广药联合华为 AI 智能体，医药研发国产化落地进行时

AI技术落地实体产业，医药研发属于门槛较高的应用领域。行业AI不能照搬通用大模型的能力，需要适配科研流程、数据规范，同时兼顾底层软硬件自主可控。广药集团与华为合作搭建AI智能体项目，是国内医药产业结合国产算力的典型实践，也为行业提供可供参考的落地案例。

合作缘起：产业场景与底层技术的双向匹配

2026年5月，广药集团旗下数字化转型主体广药数科，联合华为及相关生态伙伴签署生态合作协议，正式启动新药创制AI智能体联合建设。

本次合作并非简单的技术采购，而是多方基于自身资源开展分工协作。广药输出医药行业场景积累、科研体系与实验验证条件；华为提供昇腾、鲲鹏国产化算力底座、大模型能力以及数据存储安全体系；生态伙伴补足算法开发、智能文档处理等细分技术模块，共同搭建面向医药研发场景的AI智能体平台。

医药研发长期面临客观现实约束，整体流程链条长，试错成本高，大量重复性工作占用科研人员精力。过去不少行业AI工具依赖海外算力架构，在数据安全、技术可控层面存在短板，很难深度嵌入企业完整研发业务流程。本次合作的出发点，就是尝试解决上述痛点，搭建“计算设计‑实验验证‑模型迭代”的闭环运行机制，让算法输出结果流转到实验环节，再用实测数据反向优化模型性能。

架构设计：分层搭建国产化AI智能体平台

整套AI智能体采用分层架构进行建设，不同层级承担明确功能，避免技术方案停留在演示层面。

底层为国产化算力基础设施，依托华为昇腾集群、鲲鹏硬件与配套操作系统，搭建医药专属算力底座，模型训练、数据存储、任务调度全部运行在自主可控体系之内。中间层基于基础大模型完成行业化调优，形成适配医药领域的专用AI智能体，覆盖多项研发相关技术能力。上层对接企业实际业务流程，覆盖研发多类业务场景，将AI能力嵌入现有工作链路。

经过前期POC验证，平台完成基础技术适配与业务可行性测试。公开信息显示，苗头化合物发现周期相比传统模式有明显压缩，临床前研发环节效率获得改善，部分核心技术指标达到较高水平。2026年7月，该项目入选工信部《人工智能高价值场景应用案例集》，也是当年制药领域为数不多入选项目，代表这套国产化方案获得行业层面认可。

需要客观厘清项目所处阶段，目前项目处于持续迭代优化阶段，完成概念验证工作，但暂未产出进入临床阶段的全新研发成果，现阶段主要服务集团内部早期研发管线的筛选与优化。AI智能体定位为科研辅助工具，不会替代科研人员的专业判断，AI生成输出内容，依旧需要实验室完成实验验证，遵循医药科研固有逻辑推进。

边界拓展：不止新药研发，延伸多类业务场景

在新药创制智能体之外，双方依托同一套算力与大模型底座，同步开展其他方向探索。团队尝试搭建面向临床研究、注册申报方向的智能体，处理研发文档整理、材料质检、专业文本处理等重复性事务，释放科研人员精力，使其聚焦创新性科研工作。

合作范畴不局限企业内部项目落地，同时推进行业人才共建、技术标准研讨、外部管线协同孵化等工作，适度对外输出医药数智化相关方案，搭建开放的产业协作生态。

对广药集团而言，AI智能体建设是整体科技化、数字化转型中的重要一环。企业具备完整产业链资源、科研平台与场景数据沉淀，这是AI模型持续迭代的基础；华为补齐底层算力与工程化落地能力，实现产业场景和底层技术打通，减少AI技术与产业实际脱节的问题。

行业启示：医药AI从概念阶段走向务实落地

国内医药行业数字化正在经历阶段转变，行业看待AI的视角，已经从追捧概念，转向看重真实业务落地效果。

不少企业已经意识到，单纯引入外部算法工具，很难适配自身研发流程；完全自主搭建全套算力与大模型，又会面临投入规模大、技术壁垒高的现实问题。广药与华为的合作模式，走出一条产业方与技术方深度共建的路径：产业方掌握场景、数据和科研主导权，技术方提供底层算力和工程实现能力，生态伙伴补齐细分算法模块，多方协同完成AI智能体落地迭代。

医药AI智能体长期发展依旧存在不少待攻克难题，高质量科研数据沉淀、数据治理标准完善、算法可解释性提升、AI与实验体系高效打通，都需要长期持续投入打磨。AI是效率提升工具，产业创新根基依旧来源于扎实科研积累。

未来展望：持续打磨国产化医药AI应用范式

后续广药与华为还会继续拓展合作边界，除研发端之外，探索AI在产业链其他环节的落地机会，持续迭代完善国产化医药AI智能体体系。

该项目更大价值，并非短期产出创新成果，而是验证国产算力支撑医药复杂研发场景的可行性。为国内同行提供一套可借鉴的协同范式，推动人工智能技术切实服务医药实体经济发展。