君实生物 × AI

[导语·核心观点]2026年2月，君实生物与甄云科技“再度携手”，将AI引入数字化采购[2]。这是它三年内第三次被公开记录的AI项目：2023年10月成立经营范围含人工智能应用软件开发、大数据服务的子公司[3]；此后借助飞书aily自建视觉识别合规稽查系统，将异常响应从小时级压缩到秒级[4]。我的核心判断是：君实的AI仍处于“后台职能单点改造”阶段，尚未触及药物发现与临床开发的主价值链，价值真实但可测量性弱。它之所以值得关注，是因为这家创新药企用最保守的方式为AI划定边界：先做能被审计的部分，而不是最先做最吸引眼球的部分。

[事件回顾·发生了什么]可确认的公开动作有三类。第一，组织载体。2023年10月，君实生物成立生物医药科技子公司，经营范围包含自然科学研究和试验发展、人工智能应用软件开发、大数据服务等[3]。第二，职能场景。君实与甄云科技“再度携手”，将AI引入数字化采购[2]；“再度”二字说明这是既有合作的延伸，而非首次试水。第三，合规巡检。君实借助飞书aily与多维表格搭建视觉识别稽查系统，AI实时分析监控画面，对越界、设备异常等风险做秒级预警，并自动生成证据包，异常响应由小时级提速至秒级[4]。此外，在Veeva的客户案例中，君实方面谈及临床试验数字化，并表达希望供应商把AI与数据库沉淀带入国内药企的意愿[1]。需要说明的是，四条来源中三条为供应商案例页，均未披露投入金额、覆盖范围或效果基线。

[背景与格局·公司沿革 · 行业脉络]君实生物在报道中被描述为“国内创新药研发领域先行者”[2]。从三家供应商的案例页可以大致还原其AI投入方向：合规巡检[4]、采购[2]、临床试验运营[1]。三者有一个共同点：都落在“流程与证据”上，而不在靶点发现、分子生成这类研发前端。这符合产业逻辑。创新药的研发前端由实验科学主导，AI的可信度与监管接受度都仍在验证期；而后台的采购、巡检、临床运营天然产生结构化数据，合规要求明确，错误成本也容易量化，是AI最容易做出可测效果的领域。这是分析判断，并非报道结论。行业层面，供应商正把药企当作标杆客户打磨产品：Veeva把君实作为临床数字化合作案例对外传播[1]，甄云把“AI+采购”签约做成案例[2]，飞书把巡检系统做成客户故事[4]。这意味着君实在这类项目里更像“共创方”而非单纯采购方：好处是定制程度高，风险是能力沉淀在供应商侧。

[深度解读·为什么发生 · 意味着什么]为什么是这三个场景？看它们的共同结构：高频、留痕、可判定。采购是典型的高频决策链，每一次询比价都产生可结构化的决策数据；巡检是典型的留痕场景，画面、时间戳、处置动作都可以形成证据链[4]；临床运营则是强监管下的证据密集型流程[1]。AI进入这三处的门槛，不在算法，而在数据是否已经存在。君实选的不是最难的题，而是答得出来的题。 但我更关注一个被忽略的信号：2023年10月成立的子公司，经营范围里明确写着人工智能应用软件开发与大数据服务[3]。经营范围本身不产生能力，但它决定了未来AI投入可以走哪条路径：是继续作为费用支付给外部供应商，还是作为资产沉淀在体内。这是分析判断。若在未来可观察的窗口内，这家子公司仍无对外披露的产品、团队规模或专利产出，就可以基本判断AI在君实仍是“采购项”而非“能力项”。 受益者排序清晰。第一受益方是供应商：药企的合规与采购流程高度相似，一个跑通的药企客户就是可复用的行业模板[2][4]。第二受益方是君实的中后台，异常响应的“秒级”意味着处置窗口前移，这在GMP或GCP环境下是有实际价值的，尽管报道未给出误报率[4]。潜在受损方目前并不明显，但有一项隐性成本值得提示：分散在三家供应商的工具，会带来三套数据标准、三套权限体系与三套审计日志，长期看会推高集成成本。这也是我对这类签约持谨慎乐观的原因：签约仪式上的AI，与跑在生产环境里的AI，中间隔着数据治理、流程再造与人员习惯三道关。

