文｜刘泊伟

生成式人工智能是一种能够不断生成新内容和思路的人工智能技术，它可以通过模仿人类的创造过程，将人工智能从“使能者”提升为“协作者”。据估计，到2032年，生成式人工智能市场规模将达到2,000亿美元，占据人工智能支出总额的约20%。该技术在生物医药自动化领域会有怎样应用呢？本文以作者视角从文字、图片、代码、生产预测等生态进行了展望，为行业同仁提供一些参考。

一、什么是生成式人工智能

相对于传统人工智能中的“推理型”和“决策型”，生成式人工智能更注重于从不同的维度和角度去发掘和创造新的价值，为社会带来更多的创新和进步。

生成式人工智能可以通过创建类似于其所训练的数据的新颖数据来模仿人类的创造过程，将人工智能从“使能者”提升为“协作者”。Gartner估计，到2025年，超过10%的数据将是由人工智能生成的，预示着一个新时代的到来。

很多企业都意识到了这个技术的飞速发展和技术、市场前景，已开始布局该技术领域，相关机构对企业的生成式人工智能技术开发、应用的阶段进行了调查：约半数企业已经开始投资创立相关公司、建设团队，甚至已经开始构造解决方案，建立运行，另一半企业中也有相当比例的企业在学习该技术。

二、在医药领域的应用情况

2010年的一项研究显示，一种药物从研发到上市的平均成本约为18亿美元，其中药物研发成本约占三分之一，整个研发过程需要长达3至6年。生成式人工智能已被用于将各种用途的药物设计周期缩短到几个月，减少制药行业的药物研发成本和时间。据《ChatGPT 背景下的医药行业数字化转型新范式研究报告》显示，医药行业目前主要应用测试多体现在文献查询、汇总和分析能力、按照大模型的生成式预测、规范/文献解读、竞品对比、临床问询/咨询、实体识别等方面，测试结果不尽如人意，有待提升和完善。主要在以下方面进行了尝试：药物研发；临床研究；医学学术推广与患者教育；文书撰写、翻译与润色校验；文献智能阅读与摘要生成能力；临床疾病诊疗应用。

三、行业应用展望

医药行业在做生成式人工智能技术的尝试，其他领域同样也在做这方面的布局和探索，在一些领域稍有成果。

在医药自动化领域会有怎样的发展前景呢？我想每个人都有自己的“哈姆雷特”。结合生成式人工智能模态，个人认为将来可能会在以下方面有应用前景。

（一）文字方面

专业信息收集、搜索、解读：可以替代现有常用搜索引擎，如百度、google等，同时，可以更精准检索到相应的专业技术资料，并且随着生成式LLM的数据逐步完善，可以让检索结果越来越准确；遇到不了解、不熟悉的设备选型，可以通过生成式人工智能进行学习了解，快速获取该设备选型应用的关键关注点，以提高选型准确度；行业里对于一些标准规范有不同的解读和理解，对于不是很专业的人会有不同的理解，往往会造成一定的偏见，生成式人工智能可以帮助进行规范解读，获取精准的理解。

文件编辑：可以结合具体需求，提供针对性的解决方案，甚至能够提供相关图片，同时，可以提供一些个性化、有创意的方案、建议供参考。医药企业通过大模型平台，可以将文字进行逻辑梳理和文字充实，将问题说明清晰且符合逻辑；在大模型基础上，可以开发验证小模型，实现输入需求后，系统自动编辑一份合规的验证文件模板。

聊天机器人：各搜索引擎均上线了聊天机器人，公司官网可以考虑提供人工智能机器人解答常见问题，或者设置行业专业问题技术机器人，解答工程现场/生产现场常见问题，同时也提升企业知名度、企业形象。

（二）图片形成方面

自动生成效果图：输入需求，系统自动生成效果图，供客户快速、直接了解方案落地效果，提升用户体验。

三维模型：随着大模型逐步完善，开发专业小模型，实现输入P&ID和平面布置图及必要文件后，系统自动生成三维模型，管道工程师仅需要在此基础上修改完善即可，缩短三维建模周期，提升工作效率，且在售前端快速提供客户三维效果，显示生成的控制室三维效果图，方便在客户面前快速展示方案效果。

