落后灯塔工厂“两代”的制药业，正在被AI重新点燃......

“AI给企业带来的远不止"降本增效"那么简单——它是一场从业务形态到组织结构的深层重塑。”医药行业距离世界级灯塔工厂，可能还差了两代。但AI的到来，正在倒逼这个以合规和稳健著称的行业，按下加速键。

本期《2026・听见数智时代》系列访谈，深度对话正大天晴生产供应智能交付总监陈尔冬，从行业差异、技术落地、组织变革、未来趋势多个维度，拆解头部药企AI落地的真实实践与底层思考。

访谈嘉宾 | 陈尔冬 正大天晴  生产供应智能交付总监

从互联网老兵到药企"数创"操盘手——医药行业为何"慢了两代"？

“相比世界顶级灯塔工厂，当前整个医药行业智能制造水平整体还落后两代左右。”陈尔冬表示，造成这一现状的核心原因并非药企没有数字化意识，而是来自双重行业特性的约束。

在加入正大天晴之前，陈尔冬的履历几乎是一条标准的互联网科技公司路线。但真正完成思维蜕变的，是完整经历了以线下作业为主的传统企业——转型为与互联网深度结合的企业的全过程，让他对企业转型、数字化如何在组织中"生根发芽"有了切身体会。

在正大天晴，数字化被拆分为几个板块：中后台专注交付通用基础能力——数据能力、AI底座、Agent编排能力；前台则设有若干面向特定领域的智能交付团队。陈尔冬带的正是生产供应方向的团队，覆盖供应链、生产、质量体系、设备管理等领域。

这支团队的运作模式，类似当下流行的FDE理念。

在陈尔冬看来，正大天晴已经全面进入了智能化落地的阶段。"虽然在某些板块也还有不断完善的空间，但基于那些数字化建设比较有成绩的板块，天晴已经开始构建了很多智能化的成绩。

在医药商业化推广领域，天晴构建了有特色的"大脑"类产品；在临床、生产、供应链等领域也都有各自的"大脑"——本质上是一个Agent群，借助AI能力与原有数字化平台结合，为业务提供智能提醒和决策辅助。

"我们现在整个数字化团队，一方面在数字化比较薄弱的点'补课'，一方面在比较成熟的部分加紧做智能化落地和智能化产品建设。"

医药行业为何"慢了两代"？

作为后来者，陈尔冬加入医药行业后有一个强烈的感受：整个医药行业相对于灯塔工厂这种世界顶级的智能制造领域，可能还要落后大概两代。

在深入思考造成这一差距的原因后，得出几个因素：第一，合规。GMP给企业带来优势的同时，一定程度上也带来了一些禁锢；第二，医药行业自身的业务形态特点，决定了其对数字化的诉求没有那么强烈。

但变化正在发生。

这两年医药行业供应链的压力，恰恰给药企带来了新的业务拉动性：一方面行业竞争越来越激烈，成本控制诉求越来越强；另一方面，药企希望成为全球性的MNC（跨国企业），对业务提出了新的要求。

AI落地全景图——从财务审核到供应链大脑，"不是降本增效，是组织重塑"

在AI落地这件事上，正大天晴的探索远比外界想象的广泛。在企业四大战略中，数字化就是其中之一。当大模型出现后，进一步叠加了"拥抱AI"的方向，在每一次企业内部讲话中都在宣导这一理念。

"不管是我们数字化团队还是整个天晴，其实在各个领域里面都对于AI有很多尝试，也有很多成绩。"陈尔冬列举了从医学推广、临床、早研，到供应生产质量，再到内部办公、财务等领域的AI落地案例。

财务审核：一个"连一分钱都不能错"的领域如何被AI改造

这里以财务领域为例，展示颇具说服力的案例。

传统的理解，财务是一个非常严格的领域，需要把账做平，不能错哪怕一分钱。但即便在这个领域里面，仍然有很多点可以落地AI。

财务审核环节的改造：所有一定规模的企业都面临财务审核问题——各部门的结算环节，不管是个人报销还是采购对公结算、对私报销，都需要财务审核其是否符合财务准则和企业规则。过去，这个过程有大量人为判断的工作量。

