摘要：生物醫(yī)藥是中美科技競爭的重要內(nèi)容?；诳撇骱退固囟鞯纳镝t(yī)藥創(chuàng)新體系理論，從基礎(chǔ)研究、研發(fā)人員、市場需求、優(yōu)先事項、知識產(chǎn)權(quán)、激烈競爭等6個方面對中美兩國生物醫(yī)藥創(chuàng)新進行對比分析，指出中國生物醫(yī)藥創(chuàng)新的優(yōu)勢與不足，提出對策建議。

中美戰(zhàn)略競爭是“百年未有之大變局”的重要變量之一，而科技創(chuàng)新是這場博弈中的主戰(zhàn)場。美國將中國定位為“最嚴峻的競爭對手”，中美關(guān)系從合作與競爭進入到以戰(zhàn)略競爭為主的對立階段。而生物醫(yī)藥作為新一輪科技革命與產(chǎn)業(yè)變革中創(chuàng)新最為活躍、發(fā)展最為迅猛的戰(zhàn)略性新興產(chǎn)業(yè)，事關(guān)人類生命健康，在當前新冠病毒感染疫情背景下，既是美國“科技遏華”的重中之重，也是事關(guān)“卡脖子”技術(shù)問題，更是中國推動高水平科技自立自強的關(guān)鍵核心領(lǐng)域。2021年6月8日，美國參議院通過《2021美國創(chuàng)新與競爭法案》，強調(diào)“動員美國所有戰(zhàn)略、經(jīng)濟及外交工具抗衡中國”，明確將在生物技術(shù)與醫(yī)療技術(shù)、人工智能與自動化等關(guān)鍵核心領(lǐng)域與中國展開競爭。在我國頒布的《第十四個五年規(guī)劃和2035年遠景目標綱要》中，生物醫(yī)藥被列為事關(guān)國家安全和發(fā)展全局的關(guān)鍵核心領(lǐng)域。因此，對比研究中美生物醫(yī)藥創(chuàng)新，在理論和實踐上都有著十分重要的意義。

一、文獻綜述

生物醫(yī)藥的定義和范圍并不統(tǒng)一：

狹義的生物醫(yī)藥

主要是指以重組蛋白、抗體、核酸等生物大分子為主要成分的生物藥（biological products）。

廣義的生物醫(yī)藥

通常指全部的醫(yī)藥產(chǎn)業(yè)，不僅包含新興的生物藥領(lǐng)域，還涉及化學藥、原料藥、中藥及醫(yī)療器械等傳統(tǒng)醫(yī)藥產(chǎn)業(yè)[1]。

本文取其廣義的涵義。生物醫(yī)藥因高技術(shù)創(chuàng)新含量大，產(chǎn)業(yè)發(fā)展帶動性強，不僅是世界各國經(jīng)濟戰(zhàn)略的重心之一，而且是學術(shù)研究的熱點領(lǐng)域。為更好地對比研究中美醫(yī)藥創(chuàng)新，本文對有關(guān)研究文獻進行梳理、研究和評析，以“生物醫(yī)藥創(chuàng)新”為關(guān)鍵詞，對中國知網(wǎng)進行檢索。檢索結(jié)果是2000年1月1日至2021年11月1日的研究文獻有1464篇，大體上可分為理論研究、實證研究和混合研究三類。

在理論研究方面

生物醫(yī)藥創(chuàng)新體系理論最具代表性。Cockburn等[2]認為：基礎(chǔ)研究、研發(fā)人員、市場需求、優(yōu)先事項、知識產(chǎn)權(quán)、激烈競爭是驅(qū)動生物醫(yī)藥創(chuàng)新的6個關(guān)鍵要素，其中基礎(chǔ)研究和高端人才被視為最核心的兩個要素。這些創(chuàng)新驅(qū)動要素對整個生物醫(yī)藥創(chuàng)新體系的形成和演變產(chǎn)生重要影響。生物醫(yī)藥創(chuàng)新作為一個體系進行研究的思想在中國的學者中產(chǎn)生了廣泛的影響。如張海龍[3]對生物醫(yī)藥創(chuàng)新從政府、醫(yī)療機構(gòu)、企業(yè)、高校和科研機構(gòu)4個影響因素進行了研究。

在實證研究方面

主要集中在利用有關(guān)定量模型，分析我國生物醫(yī)藥產(chǎn)業(yè)，指出現(xiàn)存的主要問題。科技部社會發(fā)展科技司[4]從政策、計劃、機構(gòu)、投入、園區(qū)、產(chǎn)業(yè)、技術(shù)、專利等8個方面，系統(tǒng)地闡述了生物醫(yī)藥創(chuàng)新體系的關(guān)鍵要素，并從宏觀政策、中觀計劃投入和微觀技術(shù)專利三個層面對比分析了國內(nèi)外生物醫(yī)藥創(chuàng)新現(xiàn)狀，實證研究了我國生物醫(yī)藥領(lǐng)域的創(chuàng)新發(fā)展過程。胡明東[1]從全球產(chǎn)業(yè)格局、創(chuàng)新、國際化、流通、資本和區(qū)域產(chǎn)業(yè)發(fā)展等角度，汲取美歐日先進企業(yè)的經(jīng)驗教訓，探討了我國生物醫(yī)藥產(chǎn)業(yè)高質(zhì)量發(fā)展的路徑選擇。

