2026年10月，人民网山东频道在报道山东临沂鲁南制药集团新时代药业化药研发中心时，给出了一组相当具体的数字：企业自研的“鲁南智擎”大模型与 AI 辅助药物发现（AIDD）系统，在确定靶点与参考分子后可智能生成上千个类似分子，再从成药性、可合成性、分子对接与动力学计算等维度逐层筛选，最终只需约100个分子进入合成测试，而传统路径至少需要200个。小分子药物研发负责人张浩介绍，借助这套系统，候选化合物发现周期可从36个月压缩至20个月以内，研发成本降低40%以上（来源：人民网山东频道2026年10月15日《一粒药里的“AI生产力”》，临沂市人民政府网站转载，光明日报同期报道）。
这组数字在医药行业内被广泛引用。但对外贸读者而言，它真正需要推敲的地方不在“快了多少”，而在一个更下游的问题：节省下来的这16个月，最终有没有出现在目标市场的批件上。
这是本文的判断——研发速度本身不等于出海能力，两者之间还隔着一段时间。医药智能体在出海场景里的价值，正是压缩这段时间。而要把这段时间压下来，靠的不只是模型，更是一层组织级的能力承接。
一、两笔时间账：研发端快了，注册端未必快
先把两笔时间账摊开。
第一笔发生在研发端。 据机构研报与媒体报道，截至2026年7月25日，国内创新药在研管线数量占全球总量的39%；2026年上半年，中国药企 BD 交易总额在全球占比达到58%。成本侧同样有数字支撑：有海外分析指出，美欧药企研发一款抗体疗法的成本约为中国公司的2.7倍，其中研发速度是核心驱动力，贡献了约40%的成本优势；在早期发现阶段，中国药企平均需要36个月，西方药企为54个月（来源：新华网2026年9月2日报道与国金证券、兴业证券相关研报）。
临床执行侧方向一致。国家药监局数据显示，2025年国内药物临床试验总量首次突破5000项，其中新药临床试验2997项，占全部试验的57.5%；机构研报显示，国内已完成临床试验整体平均用时为85.7天。公开行业研究还指出，中国在临床前候选化合物阶段只需12至20个月，海外平均需24至36个月，国内临床入组速度是海外的1.8至5倍。
费用侧还有一组对照：据沙利文统计，国内临床Ⅰ期人均费用约4至6万美元，Ⅱ/Ⅲ期约5至7万美元，而国际多中心临床试验人均费用一般在12至18万美元。研发速度与执行成本同时占优，才构成了上述40%的成本优势。
第二笔发生在注册端。 中国在新药临床试验申请（IND）环节的常规审评时限为60日，创新药临床试验审评审批试点已缩短至30日，与美国 IND 默认30日生效的机制基本相当；在新药上市申请（NDA）环节，中国标准审评时限为200日、优先审评为130日，美国标准审评约300日、优先审评约180日（来源：国金证券研报）。
单看这两个环节，中国的日历差并不吃亏。但出海面对的市场不止一个。欧洲药品管理局（EMA）的审评机制更为分散，需要成员国层面的协调与互认，整体节奏慢于 FDA；日本 PMDA 则在语言壁垒与本土临床数据要求上叠加了额外的时间成本。有企业在投资者互动平台上的表述相当直白：不同国家和地区的药品监管法规、审评体系存在较大差异，海外产品的注册周期并非一个固定的标准值，而是根据目标市场的法规要求动态调整。
这意味着同一家企业在不同市场的申报节奏是分叉的：同一份数据在美国、欧盟与日本面临的技术要求、语言要求与补充数据要求并不相同，准备工作的复杂度随目标市场数量非线性上升。
两笔账放在一起，会看到一个常被忽略的结构：研发端的速度优势是中国药企已经拿到手的部分，注册端的日历差是企业无法改变、只能适应的部分。真正决定速度优势能不能兑现成批件优势的，是夹在中间的第三段时间——把研发结论整理成符合目标市场要求的注册资料，需要多久。
二、三个时间差：余量是在哪里被吃掉的