早在去年，正大天晴就已经把工作量完全在初审阶段用AI替代掉了。尽管后面仍然有复审环节由人工处理，但效果立竿见影：员工体验大幅提升——原来报销要等好多天，供应商付款要等30天甚至60天，现在结果很快就能出来；发现问题也能快速打回并提示补充什么材料。

对于财务团队而言，同样意义深远。缩小人员范围，把更多资源放到如何跟业务合作、如何让各个业务更好地使用资金、控制成本——在这些角度上去赋能各个业务。

"不是降本增效，是组织重塑"

关于降本增效，陈尔冬给出了更深层的判断：降本增效可能讲得比较“短视”，它可能是一个企业组织的重塑。

结合新的工具，用新的业务形态或模式创造更高的价值，才是企业的核心竞争力。聚焦到组织中的某个环节，在短期3到6个月内，看到的可能是比较"粗暴"的降本增效，个体员工面对这个局面可能很难避免。但在整个企业运作过程中，公司一号位思考的还是"我这个企业怎么去获得更大的经营成功，怎么能够让我这个企业交付更大的价值，怎么能够赢在未来"。

在这种共识下，每家企业都希望自己的企业不断去拥抱、去转型，不要抱着过去的固有思路去做。AI在企业落地的真正难点不在技术，而在组织。

供应链大脑：200多款产品，"一款都不用算"

作为陈尔冬参与较多的领域，供应链是他眼中"最早拥抱数字化的一波业务"。

在数字化建设比较扎实的基础上，天晴将AI能力与供应链平台结合，构建了"供应链大脑"。效果令人瞩目：天晴有200多款产品，以前供应链人员每个月要把200多款产品未来三个月的工厂需求手算出来；现在，不仅"一款都不用算"，也不需要逐一核对所有产品，只需核对其中的大概10款产品——这些是系统自动分级出来的、需要重点关注的产品。

对于其余100多款产品，AI会持续观测数据变化。当发现隐患或预测到未来可能的风险时，系统会向供应链人员推送一条AI生成的业务描述信息：提示某款产品在未来某月某日可能出现供应风险或库存积压，原因是什么（比如质量检验可能延期、需求下降导致按原计划生产会积压等），并给出建议——比如取消某个生产计划，或在未来两周内增加一批生产。

有了AI后，供应链人员可以更专注地做好那些必须做的决策，在帮企业做好供应的情况下，用更高的效率、更低的成本去满足供应、不出事。

混合云、数据治理与安全红线——"AI时代，平台长什么样没那么关键"

未来，什么样的技术底座更符合AI时代？陈尔冬认为，现在谁的预测都很难讲，“甚至有可能说真正匹配的平台没有任何企业建出来。"

以Agent工具快速迭代为例：去年大家都在谈论Agent元年，各种工具出来；今年又有新的形态出现——现在最火的WorkBuddy。在这种情况下，企业更需要聚焦的不是"平台应该长成什么样"，而是：让组织具备弹性，能够根据行业发展不断调整去适配新的发展，同时把控好安全红线，让业务快速结合新能力去交付产品。

混合云：合规红线之上的差异化满足

药企过去非常偏好本地化部署——工厂有自己的地，建自己的机房没有太大压力。传统数字化时代对电力和空间的诉求也不大。但AI时代来临后，如果要部署本地模型，对电力和基础设施成本都有了一个新的台阶。

对于药企现在可能不得不面临一个问题：如何在合规、在数据安全的情况下能够和云结合。如果不和云结合，全靠完整的本地化部署模式，迭代速度、建设成本就会拖累整个智能化的推进。

天晴的解法是构建混合云能力：GMP体系内按照最严格的模式本地化打造；相对灵活的业务则可以完全云部署，在安全边界之上满足业务诉求。"这样整个组织就可以面对一个更灵活、更有弹性的基础设施和安全体系和机制。"

对于数据平台，陈尔冬同样主张积极拥抱云："只要能够接受数据上云，现在云数仓、云数据平台这样的体系，绝对能够给企业带来更好更快的构建效率。"尤其各家数据平台都在实现数据平台本身的MCP能力，数据平台自己就可以挂一个Agent能力去实现快速问数，甚至业务Agent的能力。"

