摘要：生物醫(yī)藥是中美科技競(jìng)爭(zhēng)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(chǎng)需求、優(yōu)先事項(xiàng)、知識(shí)產(chǎn)權(quán)、激烈競(jìng)爭(zhēng)等6個(gè)方面對(duì)中美兩國(guó)生物醫(yī)藥創(chuàng)新進(jìn)行對(duì)比分析，指出中國(guó)生物醫(yī)藥創(chuàng)新的優(yōu)勢(shì)與不足，提出對(duì)策建議。

中美戰(zhàn)略競(jìng)爭(zhēng)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(chǎng)博弈中的主戰(zhàn)場(chǎng)。美國(guó)將中國(guó)定位為“最嚴(yán)峻的競(jìng)爭(zhēng)對(duì)手”，中美關(guān)系從合作與競(jìng)爭(zhēng)進(jìn)入到以戰(zhàn)略競(jìng)爭(zhēng)為主的對(duì)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(dāng)前新冠病毒感染疫情背景下，既是美國(guó)“科技遏華”的重中之重，也是事關(guān)“卡脖子”技術(shù)問(wèn)題，更是中國(guó)推動(dòng)高水平科技自立自強(qiáng)的關(guān)鍵核心領(lǐng)域。2021年6月8日，美國(guó)參議院通過(guò)《2021美國(guó)創(chuàng)新與競(jìng)爭(zhēng)法案》，強(qiáng)調(diào)“動(dòng)員美國(guó)所有戰(zhàn)略、經(jīng)濟(jì)及外交工具抗衡中國(guó)”，明確將在生物技術(shù)與醫(yī)療技術(shù)、人工智能與自動(dòng)化等關(guān)鍵核心領(lǐng)域與中國(guó)展開(kāi)競(jìng)爭(zhēng)。在我國(guó)頒布的《第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》中，生物醫(yī)藥被列為事關(guān)國(guó)家安全和發(fā)展全局的關(guān)鍵核心領(lǐng)域。因此，對(duì)比研究中美生物醫(yī)藥創(chuàng)新，在理論和實(shí)踐上都有著十分重要的意義。

一、文獻(xiàn)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(xué)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(dòng)性強(qiáng)，不僅是世界各國(guó)經(jīng)濟(jì)戰(zhàn)略的重心之一，而且是學(xué)術(shù)研究的熱點(diǎn)領(lǐng)域。為更好地對(duì)比研究中美醫(yī)藥創(chuàng)新，本文對(duì)有關(guān)研究文獻(xiàn)進(jìn)行梳理、研究和評(píng)析，以“生物醫(yī)藥創(chuàng)新”為關(guān)鍵詞，對(duì)中國(guó)知網(wǎng)進(jìn)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(xiàn)有1464篇，大體上可分為理論研究、實(shí)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(rèn)為：基礎(chǔ)研究、研發(fā)人員、市場(chǎng)需求、優(yōu)先事項(xiàng)、知識(shí)產(chǎn)權(quán)、激烈競(jìng)爭(zhēng)是驅(qū)動(dòng)生物醫(yī)藥創(chuàng)新的6個(gè)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(gè)要素。這些創(chuàng)新驅(qū)動(dòng)要素對(duì)整個(gè)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(gè)體系進(jìn)行研究的思想在中國(guó)的學(xué)者中產(chǎn)生了廣泛的影響。如張海龍[3]對(duì)生物醫(yī)藥創(chuàng)新從政府、醫(yī)療機(jī)構(gòu)、企業(yè)、高校和科研機(jī)構(gòu)4個(gè)影響因素進(jìn)行了研究。