在混合研究方面

有單一方面進行的理論和實證研究，也有多方面進行的理論和實證研究。例如：劉秉鐮等[5]認為規(guī)模無效率導致中國醫(yī)藥制造業(yè)的創(chuàng)新效率處于較低水平；李炎炎等[6]認為現(xiàn)階段我國生物醫(yī)藥產(chǎn)業(yè)研發(fā)投入不足、研發(fā)質(zhì)量低；施晴等[7]認為中國高校在生物醫(yī)藥專利的基礎(chǔ)創(chuàng)新、技術(shù)成熟度和市場化方面遠遠落后于美國；安同良等[8]認為我國醫(yī)藥制造等高技術(shù)產(chǎn)業(yè)的研發(fā)投入和補貼強度與歐美發(fā)達國家相比處于較低水平；魯若愚等[9]認為數(shù)字化情景與開放式創(chuàng)新顯著改變了生物醫(yī)藥創(chuàng)新體系的主體和運行機制；李俊霞等[10]認為科技和金融資源的融合度不高，科技金融資源配置的整體效率有待提升；劉述強[11]認為應在技術(shù)、人才和融資三個方面結(jié)構(gòu)性升級，促進人工智能與生物醫(yī)藥研發(fā)融合，完善人才流動機制和風險共擔融資機制；李黎明等[12]認為專利導航試點政策對中國醫(yī)藥產(chǎn)業(yè)的新產(chǎn)品和新技術(shù)研發(fā)缺乏顯著的激勵作用；余育輝[13]認為中國生物醫(yī)藥產(chǎn)業(yè)政策工具存在結(jié)構(gòu)性失衡，過于注重環(huán)境型政策和供給型政策而忽視需求型政策。這些研究從不同角度探討了生物醫(yī)藥創(chuàng)新體系的關(guān)鍵要素，為我國推動生物醫(yī)藥創(chuàng)新提供了有益借鑒。

綜上所述，為適應當前新形勢，生物醫(yī)藥創(chuàng)新需在以下三個方面進一步研究：

一是中美競爭格局下創(chuàng)新體系的比較視角研究變得更具現(xiàn)實意義，特別是生物醫(yī)藥領(lǐng)域；

二是新一輪科技革命和產(chǎn)業(yè)變革下生物醫(yī)藥領(lǐng)域創(chuàng)新要素和范式正在發(fā)生變化；

三是基于生物醫(yī)藥創(chuàng)新體系的理論研究有待進一步深入。

二、中美生物醫(yī)藥創(chuàng)新的總體形勢

以人工智能為代表的新一代信息技術(shù)快速發(fā)展，給生物醫(yī)藥創(chuàng)新帶來了歷史性機遇，已成為中美戰(zhàn)略競爭的重點領(lǐng)域，加快了生物醫(yī)藥的數(shù)字化、智能化前進步伐，形成了新的產(chǎn)業(yè)格局。

（一）生物醫(yī)藥產(chǎn)業(yè)智能化生態(tài)正在加速形成

生物醫(yī)藥是人工智能最悠久最重要的應用領(lǐng)域之一，人工智能幾乎一誕生就應用于醫(yī)學領(lǐng)域。

20世紀90年代以來，藥物研發(fā)主要依靠組合化學、高通量篩選和計算機輔助設(shè)計等核心技術(shù)，通過實驗試錯的方式篩選藥物，目前開發(fā)一款原創(chuàng)新藥的平均資本成本約為26億美元，需要12~15年，成功率僅為12%左右。

21世紀初，新一代人工智能迎來算法和算力重大突破，大幅提高了藥物發(fā)現(xiàn)效率和成功率，因此成為破解新藥研發(fā)周期長、成本高、成功率低等三大瓶頸的強力工具。

2006年，欣頓基于聯(lián)結(jié)主義提出神經(jīng)網(wǎng)絡深度學習算法，開啟了人工智能的第三次浪潮，而人工智能算力正在以每3.4個月翻一番的速度增長，2018年已超過100億億次每秒[14]。

新一代人工智能輔助新藥研發(fā)（簡稱“AI新藥研發(fā)”）具有從海量數(shù)據(jù)中捕捉隱藏信息、自動特征提取、多任務學習等特點，從而可以實現(xiàn)精準建模、多參數(shù)優(yōu)化和虛擬篩選，其應用幾乎貫穿藥物研發(fā)的各個環(huán)節(jié)，如靶點發(fā)現(xiàn)、候選藥物篩選、臨床試驗優(yōu)化、藥物警戒等。

AI新藥研發(fā)的出現(xiàn)縮短了藥物靶點和化合物的發(fā)現(xiàn)過程，優(yōu)化的試驗設(shè)計減少了實驗規(guī)模，準確地預測新藥后續(xù)的實驗結(jié)果，從而大大降低了藥物研發(fā)的周期和成本，提高了藥物開發(fā)成功率。如Insilico Medicine公司開發(fā)出GENTRL智能系統(tǒng)，結(jié)合快速合成技術(shù)僅用46天就完成了6種DDR1抑制劑的設(shè)計、合成和測試，將過去2~3年的藥物發(fā)現(xiàn)周期縮短到不足2個月；德國馬克思普朗克研究所對af1503蛋白的結(jié)構(gòu)解析進行了近10年但未得結(jié)果，而DeepMind公司開發(fā)的AlphaFold2很快就準確預測出該蛋白質(zhì)結(jié)構(gòu)。

人工智能在新冠病毒疫苗開發(fā)中也發(fā)揮了關(guān)鍵作用，如分析病毒結(jié)構(gòu)、預測免疫反應、跟蹤病毒基因突變等。生物科技公司Inovio Pharma在人工智能輔助下開發(fā)的DNA疫苗僅用83天就推進到臨床階段。國際制藥巨頭輝瑞制藥（Pfizer）首席執(zhí)行官布爾拉（Albert Bourla）表示，早在大流行之前輝瑞就已經(jīng)在推動研發(fā)業(yè)務的數(shù)字化和智能化，人工智能是幫助輝瑞在一年內(nèi)成功推出新冠病毒疫苗的關(guān)鍵因素之一。當前在新冠病毒感染疫情的沖擊下，AI新藥研發(fā)技術(shù)正在加速向定量構(gòu)效關(guān)系建模、從頭藥物設(shè)計、AI指導化合物自動合成等前沿縱深發(fā)展，有望對生物醫(yī)藥行業(yè)帶來革命性的變化[15]。人工智能的發(fā)展，數(shù)字能力的提升，已成為探索生物醫(yī)藥企業(yè)業(yè)務模式最有力的工具。

