药物警戒（Pharmacovigilance，PV）是一个很少被公众谈论，却与每一款上市药物、每一位用药患者息息相关的领域。

PV的日常工作，是从海量的邮件、热线、文献和社交媒体中捕捉安全性信号，把零散的信息变成符合法规要求的报告，再递交给监管机构。长期以来，这项工作被大量机械、重复的数据处理所定义，是一个典型的“成本中心”。

但万帮喜不这么看。在辉瑞、葛兰素史克、施贵宝、百特等跨国药企深耕药物警戒近二十年，又曾主导过国内头部医疗科技公司PV业务之后，他在2026年选择再次出发，创办了嘉兴达诺时代智能科技有限公司（以下称“达诺科技”）。

万帮喜的判断很明确：中国创新药的密度在提升，药物警戒需要回答的科学问题正在变多变复杂，而AI恰好到了能真正嵌入这条强监管链路的时刻。

基于这个判断，达诺科技从成立之初就锚定了IA（Intelligence Automation，智能自动化）的定位——不做通用大模型套壳工具，而是打造一套名为SmartPV的智能药物警戒管理平台。

它的任务很具体：把PV从业者从数据录入和报告生成的重复劳动中解放出来，同时确保AI产出的每一个中间结果，都经得起GxP合规的审视。

目前，达诺科技已完成近千万元天使轮融资，投资方为泰煜投资，资金主要用于 Smart系列AI平台升级与数字员工体系打磨，使其更贴合制药行业的法规与监管要求。

理解达诺科技的SmartPV产品，需要先理解药物警戒工作的颗粒度。

一份个例安全性报告（ICSR），从接收到递交，中间要经过邮件识别、信息提取、医学审核、编码、质疑管理、叙述生成、监管递交等多个环节。

传统的AI工具往往试图用一句提示词“帮我处理这份报告”，这在消费场景或许可行，但在制药行业，一个字段填错、一个信号被误判，后果可能是系统性的问题。

SmartPV的产品设计，正是围绕这些环节逐一展开的。从产品架构来看，平台覆盖了PV运营、风险管理、PV合规和递交分发四个核心板块。

在最前端的安全信息接收环节，SmartPV通过专用邮箱、热线和互联网信息捕捉工具，实现对安全性信息的持续监测与识别；进入ICSR处理阶段，AI承担数据结构化、医学审核辅助和事件描述生成的职能；到了报告递交环节，系统则完成向监管机构的自动化递交以及与合作方的报告交换。

这套链路的关键在于“拆解”。

万帮喜在采访中举过一个很具体的例子：达诺不允许用户上传一份Word文件后就视为录入完成，因为那意味着AI识别了什么、人干预了什么、哪个字段存疑，全部变成了不可追溯的黑盒。

SmartPV的做法是把流程拆到最细的字段层级，AI在每一个节点上只做被限定的动作，遇到模糊或矛盾的信息，系统会触发“举手提问”的交互，由人来判断。整个过程的每一步判断，都留下可审计的痕迹。

换句话说，SmartPV是一个把专家经验固化到流程细节里的工程化系统。它的产品逻辑不是“让AI自由发挥”，而是“让AI在人的规则框架内精确执行”。

达诺的技术路线，在底层可以概括为一句话：自研AI引擎是大脑，RPA（机器人流程自动化）是手，知识沉淀是规则来源。

通用大模型的能力来自海量数据的预训练，但在药物警戒这样的垂直领域，可用的高质量标注数据远没有互联网语料那样充沛。

达诺的解法是反向的——由从业二十余年的业务专家，把隐性的行业经验、法规理解和操作规范提炼成结构化的业务规则，直接“教”给AI引擎。AI不需要从零开始学习什么是ICSR、什么是SUSAR，它从知识出发，而不是从数据出发。