医药智能体在出海链条上的作用，可以拆成三个时间差。
第一个是分子筛选差，发生在研发最上游。 上千个候选分子经过多维度筛选后收敛到约100个进入合成测试，进入湿实验的分子数量减半，意味着合成、纯化、活性验证这一整串环节的排队时间同步缩短。候选化合物发现周期从36个月压缩到20个月以内，是这一层的结果。
第二个是证据转换差，发生在研发与注册之间。 这是三个时间差里最少被讨论、却直接决定出海节奏的一层。一个化合物在内部被视为“有希望的候选物”，与它在监管机构面前被接受为“可申报的证据”，是两件不同的事——后者要求每一项数据都能回答来源、方法、版本、条件与责任人。如果研发阶段产生的数据原本就是结构化的、带溯源记录的，那么向 CTD 格式的申报资料转换主要是一次格式映射；如果研发数据散落在实验记录本、电子表格与个人电脑里，那么每一次申报都是一次重建。
第三个是审批日历差，发生在市场端。 这一层企业改变不了长度，但可以决定自己排在第几位。国际多中心临床试验（MRCT）之所以被反复提及，正是因为它允许一套临床数据同时支持中美两地的 NDA 申请；中国于2017年正式加入 ICH 并逐步接轨 ICH 技术指南，为的就是降低这一层的技术门槛（来源：公开注册法规资料与行业分析）。
三个时间差是递进而非并列：分子筛选差提供的是余量，证据转换差决定余量能不能留到注册环节，审批日历差决定留存的余量最终变成第几个批件。
这一段还会在审评过程中被二次放大。监管机构要求补充资料时，企业需要在限定时间内回应；若原始数据无法从既有记录直接还原，补救方式常常是补做实验，周期以月计。研发端省下的几个月，可能在这一步被一次性抵消。
三、数据主权：药企的第一道信任门槛
讨论医药智能体时，有一个细节对外贸读者格外重要，那就是部署形态。
公开信息显示，这家企业于2024年6月启动 AI 全域布局，2025年3月投入334万元购置4台算力服务器，建成总算力11.6 PFLOPS 的自有智算中心，为大模型本地部署提供算力支撑；“鲁南智擎”大模型服务平台的数据底座来自集团信息中心30多年的行业积累与 IT 研发中心近10年的应用沉淀，叠加开源大模型技术，完成本地化部署和场景化落地，数据的安全性与自主性因此更高。
“核心数据不出域”这件事在医药行业具有双重意义，是其他行业不完全具备的。
商业上，化合物结构、筛选策略、工艺参数与临床前数据构成药企的核心资产，这些数据一旦进入外部系统，企业的议价位置就发生了改变。本地化部署让智能体能力的引入不必以数据外流为代价，这直接降低了内部推动的阻力。
合规上，创新药出海通常会涉及跨境数据传输。欧洲的《通用数据保护条例》（GDPR）对临床受试者个人数据的跨境流动有明确约束，中国的数据出境安全评估办法同样对重要数据出境设定了申报要求。当研发数据原本就产生在企业自有算力环境内、并带有完整的访问与授权记录，跨境合规的举证成本会明显低于事后梳理。
信任门槛和合规前提，在出海场景里是同一个条件的两面。
四、证据可举证：从“有记录”到“能回放”
第二层能力是证据的形态。
在注册申报中，一份资料能否被接受，取决于它能否回答四个问题：数据依据哪一版方案产生、由谁执行、参数如何设定、结论如何得出。这四个问题在研发阶段本来就应该有答案，但传统研发流程里，这些答案往往分散在不同系统与不同人的记忆中，到申报时才被集中重建。重建的代价不只是时间，还有准确性——一旦某个关键条件的记录缺失，补救方式常常是重做一次实验。