（二）AI新藥研發(fā)正在成為中美科技競爭焦點

AI新藥研發(fā)作為生物醫(yī)藥產(chǎn)業(yè)的“牛鼻子”，具有強大的產(chǎn)業(yè)帶動性，是中美兩國及其企業(yè)搶占的制高點。2016年，美國率先出臺《國家人工智能研究與發(fā)展戰(zhàn)略計劃》，提出保持AI研究長期投入、加強人才培養(yǎng)、構(gòu)建AI倫理及法律體系等七條戰(zhàn)略舉措，認為人工智能在生物信息、智能診療、新藥研發(fā)和精準醫(yī)療等方面能極大促進社會福祉。

面對新冠病毒感染疫情危機，美國“2022財年研發(fā)預算優(yōu)先事項及交叉行動”備忘錄把公共衛(wèi)生安全與創(chuàng)新放在首位，提出優(yōu)先發(fā)展人工智能、量子信息、生物醫(yī)藥等未來產(chǎn)業(yè)及技術(shù)，利用人工智能加快疫苗研發(fā)。2021年3月美國強調(diào)為應對中國科技競爭，將人工智能預算從2021年的15億美元提高到2026年的320億美元，大力推動人工智能與生物技術(shù)、量子計算等關(guān)鍵技術(shù)交叉融合。

中國同樣高度重視AI新藥研發(fā)。2017年，國務院出臺的《新一代人工智能發(fā)展規(guī)劃》提出要推廣應用人工智能治療新模式新手段，建立快速精準的智能醫(yī)療體系。2021年3月出臺的《第十四個五年規(guī)劃和2035年遠景目標綱要》提出要構(gòu)建人工智能和生物醫(yī)藥國家戰(zhàn)略科技力量，發(fā)展人工智能、基因和生物技術(shù)的原始創(chuàng)新能力。如中國超算研發(fā)團隊從開源數(shù)據(jù)資源中獲取數(shù)據(jù)，并根據(jù)人工智能算法生成模型，建立起藥物數(shù)字研發(fā)平臺。在新冠病毒感染疫情期間，中國超算中心通過AI發(fā)現(xiàn)了兩種藥物對新冠肺炎治療有效，后均被臨床研究證實。

美中兩國企業(yè)也在加緊布局AI新藥研發(fā)。2014—2019年美國銷售收入前11位的醫(yī)藥企業(yè)累計發(fā)起AI新藥研發(fā)項目61項，發(fā)表論文208篇（見圖1）[16]。美國AI初創(chuàng)企業(yè)Atomwise公司把新藥研發(fā)的早期評估作為重點，開發(fā)出用于新藥風險評估的AtomNet系統(tǒng)，大大降低了研發(fā)成本；Berg LLC公司開發(fā)出Interrogative Biology數(shù)據(jù)平臺和bAIcis?人工智能系統(tǒng)，在精準疫苗的開發(fā)上走在世界前列。中國晶泰科技與輝瑞合作，建立了小分子藥物模擬算法平臺。百度、騰訊、華為等科技公司則先后成立了百圖生科、云深智藥、醫(yī)療智能體等AI新藥研發(fā)機構(gòu)，力圖在藥物設(shè)計、靶點發(fā)現(xiàn)、精準診斷、數(shù)字醫(yī)療等市場競爭中占居有利地位。

（三）美國在生物醫(yī)藥領(lǐng)域占居領(lǐng)先優(yōu)勢

目前，中國在研產(chǎn)品數(shù)量與全球首發(fā)上市新藥數(shù)量對全球的貢獻率分別為13.9%和6%，新藥研發(fā)能力進入世界“第二梯隊”，但與美國相比（占比分別為49.3%和67.6%）還有明顯差距[17]。美國在新藥研發(fā)的基礎(chǔ)研究、新藥產(chǎn)出和高技術(shù)企業(yè)等方面均占據(jù)絕對優(yōu)勢。美國是生物技術(shù)的源頭，也是現(xiàn)代化學藥物的先行者。生物技術(shù)建立在分子生物學和遺傳學的基礎(chǔ)上。

2020年，DeepMind公司開發(fā)的AlphaFold2通過引入“注意力機制”和“端到端學習”的算法創(chuàng)新，首次實現(xiàn)了對單鏈蛋白質(zhì)單結(jié)構(gòu)域的精準預測，在蛋白質(zhì)結(jié)構(gòu)解析上取得關(guān)鍵性的突破?；诹孔盈B加原理的量子計算可以模擬量子化的原子，因此量子計算在新材料設(shè)計、藥物設(shè)計以及化學反應模擬等方面有望突破當前經(jīng)典計算機的物理極限從而實現(xiàn)算力躍遷。

2020年，美國谷歌公司（Google）的人工智能量子團隊打造的Sycamore處理器成功模擬了二氮烯分子的異構(gòu)化反應，使量子計算在模擬和發(fā)現(xiàn)小分子化合物上邁出重要一步。

2021年1月，谷歌與德國醫(yī)藥企業(yè)勃林格殷格翰（Boehringer Ingelheim）聯(lián)合成立量子實驗室，致力于實現(xiàn)對蛋白質(zhì)、核酸、多糖等生物大分子的模擬，有望開啟在原子、分子層面理解生命和研發(fā)新藥的新模式。

美國在創(chuàng)新藥，特別是首創(chuàng)新藥（First-in-class）的產(chǎn)出上穩(wěn)居世界首位。1998—2017年全球累計上市創(chuàng)新藥731種。其中，美國有308種，全球占比穩(wěn)定，保持在40%以上（見圖2）。據(jù)陳凱先院士披露，中國在2008年以前僅有5種I類新藥，2008—2020年中國實施了“重大新藥創(chuàng)制”國家重大科技專項，期間累計產(chǎn)出I類新藥60多種，但僅是同期美國新藥產(chǎn)出的1/5。基于新靶點、新適應癥或者新藥理機制的首創(chuàng)新藥是藥物研發(fā)中最受矚目的“明珠”，1999—2018年美國共上市首創(chuàng)新藥194種，而這一時期我國率先批準上市的首創(chuàng)新藥僅1種。

