华为制药军团樊杰深度解析：AI制药突破关键在生态整合而非算力竞赛

每经记者：陈星 编辑：魏文艺（徽声在线整理）

当中国药企试图将AI技术从辅助药物筛选推进至模型训练与优化阶段时，一个基础性难题便浮现出来——如何获取合规、可扩展且成本可控的算力资源。华为制药军团总裁樊杰在第十一届医药创新与投资大会期间接受《每日经济新闻》专访时，多次强调这一前提条件的重要性。他指出，许多企业误以为拥有算力就能开展AI制药，实则忽略了技术链条中更关键的环节。

对于当前AI制药行业的热度，樊杰用"相对过热"来定义，但他同时警示："既不能因短期泡沫而退缩，也不能盲目跟风。这个领域需要理性布局，否则将付出沉重代价。"

华为制药军团总裁樊杰 图片来源：受访者提供

算力只是入场券，算子适配决定模型效能

在AI制药的技术链条中，樊杰将讨论起点拉回到硬件层面——算力卡。他解释道，合规的算力供应、可控的成本结构、稳定的供应链，这些只是参与竞争的基本门槛。真正决定模型运行效率的是算子适配这一技术细节："同样的模型在不同算力卡上，性能差异可达十倍。"

通过工具链优化和AI编程技术，华为将算子适配周期从传统的3-4个月缩短至1-2天。这项突破的意义不仅在于效率提升，更重要的是降低了模型迁移的技术门槛。樊杰强调："没有高效的算子适配，即便拥有顶级算力卡，模型也无法有效运行。"这一观点在华为与昌平实验室合作的TorchFold项目中得到验证——基于昇腾算力重构的蛋白质结构预测模型，在精度达标的基础上，通过数据增训进一步提升了性能表现。

数据孤岛：横亘在技术落地前的双重壁垒

当算力底座与模型适配问题解决后，数据孤岛成为新的挑战。樊杰将其分解为两个维度：企业内部的数据割裂（早研部门无法获取湿试验数据，临床部门难以接触早期研发信息）和医院端的数据壁垒（临床数据因合规、利益分配等问题难以流通）。他特别指出："分子在临床阶段被淘汰时，研发团队往往不知道失败原因，这种信息断层严重制约了研发效率。"

国家数据局2025年公布的首批63个可信数据空间试点中，6个涉及医药领域。截至年底，该领域已孵化7000多个数据产品和服务。樊杰对此保持审慎乐观："数据流通需要政府、医院、药企和科技公司协同推进，单靠任何一方都无法突破现有格局。"

临床试验：AI加持而非颠覆

在探讨AI对临床试验的影响时，樊杰使用"加持"而非"颠覆"来定义技术价值。他以类器官技术为例：通过临床前筛选淘汰有毒分子，将失败特征反馈给AI模型，形成"错误分子画像"。当数据积累达到监管认可的规模和精度时，临床试验样本量才可能从数百例缩减至几十例。"这个拐点不会太远，但前提是技术迭代必须达到监管标准。"樊杰强调，有效性证据链的完整性是简化流程的核心前提。

华为定位：懂行业的底座构建者

针对"为何不叫算力军团而称制药军团"的疑问，樊杰直言："这个领域需要既懂技术又懂行业的复合型人才。"他明确划定了华为的边界：不触碰药研数据（采用本地化部署保障数据主权）、不开发AI模型（与深势科技等模型公司形成合作生态）、不持有数据资产（专注提供方法论和工具链）。

这种定位重塑了华为与药企的合作关系。樊杰透露，他每周都会与药企高管进行深度交流："我们交换行业认知——药企分享药物研发经验，我们提供AI技术、数据管理和模型优化知识。这种双向赋能创造了独特价值。"

行业瓶颈：链条整合而非单点突破

樊杰用自动驾驶的发展轨迹类比AI制药：五年前公众对自动驾驶充满疑虑，如今已习以为常。当前AI制药在蛋白质预测、分子模拟等单点技术上已趋成熟，但尚未形成自动化链条。他预测："当技术点完成串联，行业将进入爆发期，这需要整个生态的协同努力。"

在出海战略上，樊杰区分了不同企业的发展路径：对于Biotech公司，通过BD和License-out获取首付款是合理选择；但对于志在成为Pharma的企业，过早出售核心资产将错失建立全球品牌和商业化体系的机会。他断言："中国需要出现年收入千亿级的制药企业，这才能体现行业真正成熟。"

综合这些观察，华为制药军团的战略定位愈发清晰：不做行业颠覆者，而是通过算力合规、数据流通、生态连接和出海经验，为药企提供技术底座支持。樊杰总结道："行业拐点的到来不取决于算力峰值，而在于临床数据积累、监管认可和商业化成果。这需要整个产业链的共同努力。"

免责声明：本文内容基于公开信息整理，不构成任何投资建议。市场有风险，决策需谨慎。