在这套架构之上，Human-in-the-Loop（人在环中）不是一句口号，而是产品设计的前置约束。

SmartPV的每一个自动化环节都设置了人工确认节点，AI生成的所有中间结果——识别出的字段、提取的事件描述、初步的信号判断——最终都需要人来核准。

万帮喜提到，产品设计甚至要考虑人的复核疲劳与操作惯性：当AI生成的东西乍看非常正确时，人容易偷懒跳过复核，因此系统必须在机制上确保确认动作真正发生，而不是流于形式。

这种克制，恰恰构成了达诺在GxP场景下的技术壁垒。

它不追求让AI“更聪明”，而是追求让AI“更可控”。在一个监管对AI应用持“鼓励但极度谨慎”态度的医药行业，可控本身就是最稀缺的能力。

SmartPV的技术形态，直接决定了达诺的商业打法。

传统PV软件走的是标准SaaS路线：一套产品覆盖行业最大公约数，客户调整流程来适配系统。但每家药企的管线、SOP和历史沿革都不同，标准SaaS带来的流程改造和组织摩擦，在很多情况下抵消了软件本身的价值。

达诺选择的是另一条路：最大限度保留客户既有的流程，让AI去适配企业。

底层的工作流引擎、RPA能力和规则模块是共用的，差异体现在表层的流程编排上。由于团队本身既懂PV业务又能直接对话技术实现，交付周期和成本被压缩到传统定制开发难以比拟的水平。

落到收费模式上，达诺卖的不是软件授权，而是“数字员工”。

客户像引入基础岗位人员一样，采购对应数量的数字员工来承担邮件处理、数据录入、报告初稿生成等可被清晰定义的工作，PV团队则把时间投向信号评估、风险管理和医学判断。

目前，SmartPV和SmartTrial平台已经上线，基于这两个平台，达诺已完成数个数字员工的培训与交付。某大型疫苗企业的PV定制化项目实现数据处理提效50%，某大型CRO公司的合作项目也在推进中。

支撑这种模式规模化的，是达诺正在打造的“数字员工办公室”——一套将数字员工的培训、部署、管理和迭代标准化的内部体系。

达诺的商业目标也相当务实：不靠烧钱换规模，在1到2年内实现规模性盈利，用健康的现金流支撑一条更慢但更扎实的路径。

工具提效之外，达诺还在向更深的风险管理服务延伸，这也是它区别于传统 PV 软件厂商的关键一步。

公司倡导RMO（主动风险管理模式），其核心逻辑是把药物警戒数据与医药、法律、保险资源打通。

在GCP与MAH制度框架下，法规明确要求申办者提供“保险、保证”责任，达诺试图借助自身的数据积累与专业网络，探索将安全性数据与保险方案、法律支持相融合，为患者提供更实质的安全保障。

目前，达诺已进入行业生态，与平安财产保险等机构同台参展；万帮喜本人也正积极推动法律与保险资源融入药物警戒链条。

这是药物警戒价值链条的自然延伸，也是万帮喜复合职业背景的集中落地。

医生、药师、律师的多重身份，让他既能看懂临床安全数据的专业价值，也能厘清保险条款与法律责任的边界——这是纯技术出身的AI公司、纯交付出身的PV服务商都很难同时具备的能力。

但这条路注定不会走得太快。

国内MAH制度下的药品责任体系仍在完善，企业对主动风险管理的付费意愿尚在培育，医药数据与保险、法律场景的深度打通，还要跨越数据安全、监管政策等多重门槛。

RMO能否真正成为达诺的第二增长曲线，既需要自身持续深耕，也等待行业土壤的逐步成熟。

“达诺二字，取自‘达成承诺’。”万帮喜说——对客户承诺合规与提效，对患者承诺安全与保障，对行业承诺长期主义。

在医疗AI轮番上演概念热潮的当下，这家把缰绳（Harness）交给人、让AI在规则内奔跑的公司，正用自己的节奏证明：医药行业的技术创新，从来都是走得稳，才能走得远。