美國擁有全球最多的醫(yī)藥巨頭、生物技術(shù)創(chuàng)新企業(yè)和AI初創(chuàng)企業(yè)，數(shù)量幾乎是世界的一半。2013—2019年全球生物藥銷售收入最多的10家醫(yī)藥企業(yè)中，美國企業(yè)始終保持在8家，其全球市場份額占比超過50%；2020年全球制藥企業(yè)20強，美國企業(yè)占了10席。在AI新藥研發(fā)方面，據(jù)Deep Pharma Intelligence統(tǒng)計，到2020年全球約有240家AI新藥研發(fā)初創(chuàng)企業(yè)，其中美國有130家，中國有6家；全球約有600家AI醫(yī)藥投資公司，其中美國有390家，中國有8家；排名前35位的AI藥物研發(fā)中心，美國有13家，中國有2家；排名前30位的AI新藥研發(fā)企業(yè)，美國有20家，中國有1家[18]。

三、中美生物醫(yī)藥創(chuàng)新對比分析

隨著新一代信息技術(shù)、生物技術(shù)的加速發(fā)展，盡管Cockburn等[2]創(chuàng)新理論的六個關(guān)鍵核心要素的具體內(nèi)容和外在條件業(yè)已發(fā)生或正在發(fā)生改變，但是理論分析框架仍然有效，仍能很好地對當前中美兩國生物醫(yī)藥創(chuàng)新體系的整體效能作出合理的解釋。因此，鑒于生物醫(yī)藥創(chuàng)新因其巨大的市場需求而成為中美戰(zhàn)略競爭的重要領(lǐng)域，本文從基礎(chǔ)研究、研究人員、優(yōu)先事項、知識產(chǎn)權(quán)、激烈競爭五個方面來對比分析中美生物醫(yī)藥創(chuàng)新，并指出我國生物醫(yī)藥創(chuàng)新現(xiàn)存的主要問題。

（一）基礎(chǔ)研究

生物醫(yī)藥基礎(chǔ)研究創(chuàng)新能力的提升靠的是持續(xù)穩(wěn)定的公共投入，這主要是因為生物醫(yī)藥產(chǎn)業(yè)存在著巨大風險和不確定性，風險資本和私人企業(yè)無法提供穩(wěn)定的支持。此外，基礎(chǔ)研究的回報形式主要是論文，離真正的創(chuàng)新產(chǎn)品形式還有很大的距離。Cockburn等[2]分析了20世紀70年代以來美國生物醫(yī)藥基礎(chǔ)研究的資金投入和科研產(chǎn)出之間的關(guān)系，認為美國生物醫(yī)藥取得進步的關(guān)鍵是基礎(chǔ)研究的穩(wěn)定投入和高質(zhì)量的產(chǎn)出。中國生物醫(yī)藥創(chuàng)新在基礎(chǔ)研究投入、高被引論文產(chǎn)出方面與美國有較大的差距。按2019年價格計算，1991—2019年中國各類基礎(chǔ)研究投入從2.6億美元增長到210億美元，累計投入1663億美元，同期美國基礎(chǔ)研究投入從498億美元增長到1078億美元，累計投入2.2萬億美元（見圖3）。

此外，中國基礎(chǔ)研究投入占比長期維持在5%左右，而美國基礎(chǔ)研究投入占比始終保持在15%以上（見圖4、圖5）。

具體到與新藥研發(fā)相關(guān)的基礎(chǔ)科學領(lǐng)域，2000—2016年中國國家自然科學基金在化學、生命科學和醫(yī)學領(lǐng)域累計投入426億元（約合66億美元），而同期美國NIH投入4800億美元，其中與新藥研發(fā)直接相關(guān)的資金超過1000億美元[19]。

在企業(yè)投入方面

2019年美國研發(fā)投入最多的10家醫(yī)藥企業(yè)合計研發(fā)投入556.7億美元，而中國研發(fā)投入前10位的醫(yī)藥企業(yè)合計研發(fā)投入244億元（約合37.5億美元），僅為前者的1/15（見表1）。

在風險投資方面

據(jù)PitchBook的數(shù)據(jù)顯示，2016—2020年中國生物醫(yī)藥累計獲得風險投資超過230億美元，其中支持基礎(chǔ)研究成果轉(zhuǎn)化和概念期項目孵化的種子輪和天使輪項目融資約1.2億美元，占比0.5%。同期，美國生物醫(yī)藥風險投資累計808億美元，其中種子輪和天使輪融資45億美元，占比5.5%。

在產(chǎn)出方面

中國每年產(chǎn)出的SCI論文數(shù)量增長迅速，然而論文質(zhì)量與美國仍有較大差距。

在生命科學領(lǐng)域，2013—2018年中國平均每年新增SCI論文從4.92萬篇快速增長到10.43萬篇，美國則穩(wěn)定在每年約3.6萬篇，然而美國在被引頻次前10%、前1%和前0.1%的高影響論文累計數(shù)量上分別是中國的5倍、13倍和32倍。

在醫(yī)學領(lǐng)域，這一時期中國平均每年新增SCI論文從9760篇增長到1.61萬篇，數(shù)量上接近美國1.73萬篇（見圖6），然而美國在被引頻次前10%、前1%和前0.1%的高影響論文累計數(shù)量上分別是中國的13倍、42倍和185倍。

