从“拼人效”到“拼AI+专业交付”，CXO价值链正在被重构

2026年，AI制药正在从“能不能做出分子”的技术验证阶段，走向“能不能真正创造产业价值”的商业化阶段。

开年仅15天，全球AI制药领域已发生超过9起合作，披露交易总额超过60亿美元；礼来与英伟达也宣布未来5年共同投入超过10亿美元，建设AI药物共创新实验室。与此同时，武田、阿斯利康等跨国药企持续将AI纳入研发体系。

当AI把药物发现的效率不断推高，另一个问题也开始浮出水面：如果未来分子发现越来越快，承担临床开发、数据管理、患者招募和试验运营等工作的CXO会受到怎样的影响？AI究竟是在替代CXO，还是将临床研发带入新的效率周期？

9月15日，动脉网联合微解药主办的中国创新医疗资产会客厅“交易圆桌派”第31期，以“AI不杀CXO？如何重构行业价值链！”为主题，邀请太美医疗科技副总裁、全球临研交付部负责人蔡鑫，国金证券医药组组长、首席分析师甘坛焕，以及有临医药创始人、董事长王俊林，从产业服务、临床研发和资本市场三个视角，讨论AI制药与CXO之间正在发生的关系变化。

三位嘉宾的讨论并没有简单落在“替代”或“不替代”上，而是进一步把问题拆解：AI究竟会进入临床研发的哪些环节？哪些工作会被压缩，哪些能力反而会被放大？当AI从工具变成平台，又能否真正转化为订单、收入和利润？

AI制药正在加速药物发现，但从“更快找到分子”到“更快做成药”，中间仍隔着漫长的临床开发。

蔡鑫认为，AI制药的下一阶段重点将从发现端延伸至临床端。太美医疗科技提出“AI for success”，核心是通过AI提升临床开发效率，推动候选药物完成价值验证。2026年上半年，太美医疗科技AI临床开发平台相关新增合同额为2.66亿元，同比增长47%，但传统药企订单仍占主流。蔡鑫强调，无论分子是否由AI发现，进入临床后都需要满足同样的监管证据要求，因此发现端的效率提升并不会自动传导至临床端。

王俊林认为，新药最终仍要回到临床价值，包括疗效、安全性、便利性和可及性。无论分子来自传统筛选还是AI辅助发现，最终仍要通过临床验证，并进一步接受真实商业价值的检验。同时，他观察到AI制药客户在临床服务中的占比正在提升，但传统药企也在使用AI，两类客户在研发速度、合规性及后续商业化协同等方面的关注点有所不同。

从资本市场看，甘坛焕认为，AI并不是当前中国创新药License-out增长的唯一驱动力，中国创新药产业多年积累的研发、临床和产业化能力仍是基础，AI更多承担“放大器”的角色：一方面直接推动AI参与研发的资产进入交易，另一方面通过提高立项和研发效率，增加可进入BD谈判的资产数量。

三位嘉宾的观点最终落在同一个问题上：AI制药的商业闭环，不能只看发现端的速度，还要看AI能否进一步提高临床开发和价值验证效率。

AI进入临床研发后，首先受到影响的并不是所有CXO环节，而是那些标准化程度高、数据结构清晰、重复性强的工作。

甘坛焕认为，判断AI对不同CXO环节的影响，可以关注三个变量：数据结构化程度、决策链条长短和监管约束强弱。越标准化、越容易被数据定义的环节，AI渗透越快；进入临床阶段后，患者招募、中心管理、数据管理等工作涉及更多人与人的协作，同时受到监管约束，AI目前更多是辅助临床人员完成部分工作。

王俊林则认为，临床CRO并非单纯的劳动密集型行业，还具有明显的智力密集型属性。一项临床试验背后，需要医学、运营、数据、法规和临床资源持续协同，尤其是专家和临床中心的选择，本身就依赖长期经验积累。因此，AI更现实的作用，是减少重复性工作，让专业人员将更多精力投入策略判断和科学决策，同时将过去项目中的经验和知识进一步沉淀下来。

蔡鑫结合太美医疗科技的实践指出，AI智能体已覆盖方案撰写、中心筛选、患者招募、运营管理、数据管理等环节：iDM数据管理智能体能够推动建库效率提升80%，iCTA文档管理智能体能够让文档属性填充时间减少70%，iPV药物警戒智能体处理超1000份药物警戒报告的成本仅为传统人工的三分之一。但他同时强调，AI能否真正承担工作，取决于场景是否高度数字化、流程固定、高频重复且验收标准明确。

