AI赋能智启新章,数智临床行稳致远 | dTrial 2026北京盛大开幕

开幕式由论坛联席主席——北京大学肿瘤医院国家药物临床试验机构办公室主任江旻女士与默沙东研发中国有限公司临床试验运营部负责人黄燕侠女士联袂主持。

“AI与临床研究的深度融合，正从理论探讨走向实战攻坚，我们期待与同仁共筑数字临床新未来。”

“当下AI技术快速突破临界点，我们需以全球视野与本土实践，全方位推动行业创新与发展。”

两位主席在开场致辞中指出，全球创新药研发已进入数字化深水区，AI 与 DCT 成为突破研发瓶颈、提升效率与质量的核心引擎。dTrial 论坛作为行业标杆平台，持续搭建产学研医资协同桥梁，推动技术从概念走向实践，助力中国生物医药创新提速增效。

DIA全球Fellow、再鼎医药前执行副总裁徐宁博士代表DIA致开幕辞。他深情回顾了DIA中国近二十年的发展，感谢了DIA活动广大参与者的大力支持，特别向默默奉献的志愿者与办公室团队致以谢意。他高度评价了DIA中国数字健康社区（DHC）在疫情期间及之后的关键作用，指出其前瞻性成立的社区与产出的系列指南共识，是 “推动整个dTrial话题的功臣” 。他强调，DIA中国已成为全球发展最快、最活跃的区域，预祝第七届dTrial论坛圆满成功。

一场名为“烹饪龙虾”的高维对话，生动隐喻了行业拥抱AI时的审慎与期待。主持人、广州市药学会秘书长兼国际人工智能产业联盟AIIA生物医药专委会秘书长杨晓栋先生，长江科学计算中心生物部总监高伟博先生，清华大学经济管理学院领导力与组织管理系系主任李宁教授，默沙东全球高级副总裁兼默沙东中国研发总裁李正卿博士，阿里云副总裁、千问大模型业务总经理徐栋先生及知名投资公司孵化负责人等，深入探讨了 AI 技术在生命科学深水区的价值兑现路径。

主持人杨晓栋以一个极具烟火气的隐喻拉开了论坛序幕：他将医药行业比作一只“肉质鲜美、但外壳坚硬的大龙虾”。新药研发与精准诊疗等“每一块肉” 都价值连城，但处理过程却面临 “壳硬、刺多、扎手” 的重重挑战。

杨晓栋指出，过去十年行业尝试用信息化、数字化的“钳子”去撬动外壳。而到了 2026 年，行业迎来了能自主思考、规划全流程的 “米其林大厨” —— AI 智能体（Agent）。对话的核心不再是工具本身，而是探讨这位 “大厨” 如何深入药研深水区，实现价值的真正兑现。

AI 力与组织变革：破解 “效率悖论”

针对企业引入 AI 后“提效不增收”的现状，现场嘉宾从管理学、产业实践及资本观察维度展开了博弈：

• 清华大学李宁教授指出，当前组织面临 “AI 效率悖论” ，本质是 “马车流程装飞机引擎” 。他强调管理重心正从 “管理人” 转向 “管架构” ，核心在于 “知识编码化” ，即通过定义 AI 的技能（Skill）与约束护栏，将专家的隐性经验蒸馏为系统的永久能力。

• 默沙东中国研发总裁李正卿博士认为，AI 并非简单的替代工具，而是迫使人才向上进化。在处理海量非结构化 “野生数据” 时，人类专家的价值在于对业务逻辑的深层理解与风险闭环控制。

• 知名投资公司孵化负责人从资本视角明确指出，投资公司青睐具备 “AI 原生思维” 的团队，即敢于放弃过往成功经验、重新思考 AI 环境下组织形态的变革者。

• 阿里云副总裁徐栋先生提供了底座视角：随着模型能力越来越强，Token的性价比越来越突出，很多场景AI直接创造业务价值，且远远大于其Token成本，这为组织从 “人力驱动” 转向 “智能体驱动” 提供了必然的经济支撑。

智能体与工具变革

从“赋能人”到“内嵌知识”

当讨论进入工具落地的“深水区”，嘉宾们就如何让 AI 从一个“聊天框”转变为真正的“生产力系统”达成了深度共识：

• 算法确定性的突破：阿里云徐栋先生指出，AI 正在跨越从“问答”到“执行”的鸿沟。最新的 Agent（智能体）架构正致力于交付 “确定性结果” ，通过工程手段让 AI 具备业务逻辑的自我修正能力，解决 “幻觉” 问题。

• 破解数据“野生”状态：默沙东李正卿博士强调，当前最大的挑战是“数据能否被读懂”。他举例提到，如果 AI 能读懂病例中医生非标准的记录，并自动抽取变量，才能真正解决“信息可用”的底层标准问题。