此外，美國在這兩個領(lǐng)域還有181篇被引頻次前0.01%的高影響論文，而中國僅有1篇（見圖7）。

由此可以看出，我國生物醫(yī)藥基礎(chǔ)研究的論文產(chǎn)出在數(shù)量增長迅速，但整體質(zhì)量不高。

（二）研發(fā)人員

規(guī)?；膶I(yè)人才，特別是高端人才，是生物醫(yī)藥創(chuàng)新體系的基礎(chǔ)，能改變其結(jié)構(gòu)，提升其整體效能。隨著中國高等教育的發(fā)展，中國本科以上學歷的人口已超過9000萬人，居世界第一，但是高端人才嚴重不足。以高校為例，2020年我國普通高校具備研究生指導資格的講師、副教授和教授級高端人才共有44.5萬名，而同年全國在學碩士生和博士生達到314萬人，導師和研究生的比例約為1∶7。對美國而言，2018年美國高等院校有52.6萬名助理教授、副教授和教授級高端人才，在學研究生102萬人，師生比例僅為1∶2。可以說，美國高校的高端人才無論從絕對數(shù)量上還是相對數(shù)量（師生比）上都遠高于中國。

從科學與工程類專業(yè)博士的畢業(yè)數(shù)量上看

2000—2015年中國累計培養(yǎng)博士生37.7萬名，同期美國培養(yǎng)博士生51萬名，約為中國的1.4倍[21]。

從醫(yī)藥產(chǎn)業(yè)研發(fā)人員上看

2017年美國醫(yī)藥產(chǎn)業(yè)有12.7萬名研發(fā)人員，總量少于中國的17.7萬人，然而研發(fā)人員占比達到24.5%，遠高于中國的9.3%。

從高被引學者（被引頻次全球排名前1%）數(shù)量上看

2019年美國在生物醫(yī)藥領(lǐng)域有高被引學者943人，而中國僅25人。

從生物醫(yī)藥中的高端AI人才數(shù)量上看

2017年全球高端AI人才分布最多的20家企業(yè)，美國有8家企業(yè)上榜，高端AI人才232人，這8家美國企業(yè)均深度參與了AI新藥研發(fā)項目，其中禮來（EliLilly）和輝瑞是全球營收排名前15位的傳統(tǒng)醫(yī)藥企業(yè)，而IBM、英特爾和谷歌等信息通信技術(shù)企業(yè)則成立了智慧醫(yī)療部門，并分別推出了Watson、Mind.ai和AlphaFold等藥物研發(fā)智能系統(tǒng)，而中國企業(yè)只有華為1家上榜，高端AI人才僅有7人[22]。

2019年，DeepTech公司在全球范圍內(nèi)從理論、技術(shù)和商業(yè)三個方面評選出100位從事AI新藥研發(fā)的領(lǐng)軍人才，其中美國有68人，中國僅有2人，與美國差距巨大[23]。

（三）優(yōu)先事項

研究人員的學術(shù)方向選擇和政府投入的優(yōu)先事項涉及生物醫(yī)藥創(chuàng)新的具體內(nèi)容，前者的激勵靠的是基于優(yōu)先權(quán)的開放科學透明制度，后者靠的是同行評議審查下的制度控制。就知識而言，無論哪種形式，都體現(xiàn)了開放科學的規(guī)范。在當前數(shù)字時代背景下，新一輪的開放科學運動逐漸興起，主張開放科學研究中的資料獲取，搭建開放的數(shù)據(jù)資源和學術(shù)資源交流平臺，得到了學界及社會的廣泛關(guān)注[24]。

美國高度重視數(shù)據(jù)庫平臺建設(shè)，至2020年年底全球共部署超大規(guī)模數(shù)據(jù)中心597個，其中美國占39%位居全球第一，遠高于中國的10%。

具體到生物醫(yī)學領(lǐng)域

美國1988年就成立了國家生物技術(shù)信息中心（NCBI），以收集、存儲生物醫(yī)學文獻資料以及核酸、蛋白質(zhì)等組學數(shù)據(jù)，其管理的數(shù)據(jù)庫包括生物醫(yī)學文獻摘要數(shù)據(jù)庫PubMed、一級核酸序列數(shù)據(jù)庫GenBank等34個數(shù)據(jù)庫，涵蓋了生命科學的各個領(lǐng)域，如分子生物學、生物化學、遺傳學、基因組學、蛋白質(zhì)組學等。NCBI已經(jīng)成為生物醫(yī)學領(lǐng)域最為重要的數(shù)據(jù)資源之一，向全世界的科研工作者提供科學數(shù)據(jù)及應用共享服務，極大地推動了生命科學基礎(chǔ)研究的發(fā)展，同時也幫助美國在全球范圍內(nèi)取得了組學數(shù)據(jù)資源的管理權(quán)。

蛋白質(zhì)研究是生命科學的核心領(lǐng)域。美國于1971年就建立了蛋白質(zhì)數(shù)據(jù)庫（Protein Data Bank，PDB），以收錄蛋白質(zhì)及核酸的三維結(jié)構(gòu)數(shù)據(jù)，已成為結(jié)構(gòu)生物學研究的重要資源，而于1984年建立的蛋白質(zhì)信息資源庫（Protein Information Resource，PIR）則是全球最主要的蛋白質(zhì)序列數(shù)據(jù)庫之一。PDB和PIR在尋找疾病分子標記物、靶點發(fā)現(xiàn)、重大疾病診斷和治療等基礎(chǔ)研究及應用中發(fā)揮了重要作用。

