恒瑞医药 × AI

[导语·核心观点]恒瑞医药在DeepSeek推出R1模型后仅10余天，便发布全员红头文件部署AI应用，并将执行情况与干部考核挂钩[4]。这一罕见的激进姿态，将其AI布局推向聚光灯下。但全员AI究竟是行业变革的必经节点，还是一次管理动作的过激反应？在官方叙事与商业现实之间，恒瑞的AI故事需要被严肃拆解。

[事件回顾·发生了什么]2025年1月20日，DeepSeek发布R1模型，引发AI行业震动[4]。春节假期结束后，恒瑞医药即发布红头文件，要求员工在2月25日前提交AI应用计划，执行情况与干部考核挂钩[4]。这一被媒体称为“终于前瞻了一把”的动作，让恒瑞成为A股医药公司中推行AI路径最为机械化的代表[4]。与此同时，2025年12月8日，恒瑞在研发日活动中强调AIDD已成为其创新引擎，展示AI靶点发现平台、AI大分子设计平台及AI小分子生成平台等布局[1]。到2026年3月，董事长孙飘扬公开表示恒瑞作为较早布局AI研发体系的企业之一，正推动AI技术与计算和实验相结合[3]。此外，有行业媒体报道恒瑞为AI制剂优化付费，购买了剂泰相关技术[2]。

[背景与格局·公司沿革 · 行业脉络]恒瑞医药是国内首个在AI领域自称发力的药企之一，这种表态并非空洞口号，而是建立在其三大内部平台的基础上[1]。孙飘扬本人在全国两会上将AI与研发融合上升为产业政策诉求，也显示出恒瑞有意将自身实践外化为行业规范[3]。不过，恒瑞并非第一个将AI深入管理的药企。其他跨国药企自2020年起已将机器学习和深度学习应用于靶点筛选与临床方案设计，部分公司甚至建立了专门的AIDD部门。恒瑞的路径呈现出两个鲜明特征：其一，用红头文件和干部考核快速推动AI应用落地[4]，这在中国大型药企中并不多见；其二，AI工具既用于研发端——AIDD平台，也用于管理端——全员应用计划，形成了两层结构。这种自上而下的行政驱动加上研发端的专业投入，构成了恒瑞当前AI故事的主干线索。

[深度解读·为什么发生 · 意味着什么]DeepSeek R1模型推出后，国内企业出现了多种反应：有的观察，有的试用，而恒瑞选择了雷厉风行的“全员动员”[4]。这一选择背后既有行业变革预期的推动，也有企业治理逻辑的考量。孙飘扬关于AIDD的表述[3]，核心是让AI从研发的辅助工具走向计算与实验相结合的研发范式。而红头文件与考核挂钩[4]，说明管理层担心AI应用在执行层面被搁置，试图以组织机制保障转型速度。这既可能成为优势——自上而下的力度可以超越部门阻力；也可能变成形式主义风险——如果员工为应付考核而提交模板化计划，则资源被浪费。另一个耐人寻味的信号是，恒瑞为AI制剂优化付费购买剂泰技术[2]，所谓“为AI买过单，不一定是有管线”，而是为技术改造付费。这意味着恒瑞已开始将AI视为研发成本结构的一部分，不再仅仅作为共享平台，而是愿意为特定技术细节支付费用。从受益与受损角度看，若AI真能缩短靶点发现周期并减少实验试错次数，恒瑞的研发效率将上升；反之，若内部算力建设不足、AI需要的数据治理不够规范，则可能变成行政消耗。值得注意的一点是，报道中并未给出恒瑞AI团队的具体人数、研发投入占比或管线中AI辅助项目的数量级，因此上述判断建立在方向性描述之上，真实效果只能通过未来项目里程碑来验证。

[关键数据与证据·来自报道的数字与事实]第一，DeepSeek R1模型于2025年1月20日推出，恒瑞要求全员2月25日前提交AI应用计划，说明从政策出台到执行落地只有36天[4]。第二，恒瑞将AI执行情况与干部考核挂钩，这意味着AI推进不仅是业务动作，更是组织考核指标[4]。第三，恒瑞展示的AI平台包括AI靶点发现平台、AI大分子设计平台和AI小分子生成平台三类[1]。第四，孙飘扬明确表示恒瑞“作为较早布局AI研发体系的企业之一”，正在大力发展AIDD，并推动AI技术与计算和实验相结合[3]。第五，恒瑞为AI制剂优化付费购买剂泰技术，这表明该公司会为有价值的AI能力对外买单[2]。这些证据共同支撑的主线是：恒瑞的AI转型既有内生的平台战略，又有采购外部技术的意愿，同时叠加了深度行政推动。

