当AI从宏大叙事沉入行业毛细血管，大健康赛道的玩家们站在了同一条河流的不同岸上，少数企业已将AI锻造成组织级的战略引擎，而多数仍在零散的试点中摸索前行。345份真实问卷背后，是一场关于战略远见、组织变革与人才争夺的深层较量。

撰文｜廖晓琴

2026年刚过半，英矽智能已连续拿下施维雅、礼来、SK生物制药、武田制药等多家药企的BD合作，潜在交易总价值逼近70亿美元，上半年预计营收突破1亿美元，首次实现扭亏为盈。这个曾被行业怀疑“AI制药到底能不能赚钱”的明星公司，正在用密集的BD交易，让行业重新审视药企AI转型的商业价值。

虽然人人都在谈论AI，但并非所有企业都站在同一条起跑线上。办公室里，销售代表对着电脑输入客户信息，等待AI生成一份拜访纪要；实验室里，研究员借助算法筛选化合物，试图缩短漫长的药物发现周期。但这幅看似火热的图景之下，一个更本质的问题正在浮现：AI究竟是被当作一把顺手的新工具，还是正在重塑整个组织的基因？

不少企业有着更为具体的疑问， 同行的AI实践进展如何？有哪些已经跑通的商业化路径？关键岗位和人才画像变了，HR和业务负责人该如何应对？如何让AI不止是个工具，而成为组织级能力？如何打造AI时代的下一阶段竞争力？

2026年夏天，科锐国际高级副总裁段立新用一句话精准概括了行业现状：“潮水之下，分野已现”。这句话背后，是一份基于345份来自不同药企研发、临床、商业化等领域候选人问卷调研得出的《中国大健康行业AI转型成熟度调研》。数据揭示了一个不争的事实： 大健康行业的AI转型，已进入一个明显的分化时代。

这背后是，少数领先企业已率先将AI体系化地渗透进组织战略、数据基础与核心业务场景，而多数企业仍停留于未成体系的局部试点阶段。 调研数据显示，领先组的AI应用成熟度综合得分是起步组的近10倍。这远非“用得多”与“用得少”的区别，而是底层思维方式的根本分野。这种分化不仅体现在技术应用层面，更是一场关于战略远见、组织变革与人才争夺的深层较量。

十倍差距，差在哪里？

无论是战略准备度、技术储备、人才储备、业务应用深度、数据基础，还是AI领导层的设立，领先组均明显优于起步组。

从企业画像来看，外资药企、药械及数字医疗企业构成了领先阵营的核心力量。相比传统企业，它们拥有更浓厚的数字化与人工智能基因，内部组织架构与AI技术的适配难度更低，因而转型速度更快、成效更显著。

从战略端看，17%的药企纳入数字化战略，但路径未形成系统路径；27%的药企尚未纳入战略层面，还有高达34%的企业仅将AI视为效率工具；而将AI作为未来核心竞争力进行长期布局的企业仅占13%，另仅有9%的企业设立了专项战略与明确路线图。 这意味着，接近8成的企业，在AI这件事上并没有一张清晰的作战地图。

从应用层面来看，44%的企业在多个部门试点，尚未形成规模；42%仅停留在单点试点（如个别部门）；11%已在关键业务流程中实现规模化应用；而仅有3%的企业已借助AI重构核心流程或商业模式。

技术与数据层面的状况同样不容乐观。技术自研与平台化投入相对较低，且医疗数据多源异构、标准不一，欠缺系统化、结构化的数据治理与资产管理能力。比如87%的企业仍面临数据孤岛问题，其中37.4%的企业数据分散在各部门尚未打通，49.6%已建立数据平台但共享有限。技术自研方面，仅7.3%的企业拥有自研算法团队，4.9%拥有持续自研能力，模型已经在多个场景规模化部署；绝大多数仍依赖外部供应商。

而在人才端，断层更为触目惊心。先从AI领导层设立情况来看，超过半数的企业尚未设立专职AI负责人，三成企业有AI相关负责人但非独立部门，13.8%有独立AI团队或数字化中心；5.7%设有集团级AI负责人直达向CEO汇报；再从人才部署情况来看，56.9%的企业尚未系统布局AI人才，26%企业开始招聘AI相关岗位，15.4%企业已形成AI人才梯队或跨部门AI协作机制，仅1.6%的企业将AI能力纳入干部考核或晋升的重要维度。 这意味着，自上而下的人才储备偏弱，企业内部缺乏既懂医疗业务逻辑，又掌握AI技术能力的复合型人才，难以支撑AI的深度应用。

进而具象化研发、临床、商业化三大关键环节来看，落地仍普遍处于早期试点阶段，从理想到现实的转化，远未及预期。

那么，为什么AI投入的效果常常不及预期？

调研给出了一个耐人寻味的答案： 50%的挑战来自组织与文化层面，47%来自执行落地与成效层面，技术与基础设施问题反而排在第三位（39%），战略与规划（33%）和风险合规（26%）紧随其后。

AI转型，本质上是一场组织变革，而非技术采购。当一家企业把AI当作Excel那样的工具来采购时，它收获的也只能是工具级别的回报。这正是分野的深层逻辑——技术可以购买，工具可以部署，但组织能力的重塑、文化的进化、人才梯队的搭建，无法通过一张采购订单完成。