• 从赋能到内嵌的范式转移：清华大学李宁教授深刻阐述道，以前我们是赋能人去用 AI（Chatbot），未来是将知识内嵌于系统（Agent）。当流程被编码，组织将不再依赖于特定个体的熟练度，而是依赖于系统的智能浓度。

• 资本对“原生工具”的审视：投资公司代表提醒，投资界正在重估“工具”的价值。那些仅仅在旧 SaaS 上加一个 AI 插件的产品正在失去竞争力，真正的价值在于那些能够利用 AI 原生能力重构研发任务链路的新兴平台。

算力底座

用“精准手术刀”解构科学计算

针对生物医药对高精度计算的极端需求，论坛探讨了底层算力从“通用”向“专用”的战略升维：

• 国产“天穹”超算架构的专业化优势：长江科学计算中心生物部总监高伟博先生分享了国产“天穹”超算架构在科学计算中的独特地位。他形象地比喻：如果通用 GPU 是什么都能干但不够精细的 “瑞士军刀” ，那么国产“天穹”超算架构则是针对分子动力学模拟、蛋白质折叠定制的 “精准手术刀” ，能以更高能效比处理包含数千个动态靶点的复杂计算。

• 国产算力的爆发节点：阿里云副总裁徐栋先生预测，2027 年相信国产高性能算力更大突破，期待大量对标全球顶尖水平的国产芯片投入市场，解决药研行业的“算力焦虑”。

• 算力主权下的硬件逻辑：投资公司孵化负责人认为，国产替代已不只是成本问题，而是产业安全问题。硬件是躯壳，软件是灵魂，软硬一体的深度结合将决定中国药研在“AI 仿真→真人验证”新范式中的底层底气。

• 研究端的算力自觉：清华大学李宁教授提到，即使是非技术背景的研究者，也开始在办公环境内部署算力资源，这反映了算力正从“后台基础设施”变为“桌面生产工具”的趋势。

当AI力普及、智能体上岗、算力兜底，这三股力量在2026年交汇时，我们生物医药行业的产业结构会不会发生根本性变化？每位嘉宾用一句话表达了各自的观点：

• 阿里云副总裁，千问大模型业务总经理徐栋先生：我特别希望走进医药和医药的公司多探讨，对于我们来说是在产业中学习，模型才能进一步创新。

• 默沙东全球高级副总裁，默沙东中国研发总裁李正卿博士：未来和我们今天的想象很多都是不一样的，我相信未来一定会给我们带来更多的惊喜。

• 清华大学经济管理学院领导力与组织管理系系主任李宁教授：很多人讲AI带来变革，但是变革这个词很难以形容，AI会带来社会的进化。

• 长江科学计算中心生物部总监高伟博先生：我们的临床和试验是基础，科学计算是强有力工具，一定会大力赋能我们整个生物医药的发展。

• 投资公司孵化负责人：我们一直很关注医疗和交叉领域，希望在这两个领域里面我们一起吃肉喝汤。

本场论坛最后达成高度共识：人工智能不仅是辅助工具，更是一场深刻的效率工具革命。随着大型机构与政府的深度介入，行业正进入临界点后的“价值兑现期”。未来的竞争核心正从模型本身转向模型之外的流程设计、约束机制及跨学科协作，企业管理重心需从单纯的“降本增效”转向“创新系统设计”。在 AI 抹平基础效率差距的未来，人类独有的创造力将成为最稀缺的资源，而科学计算工具将全面赋能并驱动生物医药行业的跨越式进化。

百度智能云团队在现场演示了 DuClaw 龙虾部署方案。该方案针对医药行业痛点，提供了主动响应的 Agent 架构，具备更高的文献层级权限。为防范核心资产代码泄露，百度推出了“企业沙箱”，让管理员能够监控 AI 协作过程中的数据流向，确保合规与安全。这一依托主动式智能体架构，为医药研发提供高效、安全的 AI 赋能工具，引发行业高度关注。

从“人力驱动”向“智能架构”的范式跃迁

清华大学李宁教授带来了题为《AI 时代的组织变革和人才发展》的深度报告，从管理学视角犀利破解了当前企业面临的“AI 效率悖论”。

1. 破解效率悖论：为何提效不等于增长？

   李教授指出，尽管 AI 节约的人工可达数百万小时（相当于数千名员工的工作量），但许多企业的营收和利润并未随之增长。

   引擎与旧车效应：这一现象的本质在于企业只是引进了高效的“飞机引擎”（AI 工具），却将其安装在“旧车”（以人为中心的传统工作流）上。

   系统瓶颈：当个体效率提升后，整体系统的上限依然受制于最慢的环节或旧有的审批流程。

2. 管理逻辑的根本转移：从 “管理人” 到 “管架构”

