AI智能体正式进入
大药企决策层!!!
AstraZeneca 三年签下 Owkin "AI 科学家"——但这次,它不是去做实验,是去做尽调。
5月13日,Owkin 官宣与 AstraZeneca 签下一份三年期 K Pro 授权协议。Owkin 将为 AZ 端到端定制一批 biopharma AI agents,直接嵌入 AZ 的 IT 基础设施和决策工作流。
注意这几个关键词:决策工作流、竞争情报、executives。
这不是又一个"AI 帮你设计分子"的故事。这是 agentic AI 第一次以企业级长约的形式,正式坐进大药企的决策层会议室。
这单到底买的是什么?
K Pro,Owkin 把它定位成 "AI Scientist for biopharma decision making"——不是 bench 上的科学家,是会议桌上的科学家。
按官方披露,首批 agents 要解决的问题非常具体:针对特定药物靶点的竞争格局快速分析与预测、针对特定资产 (assets) 的竞品扫描、针对临床试验的实时态势感知、给 AZ 高管在 BD、立项、license-in/out 决策时提供 data-rich 的即时洞察。
翻译成人话:过去一个 VP 让团队做一份竞品 deck 要两周,现在要做到几小时,而且持续在更新。
Owkin 的叙事换挡
熟悉 Owkin 的朋友知道,这家公司早期的标签是 federated learning + 数字病理——主打"把 AI 送到医院数据旁边,而不是把数据搬出来"。
而支撑这套打法的是 Owkin 多年积累的多模态患者数据网络——这套数据资产,才是 K Pro 后来能往决策层走的真正底层。
但这次官宣里,Owkin 把自己重新定义成:
Biological ASI——这个词出来,基本就和 Biomni、GenBio AI 那一脉的"虚拟科学家 / 虚拟细胞"叙事接上了线。
但 Owkin 选了一条很聪明的差异化路径:别人都在抢"AI 做实验"的故事,Owkin 直接卡位"AI 做决策"。一个去抢科学家的工位,一个去抢 VP 助理的工位——后者其实更快变现。
Owkin CEO & 联合创始人
而且这单不是冷启动。Owkin 此前已经和 AZ 在乳腺癌 gBRCA AI 预筛方案上合作过。
从临床应用一路打到 C-suite 决策——这是教科书级别的 land-and-expand。
不是实验室,
是 BD 办公室和战略部门。 — 本期主编观点
为什么"决策层"这件事
比"研发"更值得关注?
这两年 AI4Bio 圈里大家都在卷 "AI Scientist"——能不能自己设计抗体、能不能自己跑 multi-omics、能不能自己写 paper。这条线很 sexy,但真正进大药企预算的速度,远不如 CI / BD / 战略层的 agent。
原因很简单。
AI 做研发——涉及 IP、湿实验数据和监管,合规风险极高;ROI 周期动辄 5 到 10 年;一条管线烧掉的可能是数亿美金;决策链条要穿过首席科学官、法务、监管层层签字。
AI 做决策——完全是另一种生意。用的基本是公开或半公开信息,合规边界清晰;ROI 当季就能见效;一个 VP 就能拍板;就算 query 跑错了,重新跑一次的成本几乎为零。
Agentic AI 在大药企真正先规模化的位置,不是实验室,是 BD 办公室和战略部门。 AZ-Owkin 这一单,就是这个判断的第一个公开案例。