随着治疗途径日益复杂、生产方式多样化以及供应链面临区域化压力，运营卓越性的要求比以往任何时候都更高。在这种不断演变的格局中，只有当医疗突破能够更快、更可靠地到达患者手中——以全球医疗系统和预算可持续的规模和成本——医疗保健创新才能充分发挥其价值。
我们已经进入了一个新时代，人工智能(AI)正推动着现代历史上最快的技术变革之一。根据麦肯锡最新的"AI现状"报告，88%的组织现在至少在一个业务功能中使用AI，这一里程碑标志着企业运营方式的根本转变。
美国最近的数据显示，医疗保健已成为这一运动的先锋，其采用速度比其他行业快2.2倍。这已不再是试点阶段：随着75%的医疗保健系统和72%的医生在日常工作中使用AI，技术已成为医学实践的基础——这一转变也反映在患者身上。
此外，AI的影响在药物发现中已经非常明显，帮助科学家加速早期药物开发并降低失败风险。根据英伟达的"2026年医疗保健和生命科学AI现状：趋势"报告，如今，用于药物发现和开发的人工智能是生物制药行业最广泛的应用。
然而，药物发现仅仅是开始。
为了让创新在当前环境中惠及患者，生物制药制造和全球供应链必须与科学本身一样快速演进。作为行业，我们必须加速对AI驱动的制造和供应的投资。但要转型我们的行业，挑战还在于准备操作这些日益智能系统的劳动力。
为了确保生产更具韧性，未来的工厂必须能够预见供应链中断并迅速适应不断变化的公共卫生需求。构建此类系统需要行业、政府和教育系统之间的协调行动。
智能工厂将定义医疗保健的下一阶段
制药制造正在经历深刻转型，因为先进疗法需要更灵活、数字化集成和更具韧性的生产系统。
AI正日益在满足这些需求方面发挥核心作用，并从根本上重塑工厂的设计和运营方式。在赛诺菲，我们正在拥抱这一转型。通过使用数字孪生技术，我们在建造前模拟生产环境并优化系统，加速设施设计、建设和技术转移，更快地将新产能投入运营。
通过连接全球运营中的数据，我们正在变革供应链和库存管理。预测分析和高级遥测技术使我们能够预见设备行为，防止故障或停机，并实时优化性能。我们由AI驱动的产量分析平台分析生产线上的数千个实时数据点，使我们能够大规模复制最佳批次性能。这种方法带来了5%至10%的产量提升，转化为更实惠的药品生产，为患者提供了数百万额外剂量，且无需扩大我们的物理规模。
这不仅发生在赛诺菲，整个制药行业都在发生。由AI驱动的工厂正成为战略基础设施。礼来公司目前正在建设新的AI超级计算机，诺华使用机器学习对其工厂进行实时监控，默克利用AI在制造中降低质量评估中的错误拒绝率，莫德纳则利用基于AI的工具改进质量控制系统。
为什么赋能团队与技术同样重要
然而，仅靠技术无法转变制造业。
将AI集成到高度监管的制造环境中仍然很复杂，需要新的工业能力和配备技能与专业知识的员工，以安全可靠地操作这些系统。
与所有重大转型一样，这项下一代技术和AI赋能创新的成功最终将取决于运行它们的人。目标不是取代劳动力，而是增强人类专业知识，重塑而非取代关键的人工监督。
BCG亨德森研究所最近的一份报告估计，在未来两到三年内，50%至55%的角色将被AI重新定义。在工厂环境中，这将重点从取代人类劳动力转向增强人类能力，AI处理常规执行，而人类则专注于需要判断、协调和复杂问题解决的任务。虽然AI在复杂数据集中识别模式并生成见解，但工程师和操作员解释这些见解并将其转化为实时决策。人类监督确保在高度监管环境中保持透明度和问责制。
随着工厂变得更加数字化，制造业中的各种角色正在演变。操作员越来越多地通过实时高级分析和仪表板监控性能。工程师依靠数字孪生和模拟来优化流程，然后再进行规模化。质量团队利用算法透明度和数据治理框架支持基于科学、数据驱动的决策。
数据素养、数字风险意识和批判性思维正迅速成为工业劳动力的核心能力。
将转型转化为集体进步
扩大智能制造将需要行业、教育系统和政府之间的协调行动，以培养操作未来工厂所需的技能。
制药公司必须在其组织内投资数字能力，促进研发科学家、流程和数据工程师以及运营领导者之间的创新和协作。同样重要的是，与供应商和原始设备制造商建立集成方法，创建支持日益具有韧性、敏捷和成本效益的供应链的智能、AI赋能生态系统。
工程学校和职业培训项目有机会将AI、数据分析和数字制造进一步整合到其核心课程中，同时促进与行业的合作。
最后，政府在支持工业创新生态系统方面发挥着关键作用，投资大规模再培训计划，加速向智能和面向未来的工业网络过渡。
当行业、学术界和政策制定者共同行动时，制造卓越和弹性供应链的条件可以更快地出现。当前的机会是将制造和供应提升为医疗创新的决定性支柱，由AI赋能并日益由数据驱动。随着我们面临日益紧张的地缘政治局势和不断增长的治疗复杂性，弹性制造系统正成为公共卫生的必需品。
现在正是时候。这是塑造未来并定义现代医疗保健制造可以——并且将需要——成为什么的时候。
布伦丹·奥卡拉汉是赛诺菲制造和供应执行副总裁。
参考文献
- 麦肯锡公司。《2025年人工智能现状：智能体、创新与转型》。2025年11月5日。
- 英伟达。《2026年医疗保健和生命科学AI现状：趋势》。2026年。
【全文结束】