社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

重磅!AI制药或迎Chatgpt时刻:DIP化身药界OpenAI,重塑全球制药研发格局

动脉网 • 昨天 • 35 次点击  


2025年,新药研发领域正迎来专属的“ChatGPT时刻


新药研发临床阶段超过50%的成本,以各类文本的生成和传递为核心。生成式AI已突破早期仅作为文本翻译或简单写作工具的局限,进化成为能够深度重构药物研发全流程的原生智能平台。“从文本开始”的反共识路线,正在打开制药业数字化的新局面:通过对海量临床研究方案、监管申报资料等文本的智能理解和生成,AI有望驱动药物研发实现从0到1的跨越式创新。


深度智耀(Deep Intelligent Pharma,简称DIP)正是这一变革的引领者。2024年以来,中国base企业DIP持续“震动”海外制药行业,被业界普遍视为药界的“OpenAI”,其生成式AI平台正在让新药研发从繁琐文档中解放出来,效率和准确性实现质的飞跃:文档生成时间减少超90%;监管提交速度提高75%。DIP的革新不止于传统文档,更将数据库、数据分析及统计编程等视为其“大文档”智能化处理的范畴。


2025年微软Build大会现场,DIP作为亚太地区AI医药唯一受邀演讲嘉宾,以AI制药实例首次“震撼全场,分享了DIP生成式AI在药物研发中的应用实例——由AI自动撰写临床试验方案,实现“零返修”并一次性通过日本PMDA审批,显示出对传统研发流程的深度优化潜力。


DIP代表在2025微软Build大会的演讲


在此次独家访谈中,DIP创始人兼CEO李星女士向我们描绘了“ChatGPT时刻”的台前幕后——DIP如何凭借多智能体架构的技术路线、覆盖全链条的产品矩阵、“包工头”式的一站式服务,打造出AI制药领域的独特竞争力?从技术创新到商业落地,DIP又有怎样的国际化视野和长期主义思考?



01

以“真实需求”为导向,“自研模型能力边界”为手段,构建一键生成,全链加速的产品体系



医药研发是一个高度依赖文本信息的领域。从新药靶点的文献调研、临床试验方案的设计,到监管申报资料的撰写,研发流程中的每个环节都会产生海量专业文档。实际上,过去这些蕴含巨大价值的“无形文本资产”往往被忽视,不仅存在认知局限,且缺乏系统性管理和高效应用工具,打破海量、繁琐、冗长的应用瓶颈。例如,一份完整的临床试验Protocol常常需要团队耗费数月时间反复撰写和修改,而新药注册申报资料需要根据不同监管编制撰写多版,更是复杂繁琐、容易出错。


DIP团队意识到,如果AI能够读懂并直接生成专业文本,将大幅提升药企的研发效率和合规准确性,同时降低注册申报等关键环节的人力和时间成本。李星谈到:“相比于直接去做分子设计或筛选,我们先把研发过程中的‘文字工作’变成AI可以大展身手的舞台。生成式AI赋能下,文本智能不仅可以自动撰写文档,更能够产生一些人类专家也想不到的创新见解,比如为罕见病试验设计全新的临床终点、为监管咨询会议自动生成有理有据的论证材料。事实证明这是非常有威力的切入点,对于提升新药研发的成功率和速度非常关键。”


由此出发,DIP专注于搭建医药领域的AI原生多智能体架构。“简单来说,我们不是用单一的大语言模型去解决所有问题,而是开发了一组彼此协作的智能代理(Agent),每个Agent擅长处理研发流程中的不同任务。”李星提到,有的Agent负责读取文献提出假设(Hypothesis Agent),有的Agent专注撰写临床方案、研究报告(Protocol Agent、Writing-X平台),有的进行自动翻译(Translation-X平台),还有Agent负责数据验证和合规检查(Validation Agent)等。


不同功能的Agent组成一支“AI团队”,实时分工协作,通过一系列高度自动化衔接,实现了制药研发全流程的数据标准化输出,大幅减少人工介入,有效替代了传统研发中各环节分散人工撰写、低效协作的“人力拼图”流程。


当研发人员需要撰写一份新药的临床试验方案时,DIP平台会自动调用相应Agent:先由语言模型理解试验背景和目标,规划出方案框架,然后Writing-X自动撰写文本,接着Validation Agent即时校对确保格式和法规要求正确,最后Translation-X可以将方案快速翻译成中英日等多语言版本。


DIP自主研发的AI多智能体平台架构示意


“可以说,DIP打造的是一个医药研发领域的‘AI笔手’,让AI像专家一样去思考和写作。正因如此,很多合作伙伴形容我们是在做医药界的ChatGPT或OpenAI,希望借助我们的技术实现研发范式的转变。”李星强调,在与全球1000多家药企、CRO的众多项目训练下,DIP底层大模型逐步搭建起对医药文本的理解和生成能力,生成内容的错误率显著降低,输出质量和专业度可以媲美资深人类专家。与此同时,模型生成效率极高,学习新领域知识只需极短时间。


