文章核心观点 上海市政协常委、复星国际联席CEO陈启宇在上海市政协会议上提交系列提案，旨在通过推动临床转化体系改革、完善多层次支付保障、建设科学智能基础设施及优化产业创新生态，解决上海生物医药产业在创新链与产业链脱节、支付端与供给端错配、老龄化需求与服务供给失衡等方面的挑战，助力上海构筑大健康产业的全球竞争优势 [1][2] 打通生物医药前沿技术转化通道 - 当前生物技术科技成果转化在专利申请、论文发表和研发管线建设方面进步显著，但源头创新能力弱、资源投入需加强、监管体系待完善、创新生态要素需协同 [3] - 生物医学新技术监管存在“一刀切”风险，不同技术（如基因编辑、CAR-T细胞治疗）在风险等级、技术成熟度及生产质量管理水平上差异显著，统一监管易造成资源浪费 [4][5] - 《818条例》虽允许医疗机构对获批临床转化的新技术收费，但具体收费标准、定价依据和价格备案机制尚不明确 [5] - “双轨制”（技术路径与药品注册路径）的衔接路径不明确，研究数据跨路径共享互认及能否加速药品上市尚未明确 [5] - 建议在上海开展生物医学新技术分类分级和精细化监管试点，探索按价值收费的定价规则，并构建转化制度衔接与数据共享机制，推动IIT研究数据与药品注册临床数据、伦理审查结果等跨部门互认，以降低研发成本，加速转化进程 [5][6] 破解高值药保障困境 - 针对高值创新药“用不起”、特效药临床可及性差、商业健康险保障不足等痛点，提出扩大商保覆盖、优化保障待遇、创新支付机制、强化跨部门协同四方面建议 [7] - 在扩大商保覆盖方面，建议推广职工普惠团体医疗保险，打通企事业单位团体参保渠道，允许使用医保个人账户余额购买商业健康险，扩大惠民保资金池规模 [7] - 在优化保障待遇方面，建议提高惠民保目录内创新药（尤其是上海地产产品）报销水平，并针对罕见病用药、细胞基因治疗药物等建立集采考核豁免清单，消除医疗机构用药顾虑 [7] - 在创新支付机制方面，建议在上海试点，依托基本医保基金上年度结余设立创新药专项支持资金池，用于支持尚未纳入或未通过国家医保谈判的高临床价值本土创新药 [8] - 在强化跨部门协同方面，建议建立由医保局、金融监管局、科委及商业保险公司、药企共同参与的跨部门协调机制，打通医保目录调整、商保产品备案与创新药审评审批间的政策壁垒 [8] - 2025年医保目录新增114种药品，谈判/竞价成功率88.19%，创近七年新高，其中50种为1类创新药，目录内药品总数增至3253种 [8] - 首版《商业健康保险创新药品目录》纳入19种药品，涵盖CAR-T疗法、罕见病特效药及阿尔茨海默病新药等，这些药品不纳入医保基金支付范围，与基本医保形成互补 [9] AI赋能药物研发范式变革 - 全球TOP20制药企业的创新研发回报率（IRR）仅为5.9%，单个药物从发现到上市的平均研发成本从2023年的21.2亿美元上升至2024年的22.29亿美元，整体研发与注册周期已超过100个月 [10] - 传统依赖增加投入和扩充产品线的增长模式难以为继，数字化转型与智能化升级成为药企构筑未来核心竞争力的关键路径 [10] - 跨国药企积极布局AI：阿斯利康将AI提升至战略高度，其AIDA系统旨在将CMC开发时间缩短50%，并收购Modella AI强化肿瘤领域应用；礼来与NVIDIA计划五年内投资10亿美元成立AI联合创新实验室，依托BioNeMo™平台加速药物开发 [10] - 国内AI制药企业向服务型CRO转型，推动行业从“规模驱动”向“技术驱动”转型，提升整体研发效率 [11] - AI制药发展面临高质量生物医学数据缺失与算力协同不足的瓶颈，数据分散于医院、科研机构与企业，缺乏统一标准与共享机制；现有算力中心偏重通用模型训练，缺乏面向药物分子模拟的专用科学计算能力 [12] - 建议将生物医药科学智能“数据工厂”纳入上海市“十五五”科技创新重大基础设施规划，由政府主导建设集数据汇聚、清洗、标注、模拟于一体的公共平台，整合临床数据、化合物库、组学数据，并通过高性能计算生成高精度蛋白动态轨迹等数据集，部署国产科学计算设备，构建算力、数据、模型一体化协同体系 [12] - 建议制定创新药企使用“数据工厂”的专项补贴政策，降低数据使用门槛，并建立数据使用回馈机制，鼓励企业将脱敏研究成果回流至平台，形成良性循环 [12] - 目标是通过上述举措，到2030年建成国际一流生物医药科学数据库，将药物临床前研究周期缩短30%以上 [12]