智能设计：通过学习历史数据和规范，自动化地生成设计方案，提高设计效率和准确性。

竣工文件：类似于验证文件模式，快速生成竣工文本、图纸等文件。

（三）代码编写方面

组态软件脚本编写：可以尝试、实现组态软件的不同形式功能，如多样的报表、复合操作习惯的个性化功能等；

新技术想法验证：可以尝试嵌入视频监控、新型报表、能源分析等功能。通过输入需求，平台自动生成报表脚本，可以直接复制到程序中测试应用，大大提高了工作效率。

事故预测：建立模型（黑模型、白模型），通过分析工厂的历史数据和实时数据，预测可能发生的事故，并提供相应的预防措施。

智能维护：通过分析设备的使用情况和维护记录，预测设备的故障和维护需求，提高设备的可靠性和使用寿命。

（四）生产预测方面

建立生物数据特征/合成反应机理算法模型：通过历史数据验证、驯化模型，再结合实际生产批次数据，提供生产优化建议，实现自感知、自适应、自调节。

生成式人工智能+专家经验：构建智能数字专家，提高项目、生产专业问题快速、准确解决能力。

（五）数字人

数字人在生物医药自动化中的应用是指利用数字人技术，将人工智能与生物医药自动化相结合，实现自动化生产、智能化管理。目前，数字人技术在生物医药自动化中的应用主要集中在以下几个方面：数字人技术可以实现生产过程中的自动化控制，提高生产效率和质量；数字人技术可以对大量的数据进行分析和处理，提取有用信息，为生产决策提供支持；数字人技术可以实现设备的自动维护和管理，降低维护成本，延长设备使用寿命；数字人技术可以实现客户服务的自动化，提高客户满意度。

四、面临的挑战和机会

（一）风险

生成式人工智能为医药企业带来的不只有机会，还有风险，包括深度伪造、版权问题以及其他恶意使用生成式人工智能技术攻击企业机构的风险。风险是一直存在的，合理评估风险和风险成本预估，是解决问题的合理方法。

（二）大模型-小模型

ChatGPT 的训练和开发成本非常高，一般的医药企业是承受不起像 ChatGPT 这样巨额的初始训练成本，此外还需要考虑系统可运维和持续运维的成本可控。因此需要医药行业级的小模型类ChatGPT平台，这样医药企业在挖掘业务价值的同时，可有效控制初始成本和持续运维成本。而行业级的小模型类“ChatGPT”平台要建立在大模型LLM基础上，才能够有足够扎实的基础支撑。

（三）横向易实现、垂直需战略布局

医药企业应制定清晰的技术战略，制定垂直化解决方案的路线图，因为这些解决方案将帮助企业从亏损领头的模式转变为盈利模式。

（四）提前布局

医药企业应积极参与合作伙伴生态系统，尽早投资跨模态和多模态解决方案，以建立先行的优势，获得有利价格并尝试新解决方案。确定竞争优势的来源，特别是专有数据，并开始为即将到来的生成式人工智能使用案例策划这些数据。

（五）人机结合才是智能制造的未来

企业追求黑灯工厂，一方面是因为人口红利的不复存在，另一方面是自动化设备的发展，同时相应的工业软件的突破，智能装备、自动化、信息化、网络化、数字化、智能化等各层级有机集成，才可能实现黑灯工厂的目的。虽然机械化可以换人，自动化可以减人，数字化可以提高管控效率，精益管控，但是仍然有很多技术有待提高与突破，在此之前，有些操作根本无法实现无人化，尤其是间歇式生产的原料药行业。

再加之短时间内的大模型算法无法规避所有风险，所以，人机结合才是智能制造的未来，而非机器完全取代人的工作，正如相关调查数据一样。