行业与公司 * 行业为医药行业 公司为一家正在积极布局AI应用的医药企业[1][2] * 公司从2024年开始组建独立AI团队 目前团队较年轻 需借助外部力量实施项目[3][14] * 团队成员需懂业务和行业 当前主要聚焦于AI产品经理角色[3][14] * 未来计划内化开发能力 使传统IT人员掌握Java、Python等技能并学习大模型调教技术[3][15] AI投入与规划 * AI投入逐年增加 2024年投入不足300万 2025年增至600万 2026年计划达到千万级别[1][4] * 投入以软件为主 2025年因私有云部署导致硬件投入有所增加[1][4] * 医药行业普遍在布局大语言模型 主要通过知识库项目利用AI[2] * 公司从2024年开始投建AI场景化建设 2025年结合DeepMind热度加大了投入力度 2026年计划继续深化[2] * 公司在同行中起步较早 总体方向一致但具体应用顺序有所不同[9] * 明年的战略是"系统加AI" 这一方向得到行业广泛认可 合作伙伴如金蝶也在其产品中引入AI能力[9] 技术架构与部署 * 转向私有云主要出于数据安全和知识安全的考虑[5] * 现有业务系统基本为本地化部署 AI能力通过混合云方式与本地系统交互[6] * 暂无将业务系统完全迁移至云端的计划 因医药行业对数据安全和监管要求高[6] * 未来可能会逐步实现本地化部署[5] * 使用不同类型的云资源管理各有所长 若希望提高运维效率可考虑公有云 To C应用可利用公有云弹性资源 但公司目前未完全进入To C阶段[7][8] * 公司采用三方封装产品 底层调用多个大模型 如ChatGPT Cloud、通义千问、豆包和Deepseek[17] * 云服务器租用了阿里云 底层硬件主要是英伟达GPU卡 招标时考虑了阿里、腾讯和字节跳动三家 阿里中标[33] * 目前未接触或试验国产GPU 但信创国产化是未来需考虑的重要方向[33] AI应用场景与进展 * 早期AI应用集中于工具层面 如辅助临床研究员撰写文章、生成PPT和翻译文档等基于知识利用的工具类应用[10] * 2025年已完成1.0版本建设 2026年重点将是系统和数据层面的AI能力建设[10] * 优先投资销售领域的AI应用 因其对企业营收和人效提升帮助大 其次是供应链、财务、人力资源等职能领域[3][19] * 2025年在销售代表周片管理、合规智能体、市场AIGC、AI面试、供应链招标AI等方面有所动作[3][20] * 2026年计划在财务、人力资源和供应链端到端注入更多AI能力 实现全程可视化管理[3][20] * 系统级AI场景与生产力工具类AI场景的区别在于复杂性和整合度 系统级AI需考虑现有信息化建设和供应商能力[26] * 智能陪练系统由合作伙伴与市场部及销售部门共同开发 用于培训销售专员 基于公司语料库定制化开发 统一在集团AI中枢运行[24] 数据与模型处理 * 向量数据库成为知识召回的刚需 采用结合向量数据库和知识图谱的双轮驱动模式以提高召回精准度[3][16] * 多模态数据如文本、图片和视频均可通过向量数据库处理[3][16] * 对于专业类场景 如撰写临床文章 需建立专门的临床数据库进行训练[11] * 临床数据需要大量相关文件和文章 进行切片、向量化处理和召回调教[12] * 通用类场景主要通过外挂知识库实现 会做粗调以保证召回精准度 公司有500多个分门别类的知识库[13] * 最终封装智能体通过低代码平台实现 如字节跳动的火山Agent平台[12][18] * 选择大语言模型主要根据实验结果决定 用户可自由选择使用哪个模型进行召回[31][32] * 豆包在精调临床类文章时召回率不如Deepseek、通义千问等模型 故未用于临床精调[30] 供应链与合作伙伴 * 供应链端到端项目涵盖从销售计划到生产计划再到采购计划 通过统一数据管理实现全程可视化、可感知及可调节 旨在构建"供应链控制塔"[21][22] * 正与德勤、安永、波士顿咨询及OW等大型咨询机构交流 计划年底启动立项[22] * 规划AI项目时 会从顶级咨询机构获取建议再进行供应商选型 倾向于选择能提供完整解决方案的合作伙伴[23] * 在知识库平台与垂直领域公司"零假设"合作 在智能体低代码平台使用字节跳动火山引擎的产品[18] * 多智能体协作的任务编排和管理由公司的Agent平台负责 可能由传统业务流程供应商如金蝶、用友参与完成[27]