在AI數(shù)據(jù)集方面

2020年，美國哈佛大學、麻省理工學院等六所大學聯(lián)合昆泰公司（IQVIA）開發(fā)出全球第一個針對機器學習的生物醫(yī)藥大型數(shù)據(jù)集（Therapeutics Data Commons），涵蓋小分子化合物、抗體、疫苗、miRNA等藥物開發(fā)的20多個任務和70多個高質(zhì)量數(shù)據(jù)集，未來還將拓展到ADMET預測、精準組合藥物、生物藥物研發(fā)、CRISPR基因編輯等前沿領(lǐng)域的應用。而我國直到2010年后才開啟生物醫(yī)藥領(lǐng)域的重大科學基礎(chǔ)設(shè)施建設(shè)，已建成國家蛋白質(zhì)科學中心（上海，2015年；北京，2018年）和中國國家基因庫（深圳，2016年），成立了國家生物信息中心/國家基因組科學數(shù)據(jù)中心（北京，2019年），目前正在建設(shè)國家生物醫(yī)學大數(shù)據(jù)庫（上海）和“1+5+X”國家健康醫(yī)療大數(shù)據(jù)中心，這些為未來中國醫(yī)療健康產(chǎn)業(yè)的發(fā)展提供有力支撐。索智生物創(chuàng)始人許大強博士認為，我國制藥行業(yè)數(shù)據(jù)化、信息化剛剛起步，高質(zhì)量數(shù)據(jù)集匱乏是我國AI制藥難以突破的主要瓶頸之一。

（四）知識產(chǎn)權(quán)

知識產(chǎn)權(quán)，特別是專利，作為一種激勵手段和技術(shù)市場的推動者，與其他領(lǐng)域相比，在推動生物醫(yī)藥領(lǐng)域的創(chuàng)新方面扮演著更為重要的角色。與美國相比，中國生物技術(shù)專利申請數(shù)量和授權(quán)數(shù)量已超過美國，但是專利質(zhì)量顯著低于美國，短時間難以趕上。

從專利申請數(shù)量來看

2001—2016年美國生物技術(shù)專利申請數(shù)量穩(wěn)定在1.3萬件左右，2017—2018年以后降至不足1萬件。2008年之前，中國生物技術(shù)專利申請數(shù)量不足1萬件，到2010年達到1.5萬件，超過了美國，2018年達到近4萬件，位居全球首位。

從專利授權(quán)數(shù)量來看

2000—2018年中國生物技術(shù)專利授權(quán)總量僅占美國的88.7%，但從2012年開始中國每年的授權(quán)量超過美國。從專利資產(chǎn)指數(shù)（用于衡量專利質(zhì)量的核心指數(shù)）來看，美國專利資產(chǎn)指數(shù)遙遙領(lǐng)先于中國，2014—2018年美國一直保持著相對于中國1.4~1.5倍的穩(wěn)定的優(yōu)勢（見表2）。

（五）激烈競爭

復雜激烈的競爭是生物醫(yī)藥領(lǐng)域的顯著特點，也是其創(chuàng)新效能的關(guān)鍵驅(qū)動力。就產(chǎn)業(yè)鏈而言，從基礎(chǔ)研究的科學發(fā)現(xiàn)到技術(shù)創(chuàng)新市場，再到產(chǎn)品市場充滿了競爭；就競爭主體而言，從個人到機構(gòu)，再到國家同樣充斥著競爭。下面，以藥品標準為例，比較中美兩國生物醫(yī)藥創(chuàng)新競爭。

美國和歐盟是全球藥品標準規(guī)范的主要制定者，對藥品標準規(guī)范的主導權(quán)極大地幫助了美國醫(yī)藥產(chǎn)業(yè)拓展全球市場。如1990年日本醫(yī)藥企業(yè)占據(jù)了85%的日本國內(nèi)市場份額，前10大藥企均為日本企業(yè)，而1997年日本接受了美歐主導的國際人用藥品注冊技術(shù)協(xié)調(diào)會（ICH）標準后放寬了市場準入，2003年日本企業(yè)的國內(nèi)市場占比降至64%，同時輝瑞、羅氏（Roche）、諾華（Novartis）和默克（Merck＆Co.）等四家外資企業(yè)的營銷額進入前10名，其中輝瑞在日本市場份額達到6%，取代日本武田位居榜首[25]。

藥品標準包括質(zhì)量標準、安全標準、功效標準、醫(yī)學術(shù)語集、通用技術(shù)文件和監(jiān)管信息傳輸電子標準，其中“良好生產(chǎn)規(guī)范”（Good Manufacture Practice，GMP）是藥品生產(chǎn)和質(zhì)量管理的核心標準。GMP要求企業(yè)在原輔料、人員、組織機構(gòu)、廠房設(shè)備、記錄報告、生產(chǎn)過程、包裝運輸、產(chǎn)品召回和銷毀等方面達到與產(chǎn)品預期用途相符的質(zhì)量標準，并形成一套可執(zhí)行的作業(yè)規(guī)范。實施GMP是藥品生產(chǎn)企業(yè)生存和發(fā)展的基礎(chǔ)，而GMP認證是產(chǎn)品通向國際市場的“準入證”。美國是GMP的發(fā)源地，藥品安全意識的不斷提升是其產(chǎn)生的重要原因。

20世紀70年代以來，GMP逐漸成為全球關(guān)于藥品質(zhì)量的共同語言。歐共體、英國、日本在20世紀70年代初期先后頒布GMP標準。1969年，世界衛(wèi)生組織（WHO）在第22屆世界衛(wèi)生大會建議各成員國的藥品生產(chǎn)采用GMP制度，并于1975年正式頒布WHO的GMP標準，1979年第28屆世界衛(wèi)生大會將GMP確定為WHO法規(guī)。WHO發(fā)布的GMP更適用于發(fā)展中國家的國情，而美國、歐盟和日本則采用標準水平較高的cGMP。

我國GMP標準的制定起步較晚。1982年，中國醫(yī)藥工業(yè)公司通過對國外GMP體系進行調(diào)研，制定了《藥品生產(chǎn)質(zhì)量管理規(guī)范（試行版）》，在此基礎(chǔ)上，1985年國家醫(yī)藥管理局正式頒布的《藥品生產(chǎn)管理規(guī)范》，作為我國醫(yī)藥行業(yè)的GMP標準進行推廣。1988年，衛(wèi)生部以WHO的GMP為藍圖起草的《藥品生產(chǎn)質(zhì)量管理規(guī)范》正式頒布，成為我國第一部法定GMP，至今經(jīng)歷過1992年、1998年和2010年三次修訂，我國現(xiàn)行法定GMP是2010年修訂版。