文章核心观点 上海市政协常委、复星国际联席CEO陈启宇在上海市政协会议上提交系列提案，针对上海生物医药产业发展面临的创新链与产业链脱节、支付与供给错配、老龄化需求与服务失衡等挑战，从临床转化体系、多层次支付保障、科学智能基础设施、产业创新生态等维度提出具体建议，旨在助力上海构筑大健康产业的全球竞争优势 [1] 打通生物医药前沿技术转化通道 - 当前生物技术科技成果转化在专利申请、论文发表、研发管线建设方面进步显著，但源头创新能力弱、资源投入与配置需加强、监管体系与配套制度待完善、创新生态要素需协同 [2] - 生物医学新技术监管存在“一刀切”风险，不同类型技术（如高风险基因编辑、相对成熟CAR-T细胞治疗）在风险等级、技术成熟度及生产质量管理水平上差异显著，统一监管易造成资源浪费 [3] - 生物医学新技术定价收费标准不明确，《818条例》虽允许收费但未规定具体标准、依据及备案机制 [3] - “双轨制”（技术路径与药品注册路径）衔接不明确，两条路径间的转化、数据共享互认及对药品获批的加速作用尚未明确 [4] - 建议在上海开展生物医学新技术分类分级和精细化监管试点，探索按价值收费定价规则，并构建转化制度衔接与数据共享机制，推动数据跨部门互认以减少重复申报、降低研发成本 [4] - 具体建议明确IIT研究阶段的安全性、有效性数据经审核后可作为药品注册补充依据，对已完成IIT研究且数据完整的细胞或基因类产品，允许凭材料申请临床转化备案以简化审查 [5] 破解高值药保障困境 - 针对高值创新药“用不起”、特效药临床可及性差、商业健康险保障不足等痛点，提出扩大商保覆盖、优化保障待遇、创新支付机制、强化跨部门协同建议 [6] - 扩大商保覆盖具体建议：发挥重点企业示范作用推广职工普惠团体医疗保险，打通企事业单位团体参保渠道，允许使用医保个人账户余额购买商保，扩大惠民保资金池规模 [6] - 优化保障待遇具体建议：提高惠民保目录内创新药（尤其是上海地产产品）报销水平，建立全流程服务体系；针对特效药集采考核困境，建立豁免清单制度，将罕见病用药、细胞基因治疗药物等排除在集采采购量考核之外 [6] - 创新支付机制具体建议：在上海率先试点，依托基本医保基金上年度结余设立创新药专项支持资金池，用于支持尚未纳入或谈判未成功的本土高临床价值创新药 [7] - 强化跨部门协同具体建议：建立由市医保局、市金融监管局、市科委及商业保险公司、创新药企业共同参与的跨部门协调机制，打通医保目录调整、商保产品备案、创新药审评审批间的政策壁垒 [7] - 2025年医保目录新增114种药品，谈判/竞价成功率88.19%创近七年新高，其中50种为1类创新药，目录内药品总数增至3253种（西药1857种、中成药1396种） [7] - 首版《商保创新药目录》纳入19种药品，涵盖CAR-T疗法、罕见病特效药及阿尔茨海默病新药等，这些药品不纳入医保基金支付范围，与基本医保形成互补衔接 [8] AI赋能药物研发范式变革 - 全球营收TOP20制药企业的创新研发回报率（IRR）仅为5.9%，单个药物从发现到上市的平均研发成本已由2023年的21.2亿美元上升至2024年的22.29亿美元，临床开发周期从启动Ⅰ期临床试验至递交NDA已超过100个月 [9] - 传统依赖增加研发投入和扩充产品线的增长模式难以为继，数字化转型与智能化升级成为医药企业构筑未来核心竞争力的关键路径 [9] - 跨国药企已率先发力：阿斯利康将AI提升至战略高度，其AIDA系统旨在将CMC开发时间缩短50%，并收购Modella AI强化AI在肿瘤领域应用；礼来与NVIDIA计划五年内投资10亿美元成立AI联合创新实验室，依托BioNeMo平台加速药物开发 [10] - 国内AI制药企业向服务型CRO转型，推动医药研发从“规模驱动”向“技术驱动”转型，提升行业整体研发效率 [10] - AI制药发展面临瓶颈：高质量生物医学数据缺失且分散于医院、科研机构与企业，缺乏统一标准与共享机制；现有算力中心偏重通用模型训练，缺乏面向药物分子模拟的专用科学计算能力 [10] - 建议将生物医药科学智能“数据工厂”纳入上海市“十五五”科技创新重大基础设施规划，由政府主导建设集数据汇聚、清洗、标注、模拟于一体的公共平台，整合临床数据、化合物库、组学数据，并通过高性能计算生成高精度蛋白动态轨迹等数据集 [11] - 建议部署国产科学计算设备构建算力、数据、模型一体化协同体系，并应用联邦学习、区块链等技术建立兼顾隐私保护与数据利用的治理体系 [11] - 建议制定创新药企使用“数据工厂”的专项补贴政策降低使用门槛，并建立数据使用回馈机制鼓励企业将脱敏研究成果回流平台，形成良性循环 [11] - 目标是通过上述举措到2030年建成国际一流生物医药科学数据库，将药物临床前研究周期缩短30%以上 [11]

