不大。但AI時代來臨后，如果要部署本地模型，對電力和基礎設施成本都有了一個新的臺階。
對于藥企現在可能不得不面臨一個問題：如何在合規、在數據安全的情況下能夠和云結合。如果不和云結合，全靠完整的本地化部署模式，迭代速度、建設成本就會拖累整個智能化的推進。
天晴的解法是構建混合云能力：GMP體系內按照最嚴格的模式本地化打造；相對靈活的業務則可以完全云部署，在安全邊界之上滿足業務訴求。"這樣整個組織就可以面對一個更靈活、更有彈性的基礎設施和安全體系和機制。"
對于數據平臺，陳爾冬同樣主張積極擁抱云："只要能夠接受數據上云，現在云數倉、云數據平臺這樣的體系，絕對能夠給企業帶來更好更快的構建效率。"尤其各家數據平臺都在實現數據平臺本身的MCP能力，數據平臺自己就可以掛一個Agent能力去實現快速問數，甚至業務Agent的能力。"
安全體系：模型網關與終端一體化防護
AI時代下的安全面臨的挑戰更大：基礎設施形態多樣了，Agent和大模型出來后，企業大量調用大模型，安全問題變得更加復雜。
天晴的實踐包括兩個層面：一是構建自己的模型網關，控制每個員工、每個部門、每個業務對模型調用的成本和穩定性，同時把安全策略集成進去；二是建設終端一體化安全平臺，覆蓋整個終端網絡和數據泄露防護——對企業內部的敏感數據外發進行管控，對入網人員身份、行為進行審計，在需要時能夠阻斷和設置規則。
三年AI之路：從ChatGPT到Agent群
正大天晴的AI探索大約用了三年時間。陳爾冬回憶，早在ChatGPT初火的時候就開始嘗試；去年業界開始熱烈討論Agent元年，天晴也投入資源做Agent；今年則在供應鏈、制造、臨床等領域都有Agent落地。
在組織層面，數字化團隊自身也在經歷一場變革——數字化團隊對自己的重新定義：從傳統的產品經理、UI、前后端、測試、數據、上線運營的很長鏈條、很細的專業分工，轉變為端到端交付團隊中"偏產品偏技術的，兩個人上一件事。
這場變革帶來了令人震撼的結果：整個團隊人員數量大概下降了30%到40%，接近四分之一的人離開了——但業務卻感覺交付更快了。
數據治理的新課題
在AI時代，數據治理面臨著新的挑戰。陳爾冬指出，傳統企業的數據治理問題是永恒的話題，數據孤島只是表象，更根源的是對數據的理解問題——甚至是業務自身的問題在數字世界的鏡像。
陳爾冬將數據治理面臨的挑戰拆解為三個維度：
第一，技術維度——相對好解。當業務場景聚焦后，技術團隊可以比較明確地解決AI友好的數據組織問題。
第二，業務維度——更難。數字化本質上是把業務在數字世界鏡像一份，如果真實世界的業務本身就有問題，到了數字世界，它帶著這些問題去解，是解不了的。"它不是技術的問題，它是業務本身的問題。"
第三，組織維度——最難。當數字化團隊指出業務問題時，背后可能隱藏著組織層面的深層原因。
正大天晴能夠面對巨大轉型，第一個要素就是一把手親自提出了數字化和智能化戰略方向——而且不是喊口號。數字化必須先于智能化。"我們做的很多智能化落地，是建立在先做了一些數字化和信息化的基礎之上，然后才有數據基礎，才可以建供應鏈大腦。”
面向未來——AI將如何重塑制藥，以及那些最容易踩的坑
CEO與CIO：不可缺席的角色
在企業AI轉型的過程中，一號位和CIO的角色至關重要。“直接跟企業一號位對話，站在更高的立場幫企業解決問題。”
最容易走的彎路：被工具和名詞綁架
藥企數字化最容易走的彎路——大家太容易停留在手段上。AI就是個工具，數據孤島、技術路線問題等等都是表象，"你到底要解決什么業務問題，這個才是核心。"
數字創新中心：不是IT，是"翻譯官"
天晴的數字化團隊并不把自己定位成傳統IT，而是叫"數字創新中心"（內部簡稱"數創"）。數創團隊的定位是：要跟業務一起定義"未來和AI深度結合的業務應該是什么樣"。
AI制藥：未來5年最重要的事
在陳爾冬看來，對于正大天晴乃至整個制藥行業，未來5年最重要的事情就是AI與藥物研發的深度結合。藥企的核心是一個產品企業。既然是產品企業，如何能做出拳頭產品、做出非常有市場競爭力的產品，就是非常關鍵的。
另一個重要方向是生物藥工藝優化。生物藥生產是一個大分子生長過程，有很多不確定性，AI可以幫助找到工藝參數之間非線性關系，讓整個工藝的優化和未來生產的穩定性帶來非常大的提升。
AI for Science：5到10年最有想象力的領域
未來3到5年，兩個AI變化可能真正重塑制藥行業：
首先是AI在早研階段的變化，包括腫瘤疫苗三期臨床試驗信息的公布等——"這是明顯能夠看到AI對于健康大健康領域帶來的變革"。
其次在傳統企業，AI仍然是一個輔助者的角色。都說AI是一場變革改造，但實際上對于業務來講，真正帶來效果的不是AI怎么樣了，而是這個業務自己發生了變化。AI只是工具，幫助去解決這個問題。
★寫在最后 ★
AI來了恰好是個契機，不管主動或被動，大家不得不去面對這個事。AI重塑制藥行業，重塑的不僅是技術棧和工具鏈，更是企業的業務思維和組織基因。而這把鑰匙，最終握在那些敢于直面自身業務問題、愿意從底層重新思考的人手中。