也就是说，一切仍需回归到“人”。那么，从人才视角出发，如何跨越AI转型的鸿沟？

人才模型正在被重写：“T型”不够，“π型”上场

AI时代对人才能力模型的重塑，或许是最具颠覆性的变革。

传统医药行业的人才模型，以专业壁垒与合规导向为核心——深厚的专业知识、严格的FDA/NMPA监管经验、标准化的SOP执行能力。 这套模型在过去几十年里构筑了医药行业的专业门槛，但在AI时代，这套运行多年的模型开始松动。

调研显示， 在AI药研人才的能力要求中，跨职能沟通与业务翻译能力被受访者视为最重要的能力，占比高达67%，远超战略视野与业务判断力（20%）、团队搭建与人才培养能力（7%）等传统管理能力。

这意味着，未来最稀缺的一类人才，不是最懂算法的工程师，也不是最懂药学的科学家，而是能在技术与业务之间架桥的“翻译官”，他们能用业务语言定义AI需求，又能用技术逻辑拆解业务痛点。

基于这一趋势，调研提出了一个全新的人才能力模型——“π型人才”。

相比传统的“T型人才”（一专多能），π型人才多了一条“腿”：专业技术深度（机器学习、大模型部署、计算生物学等）是一条腿；行业知识广度（药理学、临床试验设计、监管合规等）是另一条腿；而连接两条腿的“横杠”，则是软实力厚度——跨部门协同能力、ROI导向的项目推动力、在高失败率的医药行业中保持韧性的学习能力。

三者缺一不可。单一的技术纵深只能写出漂亮的代码，却写不出符合监管要求的临床试验方案；单一的行业理解只能发现痛点，却找不到解决方案。只有“底层技术+垂直业务”双轴驱动，才可能真正跑通AI在医药场景中的价值闭环。

但一个现实问题摆在面前：这样的人，从哪里来？供需数据已经拉响了警报。一组数据显示，2026年春招，AI相关岗位需求同比暴涨455%，而“懂AI又懂药”的复合型人才缺口率高达38%。一边是需求井喷，一边是供给枯竭。

调研勾勒出当前人才供给的四大渠道，各有优势，也各有短板：

其一，供给占比35%-40%的互联网与科技大厂，拥有顶尖的算法工程和大模型应用能力，但普遍缺乏GxP合规认知与生物学基础，且互联网的敏捷文化与医药行业的严谨合规之间存在天然摩擦。算法高手不少，但懂药的不多。

其二，占比25%-30%的医药垂直AI公司是“即插即用”型人才的最佳来源——他们既懂研发流程，又有AI落地经验。但问题在于，这个赛道本身也处于成长期，高级别人才极为稀缺，挖角成本高昂。

其三，顶尖高校与科研院所（20%-25%）储备了大量交叉学科的前沿人才，但学术思维与产业思维之间有一条不短的距离。他们需要时间完成从“论文导向”到“ROI导向”的转身。

其四，药企内部培养（10%-15%）的优势在于对合规体系和内部协作机制的深刻理解，但劣势同样明显——底层算法的迭代速度，远不是传统药企的培训体系能跟得上的。

四条路径，没有一条能独立满足需求。调研给出的解法是：多条腿走路——外部引进与内部培养并举，同时借助生态合作补位。

而人才的流向也呈现出清晰的规律：从互联网向医药溢流，向高价值区域集聚。长三角（上海、苏州）净流入率超过40%，大湾区（深圳、广州）约25%，已成为AI+医药人才的两大核心高地。与此同时，中国AI制药人才的海外回流率已升至34%，这一趋势仍在加速。

潮水已来、分野已现，未来何如？

人才提供了落地的可能，但战略决定了能走多远。面对这场深刻的分化，调研给出了三条核心建议，指向同一个逻辑： AI转型不是技术选择，而是战略选择。

第一，保持战略警觉，避免转型焦虑。AI不是一场“大爆炸式革命”，一夜之间颠覆一切；它更像一场马拉松，需要战略定力与持续投入。不跟风、不盲从，但也绝不能缺席。最危险的状态，是既没有看清方向，又急于追赶浪潮。

第二，将AI转型提升为“一把手工程”。战略层面的顶层设计，无法由CTO或HR部门独立完成。AI必须进入CEO的议事日程，才可能跳出“部门级试点”的困局，走向“组织级能力”的构建。那些领先组的企业，41%设有集团级AI负责人并直接向CEO汇报——这不是巧合。

第三，构建“培养+引进+生态合作”的人才供应链。单一渠道无法填补38%的缺口，系统化的人才布局，才是支撑AI从“试点”走向“体系”的底座。人才在哪，竞争力就在哪。

潮水之下，分野正在加速。当一些人还在问“AI能做什么”的时候，另一些人已经在回答“AI应该成为谁”。前者看到的是工具，后者看到的是组织能力的重塑。

这场分化的终局，或许在技术起跑时就已埋下伏笔——不是AI本身拉开了差距，而是拥抱AI的方式，决定了谁在浪潮之巅，谁在潮水之下。

一审| 石宛佳

二审| 李芳晨

三审| 李静芝