藍鯨新聞2月25日訊（記者 屠俊）DeepSeek正在滲透到各個行業。2025年2月，國產大模型DeepSeek-R1的全面開源與多領域適配，而AI醫療也邁入技術融合與行業重構的新階段，包括艾美疫苗、恆瑞醫藥、智雲健康等多家企業宣佈正在與DeepSeek等AI大模型結合。

以近日艾美疫苗發佈的公告爲例，其表示作爲中國頭部的疫苗企業，集團積極響應國家“AI+”產業發展戰略，全面部署接入DeepSeek大模型，不過艾美疫苗財報顯示，其近年來面臨連續虧損，DeepSeek能在多大程度上降本增效？

藍鯨財經諮詢多位行業分析師均表示，整體來看，看好未來DeepSeek等AI大模型在各運用場景的應用，但還是存在比如準確性不夠、糾錯成本或比提速成本更大、行業更需要垂類模型等挑戰。

DeepSeek加速藥企研發仍存限制，業內更傾向垂類模型

艾美疫苗在近日的公告中指出，爲構建智能化疫苗研發體系，集團將藉助DeepSeek大模型，通過發現、設計、製造等流程，獲得更優質的候選疫苗。整合不同生物信息數據庫的多源異構數據，通過融合預訓練蛋白質語言模型與圖神經網絡架構，預期可實現抗原靶點智能篩選與保守區域動態分析。同時，通過接入實時變異監測數據流，利用長短期記憶網絡預測病原體未來變異方向，動態分析保守區域並預測廣譜抗原表位。集團還將利用DeepSeek結合生成式模型與深度學習技術以優化mRNA疫苗序列設計和穩定性。通過預測mRNA二級結構，根據宿主細胞的基因表達密碼子偏好特性，智能設計高效的元件組合，提高mRNA的穩定性和翻譯效率，生成最優序列。此外，集團正在探索利用DeepSeek的AI框架優化工藝參數，以提升抗原產量和質量。

簡單來說，根據上述公告，DeepSeek似乎正在改變藥物研發的各個階段。

艾美疫苗由於在2021年5月底完成收購珠海麗凡達生物技術有限公司，被稱爲是“國產mRNA疫苗三劍客”之一。不過，雖然在新冠疫情期間，mRNA賽道快速破圈，但隨着新冠疫情的結束，mRNA賽道也面臨快速退潮。

業績方面，艾美疫苗近年來正面臨持續虧損。

其財報顯示，2021年至2022年及2023年，艾美疫苗的營收分別爲15.70億元、12.64億元、11.87億元，歸母淨虧損分別爲6.928億元、3.196億元、13.01億元。雖然，艾美疫苗還未公佈其2024年全年業績，不過從半年報來看，雖然虧損收窄，但其歸母淨虧損依然是負值，爲-1.393億。

而2023年其出現虧損大幅放大的原因，主要由於新冠疫情在全球範圍內的變化，其收購的麗凡達生物的mRNA新冠疫苗管線及技術平臺出現了大額減值，預計減值損失在16.5億元至18億元之間。此外艾美疫苗2023年研發費用6.36億。

事實上，研發費用一直是醫療行業的主要開支之一，那麼接入了DeepSeek能在多大程度上縮減這部分費用？其研發管線能否呈現爆發式增長？藍鯨財經向艾美疫苗發去了郵件採訪，不過截至發稿並未收到回覆。

不只是艾美疫苗，包括恆瑞醫藥、雲南白藥、衛寧健康等多家醫藥企業在近日宣佈接入DeepSeek。

沙利文大中華區執行總監周明子向藍鯨財經表示，DeepSeek等大模型的應用爲中國乃至全球的AI醫療領域帶來了新的投資機會，並且顯著地爲資本市場帶來了新的吸引力和投資信心。細分領域，例如醫學影像分析、個性化治療方案、遠程醫療、智能輔助診斷和藥物研發等，都將成爲AI醫療投資的熱點。這些領域的創新應用不僅能夠吸引資本市場的投資熱度，有利於創新企業融資，加速醫療領域AI產品的創新和商業化進程，而且還能進一步加速中國本土AI醫療創新業務的出海，在此背景下未來圍繞產品、業務、服務出海等投資機會也將快速增長。

不過，已經在AI製藥領域深耕多年的英硅智能IT總監沙林則向藍鯨財經表示，Deepseek的確是一個劃時代的產物，一方面它實現了技術突破，打破了GPT 01模型的壟斷，而且發表了詳細的論文，讓業界充分瞭解到模型的訓練路徑；另一方面它實現了技術平權，它採用最寬鬆的開源協議，即使是一些在LLM發展較滯後的地區也可以通過開源代碼獲得最先進的技術。