   AI 时代的到来正颠覆传统的管理支柱。传统的管理逻辑是基于人的有限理性、不确定性和成长性，目标是 “让人做正确的事” 。

   确定性转向：AI 时代管理的目标转变为“确保 AI 输出正确”。

   三维一体管理：管理者需从单纯管人，转向同时管理“人 + AI + 工作流”。

   从赋能到内嵌：企业正在从“赋能人去使用工具”（Chatbot 模式）转向“将知识内嵌于系统之中”（Agent 智能体模式）。

3. 人才价值重构：专家定义的演进

   在劳动力市场，传统的“职位”正被解构为可自动化任务、增强型任务和以人为中心任务 。

   消失的阶梯：AI 替代了大量初级工作，导致传统的“学徒式”职业阶梯断裂。个体成长正转向“非线性模式” ，如 Gabriel Petersson 利用 AI 快速跨越学术路径成为 OpenAI 科学家。

   技能蒸馏与反蒸馏：企业追求“技能蒸馏”，即提取高绩效员工的经验转化为提示词或 SOP，从而减少对个体英雄的依赖。

   专家新画像：未来的顶尖人才不再是单纯的执行者，而是“架构师”与“设计者”。他们需具备“AI 力模型” ：即卓越的创造力、基于深厚经验的判断力、复杂的任务解构力以及人机交互的策略能力。

4. 竞争力在模型之外

   李宁教授总结道，AI 时代的效率只是“入场券”，真正的核心竞争力在于如何设计一套能够持续产生独特价值、利用一手数据并进行高阶判断的创新系统。

北京大学肿瘤医院江旻主任分享了《AI在临床研究机构中的应用与探索》，深入阐述了医疗机构从信息化、数字化到智能化的进阶实践，展示了AI如何“落地生根”。

全场景智能质量管控（QMS）

• 从被动到主动：利用 AI 质控模型，将传统的“出错后改正”转变为“基于风险的主动预警” 。

• 100% SDV 的机器赋能：发挥机器在计算与覆盖面上的 “天赋强项” ，实现 100% 原始数据校验（SDV），覆盖人工难以聚焦的时间成本与细节 。

• 数据驱动的预警线：基于既往标准结构产出红色预警线，当试验质量触及阈值时即刻报警，引导研究团队进行根本原因分析，而非简单的补救 。

招募范式的升维：LLM 驱动的智能筛选

• 发动机替换：招募系统经历了从关键词搜索、自然语言模型到 LLM 大语言模型（如 2025 年引入的 DeepSeek 引擎）的进化。

• “野生数据” 破局：针对中国临床一线真实医疗场景下的病历数据，AI 需具备 “读懂病历” 与 “理解场景” 的双重能力。

• 平衡召回与准确率：在实践中采取“高召回、低精准”的输出策略（如 99% 召回率、20% 准确率），确保不遗漏任何潜在受试者，再由专业团队前置预筛选，显著提升入组效率。

药房与流程自动化

• 视觉 AI 赋能：通过视觉药物管理系统，在药师接收与回收药品的自然工作流中同步完成信息录入与数片校验，消除人工误差，实现“一边干活一边记账”的高效协作。

前沿探索：虚拟临床试验与数字孪生

• 数字人仿真：利用基因组测序与超算平台构建患者的“数字孪生”副本，在真实患者入组前进行药效预测。

• 精准验证：江主任分享了与计算医学团队合作的虚拟临床试验平行于注册类试验结果，显示 AI 预测的首次疗效评估的响应结果与实际临床观察完全一致，预示着未来“先仿真、再上人”的精准研发新范式具有巨大潜力。

江旻主任总结道：“医院场景既是数据生产地也是验证场。AI赋能在于解构现有壁垒，未来更需在监管与伦理协同下，探索全新的研发范式。”

开幕式的重要环节之一是DHC社区新书《远程智能临床试验》的发布仪式。该书由羚研创新创始人李高扬及DHC社区编委团队共同编写，前后6年，凝聚了行业专家的智慧与实践经验。这本书不仅是对过往DCT实践经验的总结，更是告别传统模式、迈向智能化新范式的宣言。新书聚焦远程智能临床试验的核心方法与标准，旨在为行业提供一本实操性强的 “工具书” ，助力DCT模式的规范化与高质量发展。

赶风月莫停留，平芜尽处是春山。当AI的引擎被装入临床研究的 “新车” ，一场始于技术的效率革命，正演变为一场触及组织、人才与范式的深层变革。dTrial 2026昭示：唯有直面矛盾、敢于重构，方能真正兑现AI时代的价值，驶向以患者为中心的研发新未来。

长按识别左侧二维码即可关注

我们努力为你提供有内容的内容。