安全体系：模型网关与终端一体化防护

AI时代下的安全面临的挑战更大：基础设施形态多样了，Agent和大模型出来后，企业大量调用大模型，安全问题变得更加复杂。

天晴的实践包括两个层面：一是构建自己的模型网关，控制每个员工、每个部门、每个业务对模型调用的成本和稳定性，同时把安全策略集成进去；二是建设终端一体化安全平台，覆盖整个终端网络和数据泄露防护——对企业内部的敏感数据外发进行管控，对入网人员身份、行为进行审计，在需要时能够阻断和设置规则。

三年AI之路：从ChatGPT到Agent群

正大天晴的AI探索大约用了三年时间。陈尔冬回忆，早在ChatGPT初火的时候就开始尝试；去年业界开始热烈讨论Agent元年，天晴也投入资源做Agent；今年则在供应链、制造、临床等领域都有Agent落地。

在组织层面，数字化团队自身也在经历一场变革——数字化团队对自己的重新定义：从传统的产品经理、UI、前后端、测试、数据、上线运营的很长链条、很细的专业分工，转变为端到端交付团队中"偏产品偏技术的，两个人上一件事。

这场变革带来了令人震撼的结果：整个团队人员数量大概下降了30%到40%，接近四分之一的人离开了——但业务却感觉交付更快了。

数据治理的新课题

在AI时代，数据治理面临着新的挑战。陈尔冬指出，传统企业的数据治理问题是永恒的话题，数据孤岛只是表象，更根源的是对数据的理解问题——甚至是业务自身的问题在数字世界的镜像。

陈尔冬将数据治理面临的挑战拆解为三个维度：

第一，技术维度——相对好解。当业务场景聚焦后，技术团队可以比较明确地解决AI友好的数据组织问题。

第二，业务维度——更难。数字化本质上是把业务在数字世界镜像一份，如果真实世界的业务本身就有问题，到了数字世界，它带着这些问题去解，是解不了的。"它不是技术的问题，它是业务本身的问题。"

第三，组织维度——最难。当数字化团队指出业务问题时，背后可能隐藏着组织层面的深层原因。

正大天晴能够面对巨大转型，第一个要素就是一把手亲自提出了数字化和智能化战略方向——而且不是喊口号。数字化必须先于智能化。"我们做的很多智能化落地，是建立在先做了一些数字化和信息化的基础之上，然后才有数据基础，才可以建供应链大脑。”

面向未来——AI将如何重塑制药，以及那些最容易踩的坑

CEO与CIO：不可缺席的角色

在企业AI转型的过程中，一号位和CIO的角色至关重要。“直接跟企业一号位对话，站在更高的立场帮企业解决问题。”

最容易走的弯路：被工具和名词绑架

药企数字化最容易走的弯路——大家太容易停留在手段上。AI就是个工具，数据孤岛、技术路线问题等等都是表象，"你到底要解决什么业务问题，这个才是核心。"

数字创新中心：不是IT，是"翻译官"

天晴的数字化团队并不把自己定位成传统IT，而是叫"数字创新中心"（内部简称"数创"）。数创团队的定位是：要跟业务一起定义"未来和AI深度结合的业务应该是什么样"。

AI制药：未来5年最重要的事

在陈尔冬看来，对于正大天晴乃至整个制药行业，未来5年最重要的事情就是AI与药物研发的深度结合。药企的核心是一个产品企业。既然是产品企业，如何能做出拳头产品、做出非常有市场竞争力的产品，就是非常关键的。

另一个重要方向是生物药工艺优化。生物药生产是一个大分子生长过程，有很多不确定性，AI可以帮助找到工艺参数之间非线性关系，让整个工艺的优化和未来生产的稳定性带来非常大的提升。

AI for Science：5到10年最有想象力的领域

未来3到5年，两个AI变化可能真正重塑制药行业：

首先是AI在早研阶段的变化，包括肿瘤疫苗三期临床试验信息的公布等——"这是明显能够看到AI对于健康大健康领域带来的变革"。

其次在传统企业，AI仍然是一个辅助者的角色。都说AI是一场变革改造，但实际上对于业务来讲，真正带来效果的不是AI怎么样了，而是这个业务自己发生了变化。AI只是工具，帮助去解决这个问题。

★写在最后 ★

AI来了恰好是个契机，不管主动或被动，大家不得不去面对这个事。AI重塑制药行业，重塑的不仅是技术栈和工具链，更是企业的业务思维和组织基因。而这把钥匙，最终握在那些敢于直面自身业务问题、愿意从底层重新思考的人手中。