[关键数据与证据·来自报道的数字与事实]其一，2023年10月9日，君实生物成立生物医药科技子公司，经营范围含人工智能应用软件开发、大数据服务[3]。其二，2026年2月27日前后，君实与甄云科技“再度携手”，将AI引入数字化采购，关键词是“再度”[2]。其三，基于飞书aily与多维表格的视觉识别稽查系统，AI实时分析监控画面，对越界、设备异常秒级预警，并自动生成证据包，异常响应由小时级提速至秒级[4]。其四，在Veeva客户访谈中，君实方面表示相信供应商的数据库与AI数字化沉淀若带入国内，对国内药企有价值[1]。其五，也是重要的一条：上述报道均未给出AI投入金额、团队规模、采购降本比例或巡检误报漏报率，这意味着目前的证据只能支持“做了”，不能支持“做好了”。

[风险与争议·审慎的批评视角]第一是来源结构偏差。四条来源中三条来自供应商案例页或新闻稿[1][2][4]，属于营销物料，天然选择性披露正面效果；唯一的第三方媒体[3]只报道了工商注册信息，不含任何效果数据。用它们来评估成效，等于让供应商自评。 第二是量化口径缺失。“小时级提速至秒级”[4]没有说明原流程的样本量、人工复核比例，也没有说明误报率。视觉识别的核心指标恰恰是误报与漏报，报道对此沉默；而误报率高时，“秒级预警”会迅速变成“秒级噪音”。 第三是收益归因难。采购AI的价值应体现在降本、缩短周期或供应商合规率上，报道未披露任何一项[2]；“再度携手”也可能包含续约性质的商业考量，不宜直接读作效果验证。 第四是工商登记不等于业务落地。子公司经营范围包含AI软件开发[3]，是分析的起点而非结论。 第五是监管与验证风险。若“自动生成证据包”[4]要进入审计或药监检查流程，其数据完整性、权限追溯与系统验证状态必须明确，否则证据的法律效力会被质疑。这是分析判断，报道未涉及。 第六是护城河问题。采购、巡检类AI工具本身差异化有限，供应商可将同一方案复制给同业，先行者红利有限。

[未来展望·情景推演]保守情景：三个项目维持单点运行，作为部门级效率工具存在，不进入公司级战略叙事；判断依据是子公司在可观察期内无产品化迹象[3]。中性情景：合规巡检与采购两类场景被整合为统一的“职能AI中台”，数据标准归一，巡检证据包与采购决策记录打通，此时ROI才可被真正计算。乐观情景：后台沉淀的流程数据反哺临床运营[1]，使临床试验的稽查、供应商管理形成闭环，AI从成本项转为速度项。三种情景的分野不在技术，而在组织：谁拥有这些数据。未来3–6个月的观察清单：子公司是否有团队或产品披露[3]；巡检系统是否公布误报率与覆盖场站数[4]；采购AI是否给出可验证的降本或周期数据[2]；是否出现跨场景的统一平台表述，而非继续以单个供应商案例出现。

[建议与启示·面向决策者]给药企决策者的三条建议。第一，反向要求供应商提供可以被第三方复核的基线数据：改造前样本量、误报率、人工复核比例，而不是“小时级到秒级”这类方向性描述[4]。第二，把AI项目的组织归属前置：是新设子公司承接[3]，还是职能部门采购，两者决定三年后的能力归属，这件事不该由IT部门单方面决定。第三，优先选择“证据型场景”作为起点——巡检、采购这类可留痕流程，天然适合做AI的第一块试验田，也最容易向审计与监管交代。第四，警惕多供应商碎片化，尽早确立统一的数据与权限规范。当AI工具从单点走向多场景，真正的瓶颈会从“有没有工具”变成“谁来调度与审计”：这需要把采购、巡检、临床运营等环节的智能体纳入统一的编排与日志体系，AgentSH 这类多智能体调度平台的价值正在于此——不是替代供应商，而是让分散的智能体可被追踪、可被复核。

[结语·一句话立场]君实生物的AI故事，价值不在“用了AI”，而在它选择先改哪里、不改哪里。三年三个项目，全部落在可留痕、可判定、可审计的后台流程[2][3][4]，这是审慎，也是局限。现阶段它是“工具的采购者”，尚未成为“能力的持有者”。我的立场是明确的“待验证”：不给成功判断，也不给失败判断，只给一份可跟踪的清单——看子公司是否长出团队，看秒级预警是否附带误报率，看采购AI是否敢公布降本数字。