我國施行的GMP和美國cGMP相比在標準水平上存在一定差距。GMP偏重對生產(chǎn)設(shè)備等硬件的要求，當硬件條件是否符合GMP條款成為主要評判標準時，質(zhì)量管理則容易脫離實踐而浮于形式。如按照GMP標準，原料藥廠家需要在原料藥專用潔凈區(qū)的稱量室內(nèi)安裝捕塵器而無須考慮其合理性。相比而言，美國cGMP則偏重于軟件的要求，如人員的操作規(guī)范、生產(chǎn)過程中突發(fā)事件的處理等，注重對產(chǎn)品“質(zhì)與量”的全流程控制，要求每一環(huán)節(jié)都要達到標準并且拿出真實、合理的證據(jù)，以達到“發(fā)現(xiàn)問題、找出原因、解決問題并提出新的方案并加以運行和追溯”的目的，在實現(xiàn)質(zhì)量控制的同時促進人員和企業(yè)提升安全意識、質(zhì)量意識和生產(chǎn)管理水平。我國在GMP等現(xiàn)有藥品標準體系的建設(shè)上起步較晚，兼之創(chuàng)新能力和產(chǎn)業(yè)競爭力不高，因此在國際藥品標準上話語權(quán)有限。目前，AI新藥研發(fā)的國際標準還是空白，能否率先提出具有國際認可度的AI新藥研發(fā)標準對于提升我國生物醫(yī)藥產(chǎn)業(yè)在全球產(chǎn)業(yè)鏈中的位置至關(guān)重要。

四、研究結(jié)論與政策建議

（一）研究結(jié)論

01 基礎(chǔ)研究投入長期處于較低水平，尤其是醫(yī)藥企業(yè)研發(fā)投入較少，基礎(chǔ)研究“上游”成果質(zhì)量不高，尚未成為創(chuàng)新源泉；

02 論文和專利在數(shù)量上雖已位居世界前列，然而生物醫(yī)藥領(lǐng)域的高影響論文和高價值專利占比較低，唯論文和唯專利的傾向明顯；

03 高校和產(chǎn)業(yè)的高端人才嚴重不足，尤其是復合型人才，如既了解新藥研發(fā)又掌握人工智能技術(shù)的人才，而人才培養(yǎng)無論在數(shù)量上還是質(zhì)量上均與美國有較大差距；

04 新一輪開放科學背景下核酸、蛋白質(zhì)等組學數(shù)據(jù)庫和面向機器學習的大型數(shù)據(jù)集等數(shù)字基礎(chǔ)設(shè)施的建設(shè)上起步較晚，高質(zhì)量數(shù)據(jù)匱乏成為制約我國生物醫(yī)藥智能化轉(zhuǎn)型的主要瓶頸之一；

05 國際藥品標準競爭中話語權(quán)不高。

（二）政策建議

要實現(xiàn)中國生物醫(yī)藥產(chǎn)業(yè)高水平自立自強，必須在發(fā)揮好制度優(yōu)勢、激發(fā)出人才創(chuàng)新創(chuàng)造活力、建設(shè)好科技創(chuàng)新平臺、提升藥品標準話語權(quán)等方面精準施策。

01 發(fā)揮制度優(yōu)勢推動生物醫(yī)藥加速發(fā)展。生物醫(yī)藥領(lǐng)域的創(chuàng)新需要持續(xù)穩(wěn)定的長期投入才能實現(xiàn)高回報，而私人企業(yè)投資存在過多的風險顧慮，因此生物醫(yī)藥創(chuàng)新需要國家的穩(wěn)定公共投入，特別是在共性技術(shù)和公平平臺建設(shè)上。中國要充分利用“舉國體制”的制度優(yōu)勢，加強生物醫(yī)藥學科和產(chǎn)業(yè)的頂層設(shè)計；加大對生物醫(yī)藥基礎(chǔ)研究、共性技術(shù)研究、基礎(chǔ)工程軟件、大科學裝置以及高質(zhì)量數(shù)據(jù)集的投入；構(gòu)建以國家實驗室為核心，國家研究中心、國家重點實驗室和國家工程技術(shù)研究中心為骨干的戰(zhàn)略科技力量；目標導向和探索性研究缺一不可；基礎(chǔ)研究和應用研究“雙輪”驅(qū)動。

02 尊重鼓勵研究人員的創(chuàng)新選擇。生物醫(yī)藥創(chuàng)新方向的選擇是同行評議決定的，資源配制則是通過市場來實現(xiàn)的，而依靠“命令”難以保證創(chuàng)新的突破。因此，要推動小同行評議的人才評價機制，加大對青年人才的長期穩(wěn)定支持，給領(lǐng)軍人才一定的自主權(quán)。支持高校和企業(yè)人才培養(yǎng)的選擇權(quán)，提高人才“造血”能力。支持企業(yè)多樣性創(chuàng)新選擇，包容失敗，提升產(chǎn)業(yè)的各類人才吸納能力。

03 加快推進生物醫(yī)藥基礎(chǔ)設(shè)施建設(shè)。順應新一輪開放科學運動的要求，加快國家健康醫(yī)療大數(shù)據(jù)中心建設(shè)。要加強國家級蛋白質(zhì)序列數(shù)據(jù)庫和蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫建設(shè)，鼓勵生物醫(yī)藥二級數(shù)據(jù)庫以及面向機器學習的大型數(shù)據(jù)集的開發(fā)；推動生物醫(yī)藥領(lǐng)域大科學裝置的建設(shè)；依托中國科學院、高校和頭部醫(yī)藥企業(yè)加快部署生物醫(yī)藥國家重點實驗室和國家技術(shù)創(chuàng)新中心；推動中歐、中美在政府間科技合作框架內(nèi)建立聯(lián)合研發(fā)平臺，鼓勵醫(yī)藥企業(yè)和生物技術(shù)企業(yè)研發(fā)中心“出?！?。