[风险与争议·审慎的批评视角]将上述报道放在放大镜下，至少能找出以下几处风险盲区。其一，报道[1]中恒瑞的AI平台描述更像是战略叙事而非产出汇报，三家平台的成熟度、每日任务量、模型性能等均无数据支撑。其二，孙飘扬在全国会议上的谈[AIDD的宣传色彩大于量化成果[3]，没有给出AI为恒瑞节省的成本或新增管线的对照指标。其三，雪球作者称“恒瑞愿意为AI制剂优化付费，说明AI制药已经成了必答题”，这一判断存在逻辑跳跃——一家公司购买一项技术服务并不能直接证明行业拐点已至，且剂泰技术是否真正内生转化为恒瑞能力尚未披露[2]。最后，红头文件与考核挂钩的做法可能引发严重的执行偏差：员工可能提交同质化方案来应付检查，AI应用流于表面；同时过度使用管理压力也可能导致重压之下的“数字游戏”[4]。此外，医药研发中AI模型的可解释性、数据合规与监管审批路径尚未在报道中被讨论，这些都是影响AI产生商业价值的根本变量。若恒瑞未能解决这些深层问题，其全员AI计划很可能在3-6个月内遭遇冷启动失败的尴尬。

[未来展望·情景推演]保守情景中，恒瑞的红头文件及全员计划执行至多形成内部AI文化的基础，但未能真正改变核心管线产出节奏；各个AI平台的日常使用率低，干部考核最终流于形式。中性情景下，恒瑞最迟在2026年上半年产生一到两个由AIDD平台深度参与的临床前候选分子，并且至少在两个制剂项目上实现AI优化与传统实验结果的差异对比。乐观情景则需满足两个条件：一是管理层能够从考核导向转为产出导向，允许团队摆脱形式化写作，专注于真正有技术挑战的AI用例；二是监管层允许将AI预测结果作为IND申报中某些次要属性的补充证据。在3-6个月窗口内，建议观察的关键指标包括：全员AI计划的方案验收数量与有效执行率、AI平台与恒瑞自建数据库的对接程度、是否有对外授权AI衍生产品、剂泰技术是否融入制剂开发流程并在年报中体现。

[建议与启示·面向决策者]对恒瑞决策层而言，不妨在考核之外增加“例外通道”——允许员工申请延期提交计划，但提交内容必须有合理可行性。所有AI应用计划应以能产生可测量收益为第一标准，如减少实验轮次、缩短分析工时或有新指标提升。对管理层自身的建议是：将红头文件的威严转移到对结果指标的持续追踪上，不要以文件的密集程度作为推广成效。此外建议恒瑞每年只公开3至5个AI应用里程碑，附带验证细节，比宏观展示平台全景更有说服力。对更广泛的医药行业决策者和产业研究者而言，当AI技术从新兴产业向既有的组织体系渗透时，最容易出现三个断层——战略叙事落后于执行节奏、行政压力与科学驱动的冲突、外部技术购买与内部消化能力的匹配问题。大型企业如果想要在此类不确定中稳步前进，可以参考AgentSH智能体调度平台的思路，把人力与AI的工作拆为可调度的任务单元，用显性环境追踪每个任务的部署状态和产出结果，并让调度中心即时反馈执行数据。这比单纯考核员工写计划更接近AI落地的真问题。

[结语·一句话立场]恒瑞医药无疑拥有在AIDD上“先发”的意识与组织能力，但先发并不等于先胜。全员AI计划的行政杠杆有它的历史合理性，而技术验证和商业转化才是所有转型故事的最终审判者。在当前阶段，恒瑞只能被评价为“布局领先、证据不足、路径待证”，其成色仍需等待管线产出和具量化指标的后续披露。对于所有关注医药AI变革的人们，这或许是个提醒：一个公司的AI故事，应当以里程碑数据为尺，而非以红头文件为碑。