AI对CXO的影响更可能首先体现为工作方式和人力结构的变化：标准化、重复性工作被AI重构，而专业人员的价值更多转向临床策略、科学判断和复杂协同。

从“能不能用”走向“有没有商业价值”，三位嘉宾进一步把讨论落到了订单和收入。

王俊林认为，AI价值更重要的是能否转化为更高效、更高质量的临床交付。为此，有临医药今年做了两项主要投入：一是搭建AI底座，涵盖数据、知识库、业务系统一体化及合规部署；二是上线一批智能体，包括医学翻译写作、智能化招募平台（患者入排匹配从1小时以上压缩至约3分钟，支持与100家招募公司在线匹配及多中心患者漏斗可视化）、CRA教练与项目经理AI助理。

蔡鑫则从商业逻辑补充：短期看AI更像CXO获取订单的“门票”，客户不会单纯因为企业用了AI就多付钱；长期来看，AI临床开发平台将成为支撑整个医药创新产业高质量发展的底层基础设施。太美医疗数据显示，AI核心平台文思智能新增合同额1.24亿元，同比增长67%；收入同比增长48%。蔡鑫介绍，在实际项目中，AI编程智能体已可使约50%的编程工作实现自动化或智能化，并将部分工作从小时级缩短至分钟级。

甘坛焕则从资本市场角度提出了更具体的观察指标：AI相关收入是否进入财务报表、人均创收和毛利率是否改善，以及是否有真实客户案例和持续复购。相比单个标杆项目，客户是否持续购买更能说明AI是否已经真正进入业务流程。

因此，判断AI商业化，关键不在于企业“有没有AI”，而在于AI能否进一步进入订单、交付、收入和利润。

AI进入医药产业链后，AI制药与AI赋能CXO虽然都使用AI，但在资本市场面前承担的是两套不同的价值逻辑。

甘坛焕认为，AI制药企业的核心是AI能否帮助研发出药物，价值更多来自平台能力、管线进展以及后续临床、BD等事件，因此具有更强的风险资产属性；而AI赋能CXO的核心，则是AI能否提高研发服务效率，最终仍要回到订单、收入和盈利能力。

蔡鑫则从企业经营角度提出，判断AI是否真正创造价值，要看其是否进入损益表。对于临床研发平台，人效、人均交付项目数、毛利结构以及业务准确率、一次通过率等指标，都可以用来观察AI是否真正改善了经营效率。对于人天占比较高的企业，AI带来的毛利结构变化甚至可能早于收入端体现。

王俊林观察到，AI已经成为投资人、客户乃至股东关注的重要问题。随着AI进一步沉淀和复用CRO的知识与资源，企业自身的专业优势和差异化能力也将更加凸显。在他看来，未来CRO行业的集中度与AI渗透率都可能进一步提升，但临床试验中的科学判断、专家沟通、中心管理和多方协作，仍需要专业人员参与。

圆桌最后，三位嘉宾分别从投资和产业实践角度，对未来AI+CXO的发展做出判断。

甘坛焕认为，下一阶段更值得关注的不是AI技术本身，而是效率红利能否真正进入报表。软件订阅、License以及风险共担等商业模式已经出现，接下来需要验证的是，AI带来的效率提升能否进一步转化为订单、人效和利润率。

王俊林将有临医药的AI应用概括为“三步走”：第一阶段，AI作为工具辅助人工作；第二阶段，部分工作由AI执行，人负责管理和判断；第三阶段，让AI进一步参与更复杂的临床开发决策，帮助项目更好地成功。

蔡鑫认为，未来3—5年，患者招募初筛、数据管理、统计分析、医学监察、不良事件报告处理等标准化程度较高的环节，智能化程度有望进一步提升；而涉及受试者沟通、样本采集、监管责任以及多方协调的环节，仍需要人工参与核心决策。

这也意味着，“Human in the loop”仍将是临床AI的重要原则：AI可以进入流程前端，承担更多信息处理、分析和执行任务，但涉及关键判断和监管责任的环节仍需要专业人员留在“回路”之中。

从这场圆桌的讨论来看，AI与CXO之间并非简单的替代关系，而是能力放大与范式升级。

AI首先改变的，是临床研发中大量标准化、重复性和可评价的工作；随着数据、知识库和智能体进一步进入业务流程，它还可能改变CXO内部的人力结构和交付方式。

但临床开发的价值并不只来自执行本身，还来自专业判断、临床资源、项目管理、监管责任以及复杂协作。

对于CXO企业而言，AI带来的真正挑战或许不是“会不会被AI取代”，而是能否把AI从一个工具变成真正嵌入业务流程的生产力，并进一步与自身的临床专业能力结合起来。

对于AI制药企业而言，类似的逻辑也正在发生变化：药物发现端的效率提升只是第一步，真正决定商业闭环的，是这些更快产生的候选分子能否经过临床验证，最终成为具有临床和商业价值的药物。

而从资本市场角度看，判断这场变化最终能走多远，或许也会回到几个朴素的问题：订单有没有增加，人效有没有改善，收入有没有兑现，利润率有没有变化，客户有没有持续复购。

当AI开始进入这些指标，AI+CXO才真正从技术叙事走向产业价值。