当下的医药行业，一个新的数据矛盾正在显现。

一方面，药企正在积累前所未有的数据资产。全球临床试验数据库、专利文献库、商业管线数据库，以及企业内部沉淀的研发数据、临床经验和专家知识，共同构成了庞大的医药信息体系。

但另一方面，数据规模增长并未同步转化为决策效率提升。在新药立项、竞争分析或临床策略制定中，研究人员仍要在多个数据库之间切换、下载、整理、比对，大量时间消耗在数据清洗而非价值分析上。

“药企不缺乏数据，但只有很好地利用数据，才能发挥数据的价值。”药番茄（Pharmato）联合创始人高飞在接受采访时表示。在他看来，传统数据库解决了信息获取的问题，但距离辅助决策仍有一定距离。

与此同时，人工智能大模型的发展正在为医药行业带来新的可能，但专业场景的落地仍面临挑战。

医药研发和商业决策涉及大量专业知识和高准确性要求，AI不仅需要理解语言，更需要理解疾病、药物、临床研究以及行业数据之间的复杂关系。

“越是垂直、越是专业的领域，对技术的要求就越细化。”药番茄CTO兼联合创始人叶中楷表示。在医药领域，用户需要的不只是能够生成答案的工具，而是能够基于可靠数据、理解业务流程，并支持实际决策的智能系统。

基于这一行业需求，药番茄选择从医药数据智能切入，探索如何利用AI连接数据、知识与业务决策，试图回应药企“怎么利用好数据”的现实需求。

高飞与叶中楷的缘分，始于一家医药大数据公司。

药番茄创始人画像

彼时，两人共同负责全球生物医药大数据产品的研发与商业化。在长期服务药企客户的过程中，他们逐渐发现，行业需求正在发生变化。

过去，药企更多关注如何获取和查询数据；而随着AI技术快速发展，企业开始进一步探索如何利用AI提升研发效率、推动内部数字化转型，以及将数据能力融入从临床前研究到上市后的完整业务流程。

“很多药企已经具备成熟的研发体系和专业人才，但如何利用AI提升日常工作效率、连接不同业务环节，仍然是一个挑战。”叶中楷表示。

也正是在这一过程中，两人意识到，医药行业需要的不只是数据工具，而是能够理解业务场景、连接数据资源并辅助决策的智能化解决方案。

2025年，两人决定再次出发，成立药番茄（Pharmato）。这一次，两人希望将医药数据、人工智能与业务场景结合，探索更贴近药企实际流程的智能化解决方案。

这一方向也决定了团队需要同时具备医药行业理解和技术开发能力。高飞具备临床药理背景，同时拥有数学与计算机交叉经验，长期参与医药数据库建设；叶中楷则负责技术架构与产品开发。两人的合作模式形成互补：一方理解医药业务场景，另一方推动技术落地。

在品牌命名上，药番茄希望在专业属性与年轻化表达之间找到平衡。“‘药’代表医药行业，‘番茄’希望传递一种更加开放、有生命力的品牌感受。”叶中楷介绍，英文名Pharmato则由Pharma（医药）与Tomato（番茄）结合而来。

成立后，药番茄快速推进产品和业务落地。2025年9月，公司官网正式上线；同年12月，SaaS产品第一版发布，并完成首个咨询业务交付。2026年2月，公司进一步完成产品向ToC和ToB场景的拓展，目前咨询业务已服务超过20家药企，系统（pharmato.cn）使用企业接近600家。

在药番茄看来，医药AI的落地并非简单提供一个软件工具，而是帮助药企完成从数据管理、流程优化到业务应用的系统升级。这也是其选择“产品+咨询+数据”模式的原因。

咨询成为药番茄帮助企业启动AI转型的重要入口。团队通过需求调研，协助药企梳理应用场景、规划数据体系，并推动AI能力与实际业务流程结合。

而在需求明确后，标准化产品则成为AI能力落地的载体，数据则构成产品持续优化的基础。“只有好的数据才能带来更优质的产品，再结合更稳定的模型和更高效的智能体，才能形成完整的应用闭环。”叶中楷表示。

药番茄深度集成各类专业数据

在这一模式下，咨询、产品和数据并非简单的线性关系，而是相互促进：咨询发现企业需求，推动产品迭代和数据建设；产品应用反馈进一步优化服务能力；长期积累的数据经验则反哺咨询方案。

目前，药番茄主要面向药企及医药从业者提供服务。企业端覆盖AI产品、定制化部署及咨询服务；个人端则通过订阅模式满足医药从业者的信息检索和效率提升需求。

在“产品+咨询+数据”的商业模式下，药番茄围绕医药行业的数据特点和业务需求，打造了以Integras平台为核心的垂直化AI产品体系，尝试让AI真正进入药企研发、医学和商业决策流程。