04 提升中國“藥品標準”國際話語權(quán)。加大藥品監(jiān)管改革步伐，藥品標準與國際先進水平穩(wěn)步、有序接軌；加強我國藥品監(jiān)管部門與食品藥品相關(guān)的各國政府機構(gòu)、國際組織和行業(yè)協(xié)會的交流合作，擴大國際影響力；在WHO藥品專家委員會、國際標準化組織和ICH的框架內(nèi)積極發(fā)出中國聲音，提出中國方案；培育若干AI新藥研發(fā)領(lǐng)軍企業(yè)，率先提出具有國際認可度的AI新藥研發(fā)標準。

參考文獻

[1]胡明東.生物醫(yī)藥大時代[M].北京:社會科學文獻出版社,2019:3-24.

[2]COCKBURN I M,STERN S. Finding the endless frontier :lessons from the life sciences innovation system for technology policy [J] . Capitalism andsociety,2010,5 ( 1) : 1-50.

[3]張海龍.中國生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新發(fā)展對策研究[D].長春:吉林大學,2019.

[4]科學技術(shù)部社會發(fā)展科技司.生物醫(yī)藥發(fā)展戰(zhàn)略報告[M].北京:科學出版社,2009.

[5]劉秉鐮,徐鋒,李蘭冰.中國醫(yī)藥制造業(yè)創(chuàng)新效率評價與要素效率解構(gòu)[J].管理世界,2013(2):169-171.

[6]李炎炎,高山行.中國生物醫(yī)藥產(chǎn)業(yè)發(fā)展現(xiàn)狀分析———基于1995—2015年統(tǒng)計數(shù)據(jù)[J].中國科技論壇,2016(12):42-47,97.

[7]施晴,王蕓,徐宏,等.基于專利轉(zhuǎn)化的高校生物醫(yī)藥專利質(zhì)量評價研究[J].科技管理研究,2019,39(11):139-145.

[8]安同良,千慧雄.中國企業(yè)R＆D補貼策略:補貼閾限、最優(yōu)規(guī)模與模式選擇[J].經(jīng)濟研究,2021,56(1):122-137.

[9]魯若愚,周陽,丁奕文,等.企業(yè)創(chuàng)新網(wǎng)絡:溯源、演化與研究展望[J].管理世界,2021,37(1):217-233,14.

[10]李俊霞,溫小霓.中國科技金融資源配置效率與影響因素關(guān)系研究[J].中國軟科學,2019(1):164-174.

[11]劉述強.生物醫(yī)藥產(chǎn)業(yè)要素結(jié)構(gòu)升級與動態(tài)隨機一般均衡分析[D].哈爾濱:哈爾濱理工大學,2020.

[12]李黎明,劉海波.專利導航試點政策是否促進了經(jīng)濟發(fā)展?——以醫(yī)藥產(chǎn)業(yè)為例[J].中國軟科學,2021(6):44-52.

[13]余育輝.中國生物醫(yī)藥產(chǎn)業(yè)政策文獻量化研究[D].廣州:華南理工大學,2019.

[14]AMODEI D,HERNANDEZ D,SASTRY G,et al. AI and Compute [EB/OL].(2019-11-07) [2021-05-15] . https : / / openai. com/blog/ai-and-compute/.

[15]JIMENEZ-LUNA J,GRISONI F,WESKAMP N,et al. Artificial intelligence in drug discovery : recent advances and future perspectives [J] . Expert opinion on drug discovery,2021,16 (9) : 949-959.

[16]SCHUHMACHER A,GATTO A,HINDER M,et al. The upside of being a digital pharma player [J] . Drug discovery today,2020，25 (9) : 1569-1574.

[17]任晉生,宋瑞霖,羅杰仁,等.構(gòu)建中國醫(yī)藥創(chuàng)新生態(tài)系統(tǒng)(2021—2025)[R].北京:中國醫(yī)藥創(chuàng)新促進會,2021.

[18 ]Deep Pharma Intelligence. AI for drug discovery,biomarker development and advanced R＆D landscape overview 2020 [R] . London : Deep Pharma Intelligence,2020.

[19]CLEARY E G,BEIERLEIN J M,KHANUJA N S,et al. Contribution of NIH funding to new drug approvals 2010-2016[J] . Proceedings of the national academy of sciences,2018,115 ( 10) : 2329-2334.

[20]宋思雨.基于SCI論文的中美科研實力對比分析[D].長春:吉林大學,2020.

[21]National Science Board. Higher education in science and engineering [M] / / National Science Board. Science and engineering indicators 2020:NSB-2019-7. Alexandria:National Science Foundation,2020 : 1-67.

[22]Deep Knowledge Analytics. Top 100 AI leaders in drug discovery and advanced healthcare [R] . New York : DeepTech,2019.

[23]陳勁,陽鎮(zhèn).數(shù)字化時代下的開放科學:倫理難題與推進路徑[J].吉林大學社會科學學報,2021,61(3):116-128,236.

[24]劉媛.中美兩國生物技術(shù)發(fā)展比較研究———基于專利數(shù)據(jù)的審視[J].科學管理研究,2021,39(2):135-146.

[25]MAHLICH J,The Japanese pharmaceutical industry in transition:has higher research orientation resulted in higher market value? [J] . Asian business&management,2007,6 ( 1) :75-94.

作者：王楠、王國強*，中國科協(xié)創(chuàng)新戰(zhàn)略研究院

本文原載于《中國軟科學》2023年第1期

感謝您的支持與關(guān)注，歡迎賜稿交流

投稿郵箱：nais-research@cnais.org.cn