在生物制造/生物制药的整个产业化路径中，最难跨越的环节是中试放大。

文｜哀佳

ID | BMR2004

如今，中国生物制造产业已具备相当的规模基础，但为什么不少实验室里的创新成果，走到产业化阶段却难以继续推进？在产业化真正落地的过程中，科研机构、企业与资本，又该如何形成更有效的合作，而不是各自为战？

带着这些问题，中经传媒智库、《商学院》杂志与昌发展集团联合举办了“万亿级生物制造，助力新一波产业革命”的高端闭门会，邀请来自科研、产业与投资领域的多位嘉宾，就技术进展、产业落地与产业协同等议题展开交流与讨论，通过来自一线真实体感的观察与判断，让生物制造产业当前面临的机遇与挑战变得清晰。

01

生物制造进入“算法主导”时代？

在生物制造核心的生产阶段，AI正在重塑传统工艺边界。在传统生物学领域，AI for Science的成果正遍地开花。华润医药集团副总裁崔兴品将其描述为一种“摸着石头过河”的状态。他指出，在传统医药研发中，从靶点发现到分子筛选，每一步都充满了高风险和不确定性。算法对生物创新的颠覆，首先体现在效率的几何级提升上。在生产端，AI算法可以预测设备运维状态和环境合规性；在销售端，可以通过精准画像实现产品信息的投放。

中金资本IR高级经理李喆近期刚刚投资了一家AI制药企业，据她观察，AI制药企业在脂质纳米库筛选等细分领域，能够实现30%—50%的效率提升。传统生物制造领域的创新是一种经验驱动的作坊模式，如今正推向以数据驱动的工业化模式。

上海孪心医疗科技有限公司销售总监郑翔观察到，在临床应用领域，AI正从过去的“互联网+”转向“AI+”，心血管专家正在尝试用AI医生模型，通过海量临床数据训练，达到专家60%甚至80%的诊断水平。

中国科学院过程工程研究所研究员张贵锋则反向指出，AI确实是解决知识整合、发现快速整合规律的有效工具，它能指明方向，但是AI并不能完成知识场景的验证。

“算法可以产出大量思路、生成上万种蛋白质分子结构，但是从研究员角度出发，不可能给所有蛋白质结构进行实现验证。所以只有当具备实现想法的能力时，AI带来的思路才称得上是机会。在合成生物制造领域，AI的参与程度更多是用于预测，而构建和实践仍是另一套系统。”张贵锋说。

多美康（北京）生物医药有限公司董事长郭志栋将AI的能力一分为二，他指出：在哲学思维（逻辑、整合）上，AI是优秀的助理；但在数学思维（严谨的实验数据、结构验证）上，AI仍显得比较“不够智慧”。

来自研发一线的浙江隆跃生物技术有限公司研发技术员周鑫禹表示，虽然AI能提供辅助方案，但在细胞培养和状态调整等关键环节，研发工作依然依赖于实验人员的过往经验。

中关村大河资本投资总监宁作良从投资人的角度，给出了最现实的考量：“生物制造领域的投资并不容易，成功不仅取决于技术，更取决于产品力、内容力、渠道力和品牌力。”他认为，AI可以提高成药的概率，但绝不可能替代后续最重要的临床试验和复杂的生命验证。只炫技而不关注临床需求和产品本质的公司，最终难逃被市场淘汰的命运。

02

从实验室走向工厂，如何跨过产业深水区？

在生物制造/生物制药的整个产业化路径中，与会嘉宾一致认为，当前最难跨越的环节是中试放大。

张贵锋表示：“实验室和工厂是完全不一样的两个系统。实验室环境可以不计成本地追求‘十次成功一次’，但工业化生产必须考虑效率、交付、成本和环保。这种差异在过程工程中会被明显放大。张贵锋直言，90%以上的实验室成果最终都“死”在了中试环节。

崔兴品也对此深表认同，他认为，实验室微环境与工厂复杂系统在动力学模型上存在天然鸿沟，要保证科研成果向工业产品转化，就要求开发者必须从拍脑门的创新转向基于严苛合规前提的工程化思维发展。

此外，从“产品”到“商品”，中间同样存在一条鸿沟，这一过程不仅是物理形态的改变，更需要商业逻辑的深度植入。

宁作良指出，实验室的PI（首席科学家）在工程化、成本控制、供应链管理等方面存在盲区，生物制造企业自建工厂，往往会面临涉及数亿资金筹措和复杂的原料供应等商业管理方面的问题。

为此，崔兴品从实践方面提出建议，他指出：“跨越深水区的关键在于实现科学家与企业家的语言和角色转化，比较容易成功的模式是由企业家来配合科学家，由企业家负责解决工程分包、融资、政府沟通等问题，实现技术语言向商业语言的有效转换。”

李喆指出，投资机构也正在探索通过基金会或企业注资的方式，帮助科研项目完成从样机到临床试验的工程化跨越，帮助实验室的产品实现商业化落地。

一旦商品化完成，真正的挑战便转移到了市场突破甚至是全球化布局上。

郭志栋强调，无论技术如何先进，产品必须回归到“安全、普惠、有效”这三个国际通用的标准。生物制造企业在参与全球化竞争中，技术先进性远不如合规认证重要。企业必须扎实做好基础工作，取得欧盟CE、FDA等国际认证，才能获得进入市场的通行证。

03

产业各方如何协同共生？

在生物制造与生物医药这样高投入、长周期的产业中，产品化进程中的任何一方都无法单独完成产业化进程。

对于协同，张贵锋认为关键是要换位思考。

他坦言，在技术成果转化过程中，“研发人员不能只想着技术卖多少钱，而是要理解企业真正需要什么。不同产业参与方的诉求并不相同，如果科研人员无法理解企业的商业逻辑，合作往往难以推进。”张贵锋强调，“技术并不是产业成功的全部。一个项目真正成功靠的是技术、管理和市场三驾马车，技术最多占三分之一。”

从产业资源整合的角度出发，北京奥海威科技有限公司董事总经理、COO李瑞国则指出，产业协同的关键在于平台与资源的有效连接。他长期参与技术合作与地方产业资源对接，发现政府资源、产业园区与企业需求之间往往存在信息断层。“很多企业其实可以借助地方平台进入国际市场。未来产业协同需要借助更多平台力量，把政府、企业与国际资源真正整合起来。”

从市场与成果落地的角度看，郑翔提出了另一重现实问题：大量科研成果停留在论文阶段，难以真正进入市场。他直言，中国并不缺少好的创新想法，但很多好的想法发完论文就结束了，真正困难的是后续商业化承接，这需要专业团队推动产品进入市场，更需要资本与产业团队共同参与推动。

宁作良坦率表示：“科学家懂技术，企业的发展仍然取决于创始团队。投资机构虽然不能改变企业发展方向，但可以帮企业少踩坑。”

李喆则从投后管理角度补充道，投资机构的角色更像是为企业提供保障支持。机构通常会帮助企业对接融资资源、政府平台与审批绿色通道，甚至协助关键岗位人才引进，在企业成长过程中提供护航支持。

总之，真正的协同共生并不是简单合作，而是在规则、信任与长期价值创造基础上实现的共同成长。