整套产品由医药知识库、多智能体系统和AI管线合并工具三大模块组成，分别对应药企知识沉淀、复杂临床分析、全球管线竞争情报整合三大核心痛点。

第一个模块是医药知识库，主要解决药企内部知识分散、难以利用的问题。

药企长期积累了大量研发资料，包括论文、临床报告、学术Poster（海报）、项目汇报PPT等，但这些信息往往以非结构化形式存在，分散于不同部门和系统中，难以被快速检索和复用。

药番茄医药知识库支持PDF、PPT、图片、网页、Markdown等多种格式解析，并针对临床Poster、项目汇报PPT等高密度信息内容进行了优化。通过多模态解析技术，系统能够识别文本、图片、表格以及药物、靶点等关键实体，将原本分散的资料转化为可被AI理解和调用的知识资产。

同时，平台强调全文溯源。AI生成分析结果时，可关联对应文献、段落或图表来源，帮助研发、医学、注册等人员快速核查依据。

药番茄医药知识库操作案例

目前，该知识库已覆盖文献解读、专利分析、法规查询、临床疗效分析等应用场景，服务于药企早研、临床、上市后等不同阶段。

如果说知识库解决的是“信息在哪里”，那么多智能体解决的是“如何利用信息”。

传统医药分析工作往往需要研究人员完成文献检索、数据整理、药物比较和报告撰写等多个环节，过程耗时且依赖个人经验。

药番茄通过多智能体协同架构，将复杂任务拆解为信息采集、数据分析和结果汇总等不同环节，并通过多轮校验提高结果可靠性。

药番茄高可信多智能体操作案例

针对医药场景对准确性的高要求，药番茄提出“500次问答0幻觉”的能力目标。叶中楷介绍，这一能力并非依赖单一模型，而是通过高质量数据源、智能体协作以及结果验证机制共同实现。

与通用大模型相比，医药智能体的核心差异在于对专业数据和业务场景的结合。平台接入包括美国FDA不良事件报告系统（FAERS）等专业数据库，能够辅助药企开展药物安全性分析、临床试验比较以及竞争情报研究。

例如，在临床对比场景中，系统可以自动提取不同试验中的基线数据、有效性终点和安全性指标，形成结构化分析报告，直接服务MSL（医学科学联络官）、MA（医学顾问）等岗位。

除知识管理和分析决策外，药企在研发立项和BD过程中还面临另一个现实问题：如何看清全球竞争格局。

目前，药企通常需要同时参考多个国内外管线数据库，但不同数据库在药物命名、靶点分类、研发阶段等方面存在差异，单一数据库难以覆盖完整信息。

据药番茄介绍，在小细胞肺癌赛道测试中，整合Cortellis、GlobalData、Pharmaprojects、医药魔方等多个数据库后，共获得1341条管线，其中单一数据库最高覆盖率仅为57%。

针对这一问题，药番茄推出AI管线合并工具，并自研Pharmato X1 AI管线合并引擎。该工具支持多个主流新药数据库数据接入，通过智能字段匹配、药物别名识别、研发阶段统一等方式，帮助企业完成多源数据整合。

整套工具仅需四步即可完成全赛道整合：文档上传、智能字段对齐、人工核查拆分、预览导出。系统自动识别不同数据库药物别名、统一靶点与研发阶段标注，区分原始灰色数据源与合并后蓝色标准条目，支持手动编辑修正，最终完整竞争格局表格可导出归档为企业长期数据资产。

对于药企而言，该工具的价值不仅在于减少人工整理时间，更重要的是帮助企业建立更完整的竞争情报体系，为研发立项、BD合作和战略判断提供数据支持。

产品能力最终需要回到真实业务场景中验证。目前，药番茄的智能体、知识库等产品已在药企医学、研发、BD等团队中开展应用。一位药企医学团队用户反馈，相关工具工具极大降低了证据归集与分析工作的时间成本。

当前医药AI的发展仍处于从效率工具向业务工具演进的阶段。

过去，AI更多用于辅助信息检索、文献整理和数据分析；但对于药企而言，真正有价值的应用，并不只是更快找到资料，而是帮助研发、医学和BD团队基于数据完成分析判断。

“我们希望做的是下一代药物情报及临床决策多智能体工具。”高飞表示。在他看来，未来医药AI的竞争关键，不只是模型能力，而是谁能够更深入理解医药业务流程，将数据、专业知识和实际场景结合起来。

目前，药番茄正在基于已有的数据和AI能力，探索向更复杂临床场景延伸，包括虚拟临床试验（Virtual Clinical Trial，VCT）、虚拟对照臂（Virtual Control Arm，VCA）等方向，希望进一步服务临床研究设计、患者招募和上市后研究等环节。

与此同时，公司也在推进国际化布局，希望将积累的医药数据能力和AI解决方案拓展至更多海外药企客户。

对于药番茄而言，探索的并不再是一个简单的效率工具，而是一种新的医药信息协作方式——让沉淀的数据被理解、被调用，并最终服务于研发和临床决策。

在医药创新越来越依赖数据驱动的时代，如何让数据真正产生价值，也将成为AI赋能医药创新发展的重要命题。