在自动化系统这一侧，近年已经有相当明确的工程界定。2026年，英国皇家化学会（RSC）旗下期刊发表的《The agentic age of predictive chemical kinetics》（Chemical Science，DOI: 10.1039/d5sc07692g）在讨论智能体编排时给出了四个术语：HITL（human-in-the-loop）指在高成本、安全关键或不可逆的动作执行前必须保留人工批准；provenance（溯源）指完整记录输入、版本、设置、审批、成本与校验值，使每一次运行都可审计、可回放；decision-grade（决策级）要求经过验证的不确定性、端到端的可复现性与可回放的溯源；budget envelope（预算信封）与 stop-rules（停止规则）为计算与实验设定预算边界，触及阈值即暂停或终止。
这四个词出自化学动力学领域，但落到医药注册上的对应关系是直接的：不可逆动作前的签字位对应关键决策的审批留痕，可回放的溯源对应申报资料的来源举证，决策级对应一份资料能否不经二次加工就被采信。它把“信任”从一种态度变成了一组可检查的条件。该文同时指出，研究者的工作是设定目标与先验、批准高影响动作、裁决新的洞察——人从“执行”换到了“审批与裁决”，而这个位置就是医药研发里那个不能外包的责任位。
把这四个词对应到医药场景，是一组可检查的字段：某项关键实验依据哪一版方案执行、由谁操作、参数如何设定、结论如何推导。研发阶段就按这组字段采集，注册阶段便不需要二次加工；研发阶段没有按这组字段采集，申报时就只能靠回忆与重建来补齐。两者的差距不在工作量，而在证据效力。
五、批件时间差如何变成定价权
第三层回到商业端：先拿到批件究竟意味着什么。
医药市场的定价权高度依赖独占窗口。在美国，新分子实体（NME）的市场独占期为5年，生物制品为12年，生物类似药为4年；仿制药的路径里，首仿挑战专利成功可获180天市场独占期（来源：公开注册法规资料）。窗口的长度是固定的，真正可变的是窗口的起点——早一天获批，就早一天进入独占期，也早一天开始回收研发投入。
窗口起点的差异，在授权交易里被进一步放大。路透社报道显示，2025年大中华区对外授权交易总额约1377亿美元，2026年平均交易规模与首付款继续上升。公开行业研究指出，FDA、EMA、PMDA 三大体系的审评节奏差异，直接决定了海外授权交易中里程碑的触发时点与首付款确认节奏——这意味着申报资料的准备效率，影响的不只是某一个产品的上市日期，还可能是一笔交易里现金流的时间分布。
BD 交易金额占比58%与在研管线占比39%这两个数字，说明中国创新药已经进入全球交易的主流。进入主流之后的竞争，比的不再是有没有人买，而是同一类靶点上谁先完成注册。谁先拿到目标市场的批件，谁就抢到了定价权——这里的“快”，指的已经不是研发快，而是从研发到注册的整体时间差短。
六、ETA 企智孪生：把时间差变成组织级能力
三个时间差的压缩，最终要落在组织层的承接上。杭州联保致新在医药场景中的观察是，多数企业遇到的瓶颈不在模型能力，而在数据与流程的承接环节。杭州联保致新推出的 ETA 企智孪生，正是面向这一层设计的组织级智能体底座。
第一层是知识治理。 历次申报的发补意见、目标市场的技术指南要求、企业内部的历史实验数据，都要以可检索、可版本化、可复用的结构化资产形态存在，而不是以项目组经验的形态存在。ETA 企智孪生在这一层提供的是把分散知识沉淀为可调用底座的能力，让“目标市场对数据来源的要求”成为研发阶段就能被查询的约束，而不是申报前的整理清单。这一步最费人时，却是后续所有能力的前提。
在医药场景里，这一层最具体的工作是把历次发补意见、ICH 技术指南要求与企业内部历史实验数据结构化，使其能被研发人员在采集阶段直接查询，而不是等到申报前才由注册部门集中整理。
第二层是流程编排。 研发阶段的数据采集要求，要对着注册阶段的要求反向设计，而不是等到申报前再做格式映射。ETA 企智孪生把哪些判定由系统自动完成、哪些需要人工介入、哪些需要第三方复核，做成可配置的流程，而不是临场协调。