具体来看,DIP围绕制药企业在研发各环节的文本处理需求,设计出覆盖药物开发全流程的产品矩阵,真正做到“一键生成、全链协同”:


■ Writing-X智能自动撰写平台


药企从立项到上市所需撰写的大部分文档,包括临床试验方案、CSR(临床研究报告)、CTD模块文件、药物安全性更新报告等,都可以交给Writing-X自动完成初稿,再由人做少量修改确认。


■ Translation-X医疗级机器翻译引擎


针对药企的多语种环境,DIP的Translation-X深度定制了医药术语和行文规范,翻译准确率远超通用翻译工具,同时可无缝接入Writing-X,实现撰写+翻译一体化输出。


基于大文本角度,DIP还围绕两大核心平台建立了一系列智能化解决方案,形成大一统文本矩阵,覆盖了药物研发全链条中所有与“文字”相关的场景:


 智能EDC系统,用于智能数据采集以及稽查;

 智能药物警戒(PV)系统;

 eCTD智能申报系统,自动整理生成符合电子通用技术文档标准的申报资料;

 eTMF智能文档管理,用于临床试验过程中的电子主文档归集;

 临床数据智能分析等


正因如此,李星将DIP的全产品矩阵生动地比作“AI智能体包工头”——“就像建筑工程里的总包工头要统筹各分包协作一样”。对于药企而言,这意味着不再需要分环节外包给传统CRO或SaaS型软件公司CRO,而是享受一站式的智能大文本生产服务。



02

AI“员工”上岗,推出“不满意,不付费!”搅动行业格局



在AI时代,深度智耀(DIP)正引领医药研发服务模式的革新,其核心在于实现快速的定制化交付。当客户需求下达,DIP的AI工程师能够迅速从其丰富的模块库中组装出项目专属的智能体(Agent),如同搭建积木般高效灵活。这种以“效率为先”的理念贯穿全链条,不仅体现在AI技术本身,更融入服务的每一个环节。


DIP深知效率对药物研发的生命线意义,因此始终以辅助者角色,专注于AI模型产品的打磨,而不涉足新药创制本身。为确保服务的即时响应与深度支持,DIP构建了全球化部署与本地化支持相结合的运营体系。在中国、日本、新加坡等地设立的团队,覆盖了亚洲、北美、欧洲等主要医药市场,能够实现24小时、跨时区、跨语言的无缝对接。“让服务不下线”是他们的承诺:日本团队下班,北京团队接力;美国客户遇到问题,新加坡团队已准备就绪,确保第一时间响应客户需求。


这种敏捷的定制化能力,源于DIP对不同药企风格、领域及赛道的深刻理解。签约初期,专家团队便会深入客户现有的文档体系与SOP标准,针对性地训练和调整AI模型,并根据具体需求灵活组合Agent,形成高度定制化的解决方案。更重要的是,这种模块化组合允许方案随客户新需求的出现而即时调整和进化,许多新功能甚至是在与老客户的共创中诞生。


AI带来的显著成本降低,使得DIP能够提供近乎“无限(UNLIMITED)”的服务能力与价值。这一点也体现在其创新的商业模式上:DIP在行业内率先推出“不满意,不付费”的承诺,以此直面客户的真实需求,与客户共担风险。此外,公司还推行结合效果付费和订阅制的付费方案,例如,客户使用DIP平台成功完成临床试验方案撰写后,DIP才据此收费;或客户选择年度订阅,按文档产出量阶梯定价。这种模式将DIP的收益与客户的申报成功率深度绑定,真正实现了与客户的共赢,也带来了超过99%的客户复购率。这充分证明了 在AI的赋能下,高效、定制、大规模且真正以客户为中心的服务已成为可能。


结合模块化、定制化解决方案,DIP还在实战中挖掘出了AIGC在“从0到1”的创新潜力。医药创新公司Ayumo开发了一种步态分析软件,用于评估人类健康——这类步态分析在过去没有先例指标可循,因此试验设计需要找到一个全新的临床终点和方案。DIP的推理模型通过阅读相关的文献和公共数据库,在3天内就自动生成了一套完整的I期临床方案和终点设定建议。其中,主要终点的创新性设定上,AI提出了一些人类之前未想到的步态学指标组合,既科学合理又具有创新性。基于这一设定的实验设计方案很快被PMDA接受,并特别询问了其中终点设定的依据。