“Deepseek和GPT一樣是一類通用模型，在藥物研發領域更多采用專有的垂類模型。簡單從數據上理解，通用模型數據量更大，垂類模型數據量更精，所以從輸出的結果來說，前者可以解決一些更泛的問題，而後者除了用專有數據集之外，對模型訓練過程中還有專業團隊反饋，從而使輸出的結果的可信度和專業性更好。所以，我們認爲Deepseek對藥物研發的直接幫助不一定顯著。”沙林表示。

此外也有業內人士向藍鯨財經表示，事實上，醫藥研發領域早就接入了大模型，不過，專有模型訓練的邏輯，除了有專業數據，還要有專家反饋。Deepseek針對寬泛的問題，如果他回答錯誤，很容易就實現糾錯，你的反饋就是它訓練的過程；但是比方說你問和TNIK靶點有哪些可以結合的位點，Deepseek給你列了一堆，你很難給它糾錯，有糾錯的成本，你自己用冷凍電鏡什麼的都看出來了，這裏的專家反饋成本就很高，就不適合對Deepseek展開這樣的訓練。

“整體來說，藥物研發和Deepseek的接入，準確性和糾錯成本是一個主要挑戰。”上述人士表示。

未來多種場景突破，或重塑醫療健康行業

雖然還有挑戰，不過多位行業諮詢師向藍鯨財經表示，人工智能技術的突破性進展正以顛覆性姿態重塑醫療健康產業。

2024年11月，《衛生健康行業人工智能應用場景參考指引》發佈，明確84類應用方向，涵蓋醫學影像分析、智能藥物研發等核心領域，爲技術落地提供了頂層設計支撐。

至於未來AI在醫療行業的運用場景有哪些？

根據西南證券杜向陽研究團隊的研報指出，“模型即服務”的生態閉環，不僅重構了醫療工作流，更催生了六大核心應用方向的爆發，包括AI醫學影像輔助診斷；AI基因測序，即罕見病大模型優化基因測序篩查，AI助力多助學數據分析；AI醫療信息化CDSS輔助臨牀決策，即優化電子病歷質控、臨牀決策支持與智能分診流程等；AI健康管理，即平臺依託模型生成個性化防控方案，推動慢病管理從“被動治療”轉向“主動干預”；AI製藥，即縮短藥物研發週期，助力靶點發現及臨牀療效預測；AI手術機器人。

瑞銀證券中國醫療行業研究主管陳晨則向藍鯨財經表示，我們注意到AI驅動的藥物發現一直是一個熱門話題。不同的AI工具已廣泛應用於生物製藥和CRO行業，以賦能藥物靶點相互作用、抑制機制、代謝模擬等。一些製藥和CRO公司還將DeepSeek和其他AI大模型應用於其日常運營以及數據管理等臨牀試驗管理流程中。一些公司認爲DeepSeek可以幫助提高運營和研發效率。輔助診斷（例如影像學分析和增強）正在採用AI工具來幫助提高診斷質量。

“我們注意到手術機器人也在採用人工智能來協助外科醫生增強手術視野和手術體驗。互聯網醫療公司使用AI技術來提高就診過程中的醫生效率和在線健康管理服務的質量；AI提高了生產力和客戶滿意度，同時控制了風險和人爲錯誤。在零售藥店和醫療分銷中，人工智能可用於提高物流效率、庫存週轉率、運營管理和客戶服務質量。一些醫療保健AI應用程序專注於臨牀決策支持及其他方面，包括：智能決策支持：輔助診斷輔助篩查、智能告警、患者狀態綜合分析;臨牀自動化：自動輪班交接、病歷書寫、語音轉文字對話;遠程醫療：統一標準和自動質量控制;智能管理：質量控制、運營績效和科研。”陳晨表示。

CIC灼識諮詢執行董事董曉雅表示，國內大模型從追趕海外到現在已取得大量可喜的進展，大模型的性能和成本已能夠達到全球領先的水平，具備了大規模商用的基礎，而中國的AI大模型產業規模也在此驅動下迅速提升。目前中國大模型產業的劣勢主要體現在硬件基礎設施和基礎算法理論上，中國的高性能芯片仍與國際領先水平存在差異，基礎算法的創新性理論研究也相對落後。但DeepSeek的成功也爲行業參與者提供了信心，未來將通過各界的共同努力，在這些層面取得突破性進展。