这一层的关键在于触发点：数据采集要求应当在候选物进入关键评价节点之前就生效，而不是在申报资料汇编阶段才被想起。流程编排解决的正是“约束什么时候起作用”的问题。在鲁南制药的公开实践中可以看到这一层的形态：企业已研发100余款 AI 智能体，落地超过200个应用场景，覆盖研发、人事、财务、销售、质检等板块，药物警戒部的 AI 分析系统把原本每月12小时的不良反应报告统计压缩至5分钟完成，准确率稳定在98%以上。
第三层是权限工程与审计留痕。 关键决策点必须保留明确的审批位，同时把每一次判定的依据、版本、参数与审批人完整留痕，让外部审计与发补应答可以在分钟级完成举证。这正是 HITL 与 provenance 两个工程条件在组织层的落地形态。
在跨境场景中，这一层还承接数据出境的举证责任：哪些数据可以出域、出域经过谁的授权、依据哪一版内部规则，都需要可被审计地记录下来。权限工程与审计留痕在此汇合为同一套能力。
杭州联保致新在 ETA 企智孪生上的定位，不是替代实验室里那套分子筛选系统，而是承接它下游那一段——让研发端省下的时间，能够留到注册环节。
从杭州联保致新的实践看，这一层能力的建成通常需要跨部门的协同：研发部门定义数据字段，注册部门定义约束条件，IT 与安全部门定义权限边界。缺少任何一方的参与，智能体都难以进入研发主流程。
七、五条可执行的落地建议
第一，把注册要求反向写进研发流程。在候选物进入关键评价节点之前，就明确目标市场（美国、欧盟、日本或东南亚）对数据来源、方法验证与格式的具体要求，并把这些要求变成数据采集阶段的字段约束。
第二，把“可回放”当作研发数据的默认标准。一份数据在产生时就应当带上方案版本、执行人、参数设定与结论推导四项记录；事后补录在发补应答中不具备同等的举证效力。
第三，把不可逆动作前的审批位固化下来。候选物推进、工艺变更、申报资料定稿这几类动作一旦出错后果不可逆，需要与低成本的自动判定分开处理。
第四，先做跨境数据形态的盘点。在引入任何智能体能力之前，先回答“哪些数据可以出域、哪些只能在本地算力环境内处理”，并把它写进部署方案，而不是事后补救。
第五，选一个场景做闭环验证，再谈规模。建议从药物警戒报告统计、发补意见归集这类高频、可量化的场景切入，跑通“数据采集—留痕—举证”的完整链路，再向研发主流程扩展。
五条建议的共同点，是把注册要求从研发的下游工序，变成贯穿研发全过程的约束条件。顺序上建议先做数据形态盘点与知识治理，再进入流程编排与权限审计，避免在底座尚未成型时就追求覆盖面。
八、回到最初那个判断
回到开篇那组数字。36个月压缩到20个月以内，是一个真实的研发端进步；但它要变成出海能力，还要经过证据转换与审批日历这两段时间。研发速度是必要条件，不是充分条件。
“研发速度即出海能力”这句话成立的前提，是企业同时具备把研发结论一次成型地转换成注册资料的能力。医药智能体在这个链条上的位置，既在分子筛选那一端，更在证据结构那一端——而后者往往是被低估的一端。
杭州联保致新一直相信一件事：AI 放大的不是机器，而是人的能力。把研发人员从重复的整理与重做里释放出来，让他们回到判断与决策上，这才是智能体在医药出海这条链路上最实在的价值。更多关于 ETA 企智孪生的实践，可访问杭州联保致新官网了解：http://www.lpck.cn/AIWebsiteBuilding/
诚信声明
本文所引案例与数据均来自公开信源，未作夸大或虚构；文中涉及企业实践的描述基于公开报道，不代表相关企业的官方立场或对本公司的任何背书；文中关于企业级智能体能力的描述基于自身实践总结，不构成对任何效果的承诺；本文不构成任何采购、投资或医疗建议；具体方案请结合企业实际情况评估后决策。