全国政协委员梁颖宇关于生物医药与AI医疗的访谈核心观点 - 全国政协委员、汇珩资本主管合伙人梁颖宇在2026年全国两会主要关注两个议题：推动中国生物医药企业的高质量出海，以及推动AI在健康领域的应用 [1][2] - 梁颖宇深耕医药产业投资多年，先后投资超过200家医疗健康企业，包括甘李药业、再鼎医药、康希诺生物等细分领域龙头企业 [2] 一、推动中国生物医药企业高质量出海 （一）关注原因与行业现状 - 中国已成为全球药物创新的重要来源：中国在研新药管线数量约占全球总量的30%，居全球第二 [5] - 中国已成为全球创新药对外授权第一大市场：2025年，中国创新药对外授权交易总额攀升至1356亿美元，占全球交易总额约50%，超越美国 [5] - 中国是全球最大的原料药供应方：向全球供应30%的产能 [5] （二）当前出海模式面临的挑战与风险 - 国内商业化回报不足，迫使企业出海：医保控费常态化使创新药价格快速下探，难以覆盖高额研发投入；热门赛道同质化竞争严重，企业难以形成稳定现金流 [5] - “卖青苗”模式导致核心资产与长期价值外流：过度依赖对外授权交易，导致核心资产过早外流，长期商业化收益被让渡，企业全球化能力建设不足；资本市场出现“卖青苗”焦虑，部分企业大额授权后估值下跌 [6] - 人才、资本与产业链外流风险加剧：国际资本与跨国药企加大对中国企业和人才的吸引力度；高端研发人才被海外高薪与成熟商业化体系吸引；国际资本更偏好“海外资产+全球权益”的模式，产业链关键环节可能外移 [6] - 面临国际地缘政治与科技竞争的结构性压力：医药出海已成为国家竞争的重要组成部分 [6] （三）推动高质量出海的建议 - 做强国内市场价值，形成内外双循环生态：完善创新药支付体系，推动商业保险、慈善基金参与；建设真实世界数据平台，提升价值认定与审评审批速度 [7] - 构建国家级的医药全球化战略安全体系：建立战略协调机制，统筹海外注册、全球临床、知识产权保护与风险预警；积极参与全球公共卫生事务，深化与WHO、ICH、FDA、EMA等机构的合作，推动监管标准互认；加强产业链安全布局，支持国内建设高端原料药、关键中间体和药械的国际化质量体系 [7][8] - 构建具备全球竞争力的行业创新生态：建设国际化的临床试验与转化医学平台；推动CXO与供应链组合整体出海；建立行业级的地缘政治与合规风险数据库 [8] - 企业需从卖产品转向建能力：构建全球化的研发、注册、商业化能力体系；优化出海模式，从对外授权升级到共同开发与商业化；加强全球专利布局与品牌建设 [8] （四）中国药企成长为跨国公司最需强化的能力 - 全球临床开发和注册能力：理解FDA、EMA等机构的监管体系标准和沟通逻辑 [9] - 国际商业化及市场准入能力：包括定价策略、医保谈判、销售网络和品牌建设 [9] - 吸引全球化人才，建立具备国际视野的管理团队：尊重海外管理机制，进行本地化运营 [9] （五）行业资本需求 - 行业需要更多耐心资本：对于处于早期且具有突破性的公司，耐心资本至关重要 [11] - 当前投融资环境短期化倾向带来压力：许多基金在五年后可能选择赎回，给企业家带来困难，赎回机制有待优化 [11] （六）原始创新药企的潜力与挑战 - 评估标准在于能否获批、盈利及转亏为盈：若不能转亏为盈，企业需持续融资，压力巨大 [12] - 行业转型与观望：仿制药利润变薄，许多公司转型做“同类最优”；海归科学家回国创业，其研发能否超越在欧美时的成绩仍在观望 [12] 二、推动AI在健康领域的应用 （一）关注原因与当前挑战 - AI已渗透健康领域全链条：包括临床、健康管理、医院运营、药物研发、医保支付等 [14] - 技术与数据层面存在挑战：数据不完整或不平衡可能导致模型偏差；数据主要来自大型医院特定人群，在少数群体或罕见病上表现不稳定；不同机构间信息系统缺乏互操作性；模型在真实世界复杂场景中性能可能下降；大型模型存在幻觉风险 [14] - 伦理、社会与产业层面存在挑战：医疗数据高度敏感，跨境流动存在风险；AI误诊责任归属模糊；商业模式和支付机制不清晰；基层医疗机构IT能力有限，部署大模型成本高昂 [14] （二）推动AI应用的建议 - 优化数据治理和技术架构：建立跨机构数据共享机制，推动数据标准化；引入隐私计算和去标识化技术；促进AI工具互联互通，向多模型协同的模块化架构转变；加强算法透明度和可解释性，建立AI模型注册和追踪机制 [15] - 完善法律与监管框架：明确AI医疗事故责任认定机制，建立多方共担模式；构建分级分类的监管框架，按风险高低制定差异化审批与备案要求 [16] - 完善医疗数据治理与共享机制：在确保隐私与安全前提下，推动区域医疗数据中心与高质量数据集建设 [16] - 研究医保支付等激励手段：通过医保支付、绩效考核、服务定价等手段，确保有效AI工具得到应用 [16] - 进行国家人工智能医疗数据基础建设：将AI预先筛查融入家庭医生签约服务系统，自动生成慢性病风险预警 [16] - 确保医生主导地位并加强科普：确保医生在关键环节的主导地位，加强科普和医患沟通以提升社会接受度 [17] （三）AI与医生的关系及未来展望 - AI不会取代医生：AI将作为决策支持系统进入诊疗流程，帮助医生提升效率和准确性；随着模型轻量化，AI将更多进入基层和家庭场景，缓解医疗资源分布不均 [18] - 非常看好AI医疗未来发展：医疗是AI应用最大的板块之一；在AI帮助下，药物从研发到上市的时间可能缩短好几年 [19]