全球医药产业AI布局热潮 - 2026年开年仅一个月，全球医药产业掀起人工智能（AI）布局热潮，国内外药企竞相加码，例如礼来与NVIDIA合作成立AI联合创新实验室，阿斯利康收购生物医学人工智能公司ModellaAI [1] - 国内市场同步发力，英矽智能、晶泰科技等AI制药企业加速牵手创新药企，推动AI技术在药物研发各环节落地 [1] - AI在药物研发中的角色已从“辅助工具”向“核心创新引擎”转型，2026年摩根大通医疗健康大会（JPM）将“AI+医药”列为核心议题之一 [1] AI成为药企破局研发的关键路径 - 德勤报告显示，全球营收TOP20制药企业的创新研发回报率（IRR）仅有5.9%，单个药物从发现到上市的平均研发成本已由2023年的21.2亿美元上升至2024年的22.29亿美元，临床开发周期超过100个月 [4] - 依赖增加投入押注“爆品”的传统模式难以为继，数字化转型与智能化升级成为医药企业构筑未来核心竞争力的关键路径 [4] - 跨国药企率先发力：阿斯利康将AI提升至战略高度，其“AI开发代理（AIDA）”系统旨在将CMC开发时间缩短50%，并收购Modella AI强化肿瘤领域应用；礼来与NVIDIA计划五年内投资10亿美元成立AI联合创新实验室，依托英伟达BioNeMo™平台加速药物开发 [4] 国内AI制药合作与转型 - 国内AI制药企业与国际药企达成高额合作：英矽智能与施维雅达成总价值高达8.88亿美元的多年期抗肿瘤药物研发合作；华深智药海外公司Earendil Labs与赛诺菲达成高达25.6亿美元战略合作，应用于自身免疫和炎症疾病项目 [5] - 晶泰科技与东阳光药签署战略合作协议，预计投入达数亿元成立合资公司，旨在打造行业领先的AI药物研发引擎并实现技术出海 [5] - 有业内人士表示，国内AI制药企业向服务型CRO转型，推动了医药研发行业从“规模驱动”向“技术驱动”转型，但AI终究是辅助工具，无法替代人类专业判断 [6] AI医疗市场前景与投资回报 - 世界经济论坛和波士顿咨询报告显示，全球AI医疗市场预计在2024-2032年间以43%的复合增速扩张，到2032年整体规模接近5000亿美元，其中生成式AI在医疗健康领域的年复合增速高达85% [6] - 到2026年，AI有望每年为美国医疗体系节省约1500亿美元；长期来看，持续投入AI医疗的国家，其年化投资回报率可达到10%-15%，整体医疗支出有望降低约10% [7] - AI被视为能同时改善效率与提升质量的关键工具，正深度渗透至医药行业全链条，包括生产质控、商业运营与患者服务等领域 [7] AI医疗产品场景化落地加速 - 更多创新企业聚焦细分场景推出AI产品并获得资本青睐，例如杭州全诊医学科技有限公司在2025年底顺利完成1亿元B轮融资，其产品“全诊通（TrizenAI）”在2025年1至10月于“智能病历”、“患者服务”等领域的签约合同额断层领先 [8] - 科技大厂相继发布AI医疗产品：OpenAI发布ChatGPT Health聚焦健康咨询；京东健康发布为医生研发的循证医学AI产品“知医”；阿里健康旗下AI产品“氢离子”面向临床、科研领域的医生群体 [2][8] - 当前AI产品多面向病历管理、诊疗指南匹配、诊疗推理等真实应用场景，产品设计以循证、合规、可解释为基本逻辑，引用权威指南、标注文献来源成为核心标配 [8] AI医疗行业发展阶段与趋势 - 当前AI浪潮的影响力已远超制药研发端，正全面渗透至医疗健康产业各个领域，医院科室、互联网大厂等各类市场主体纷纷入局 [1] - 钉钉商业总裁杨猛表示，钉钉愿成为医药企业的“AI操作系统” [2] - 目前国内多数医疗AI产品仍处于场景积累与数据沉淀阶段，商业模式尚未完全定型，能够深度嵌入真实医疗流程、解决行业实际痛点、具备合规循证能力的AI产品正逐步凸显核心价值，推动行业从“概念落地”向“价值兑现”加速跨越 [9]