在几乎空白的领域里,通过对已有文本知识的整合与推演,AIGC找出了人类专家可能忽略的路径,具备了超越传统方案的潜力——不仅是效率和速度的巨大提升,还是创新性与精确度的跨越。李星认为:“AI像一个高速奔跑的年轻天才,人类专家像经验丰富的导师,因此人机协同能够迸发出更强大的创新能量,结合才能又快又稳地把事情做好。”



03

坚持国际化、三位一体战略,做长期主义的医药产业陪伴者



与全球医药产业并进的这些年,李星和她的团队见证了许多变化,AI可赋能的更多应用场景正在涌现。近5年来,中国创新药企更多走出国门,在海外开展注册申报、临床试验,与国际性医药巨头建立管线合作、BD交易。其中,跨语言、跨文化的沟通障碍,差异巨大的监管要求与标准框架,往往让许多企业碰壁。


李星认为,AI将成为中国医药出海的标配工具。一方面,基于服务全球制药产业的定位,DIP在跨语言和跨法规支持上有深厚积累。Writing-X和Translation-X在中英日多语言方面都有深度优化,能够自动将中文的临床试验资料翻译成符合FDA、EMA或PMDA术语规范的英文或日文文件。相比传统翻译公司或人工翻译,不仅在速度上快了几个数量级,且“懂医”——术语和措辞非常专业统一,减少了误解风险。同时,平台内置了各主要监管机构的合规规则校验功能,如美国FDA的电子化提交格式(eCTD)要求、欧洲的数据隐私合规要求、日本PMDA的质疑点列表等。


另一方面,“出海”不仅是语言的翻译,更涉及数据标准的对接和法规思维的转变。沟通方面,DIP也会帮助部分客户起草跨国合作沟通的邮件、会议材料,提供同声传译式的实时翻译支持等。李星说:“DIP的价值就是做一个桥梁,帮中国药企把本土的数据和文档转化为国际通用的语言和标准。曾经有一家国内药企BD负责人感慨:有了DIP,我们和老外谈合作时腰板更硬了。因为过去他们怕交流不到位而吃亏,现在有AI辅助,材料和表达都很专业。这就是我们希望带来的改变——帮助中国创新融入全球,同时也将全球的先进经验引入中国。


在李星的心目中,DIP首先是一家AI驱动的科技公司。放在制药行业这一应用场景中,DIP被她定义为“赋能制药研发全流程的平台型服务商”。从基层技术创新,打造专有的AI原生多智能体平台,到寻找市场真需求、落地实际场景、验证商业模式,DIP已经服务了全球1000+药企,累计完成2万多个注册申报文档交付,处理了50亿+字的医药文本,超99%+客户续约与追加合作。资本方面,深度智耀获得了红杉资本、真格基金等顶尖投资人的青睐,已完成四轮融资。


技术创新方面,DIP将持续探索医疗大模型、引入图像生成、分子生成等多模态AI能力,丰富平台模块与智能化程度。目前已与微软亚洲研究院、谷歌等展开了深度研发合作,攻关下一代医药AI模型。


产品与场景拓张方面,DIP计划搭建一系列AI 原生平台,将已有点状功能拓展成面,构建高度智能化、系统化、长线化的整体运营平台,同时扩展在药物警戒、人类遗传资源管理、数统编程、临床药理等垂直领域的平台型解决方案。


全球化拓展方面,依托在亚洲和美国市场的业务基础,DIP接下来将向欧洲市场发力。结合中国创新药出海和国际医药合作的大浪潮,DIP会顺势而为,全面铺开服务网络,力求成为跨国药企研发团队的标配平台。


采访最后,李星谈到了她心中的长期主义——DIP要始终与制药行业的发展同频共振,根据实际需求不断调整自己的方向和策略。医药研发是漫长而严肃的事业,同时也是技术导向与更新迅速的创新型行业。正因如此,DIP需要以灵活和务实的理念,在变化中保持生命力


她说:“DIP希望成为一家基业长青的企业:一方面以技术创新推动行业进步,另一方面通过稳健的商业模式实现可持续增长。只要持续为客户创造价值,商业回报和社会价值都会水到渠成。我们希望,十年、二十年后回头看,DIP能够深深融入新药研发的底层基础设施中,就像今天的药企离不开Office软件一样。”


从“文本智能”这个反传统反共识的起点切入,DIP站在了AI引领制药行业变革的风口。不过,故事才刚刚开始——随着AI技术成熟和数字化浪潮推进,更大的机遇和飞跃还在前方,DIP将与更多志同道合的伙伴一起见证并书写这个医药研发被AI重塑的新时代。


*封面图片来源:123rf


如果您想对接文章中提到的项目,或您的项目想被动脉网报道,或者发布融资新闻,请与我们联系;也可加入动脉网行业社群,结交更多志同道合的好友。





声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据,均由受访者向分析师提供并确认。
动脉网,未来医疗服务平台

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/183299
 
35 次点击