在實(shí)證研究方面

主要集中在利用有關(guān)定量模型，分析我國(guó)生物醫(yī)藥產(chǎn)業(yè)，指出現(xiàn)存的主要問(wèn)題?？萍疾可鐣?huì)發(fā)展科技司[4]從政策、計(jì)劃、機(jī)構(gòu)、投入、園區(qū)、產(chǎn)業(yè)、技術(shù)、專利等8個(gè)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(jì)劃投入和微觀技術(shù)專利三個(gè)層面對(duì)比分析了國(guó)內(nèi)外生物醫(yī)藥創(chuàng)新現(xiàn)狀，實(shí)證研究了我國(guó)生物醫(yī)藥領(lǐng)域的創(chuàng)新發(fā)展過(guò)程。胡明東[1]從全球產(chǎn)業(yè)格局、創(chuàng)新、國(guó)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(jìn)企業(yè)的經(jīng)驗(yàn)教訓(xùn)，探討了我國(guó)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(jìn)行的理論和實(shí)證研究，也有多方面進(jìn)行的理論和實(shí)證研究。例如：劉秉鐮等[5]認(rèn)為規(guī)模無(wú)效率導(dǎo)致中國(guó)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(rèn)為現(xiàn)階段我國(guó)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(rèn)為中國(guó)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(chǎng)化方面遠(yuǎn)遠(yuǎn)落后于美國(guó)；安同良等[8]認(rèn)為我國(guó)醫(yī)藥制造等高技術(shù)產(chǎn)業(yè)的研發(fā)投入和補(bǔ)貼強(qiáng)度與歐美發(fā)達(dá)國(guó)家相比處于較低水平；魯若愚等[9]認(rèn)為數(shù)字化情景與開(kāi)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(yùn)行機(jī)制；李俊霞等[10]認(rèn)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(qiáng)[11]認(rèn)為應(yīng)在技術(shù)、人才和融資三個(gè)方面結(jié)構(gòu)性升級(jí)，促進(jìn)人工智能與生物醫(yī)藥研發(fā)融合，完善人才流動(dòng)機(jī)制和風(fēng)險(xiǎn)共擔(dān)融資機(jī)制；李黎明等[12]認(rèn)為專利導(dǎo)航試點(diǎn)政策對(duì)中國(guó)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(lì)作用；余育輝[13]認(rèn)為中國(guó)生物醫(yī)藥產(chǎn)業(yè)政策工具存在結(jié)構(gòu)性失衡，過(guò)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(guó)推動(dòng)生物醫(yī)藥創(chuàng)新提供了有益借鑒。

綜上所述，為適應(yīng)當(dāng)前新形勢(shì)，生物醫(yī)藥創(chuàng)新需在以下三個(gè)方面進(jìn)一步研究：

一是中美競(jìng)爭(zhēng)格局下創(chuàng)新體系的比較視角研究變得更具現(xiàn)實(shí)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(jìn)一步深入。

二、中美生物醫(yī)藥創(chuàng)新的總體形勢(shì)

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(lái)了歷史性機(jī)遇，已成為中美戰(zhàn)略競(jìng)爭(zhēng)的重點(diǎn)領(lǐng)域，加快了生物醫(yī)藥的數(shù)字化、智能化前進(jìn)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(yīng)用領(lǐng)域之一，人工智能幾乎一誕生就應(yīng)用于醫(yī)學(xué)領(lǐng)域。

20世紀(jì)90年代以來(lái)，藥物研發(fā)主要依靠組合化學(xué)、高通量篩選和計(jì)算機(jī)輔助設(shè)計(jì)等核心技術(shù)，通過(guò)實(shí)驗(yàn)試錯(cuò)的方式篩選藥物，目前開(kāi)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(jì)初，新一代人工智能迎來(lái)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(zhǎng)、成本高、成功率低等三大瓶頸的強(qiáng)力工具。

2006年，欣頓基于聯(lián)結(jié)主義提出神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法，開(kāi)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(gè)月翻一番的速度增長(zhǎng)，2018年已超過(guò)100億億次每秒[14]。

新一代人工智能輔助新藥研發(fā)（簡(jiǎn)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(dòng)特征提取、多任務(wù)學(xué)習(xí)等特點(diǎn)，從而可以實(shí)現(xiàn)精準(zhǔn)建模、多參數(shù)優(yōu)化和虛擬篩選，其應(yīng)用幾乎貫穿藥物研發(fā)的各個(gè)環(huán)節(jié)，如靶點(diǎn)發(fā)現(xiàn)、候選藥物篩選、臨床試驗(yàn)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(diǎn)和化合物的發(fā)現(xiàn)過(guò)程，優(yōu)化的試驗(yàn)設(shè)計(jì)減少了實(shí)驗(yàn)規(guī)模，準(zhǔn)確地預(yù)測(cè)新藥后續(xù)的實(shí)驗(yàn)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(kāi)發(fā)成功率。如Insilico Medicine公司開(kāi)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(jì)、合成和測(cè)試，將過(guò)去2~3年的藥物發(fā)現(xiàn)周期縮短到不足2個(gè)月；德國(guó)馬克思普朗克研究所對(duì)af1503蛋白的結(jié)構(gòu)解析進(jìn)行了近10年但未得結(jié)果，而DeepMind公司開(kāi)發(fā)的AlphaFold2很快就準(zhǔn)確預(yù)測(cè)出該蛋白質(zhì)結(jié)構(gòu)。

人工智能在新冠病毒疫苗開(kāi)發(fā)中也發(fā)揮了關(guān)鍵作用，如分析病毒結(jié)構(gòu)、預(yù)測(cè)免疫反應(yīng)、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(kāi)發(fā)的DNA疫苗僅用83天就推進(jìn)到臨床階段。國(guó)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(dòng)研發(fā)業(yè)務(wù)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(dāng)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(jì)、AI指導(dǎo)化合物自動(dòng)合成等前沿縱深發(fā)展，有望對(duì)生物醫(yī)藥行業(yè)帶來(lái)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(wù)模式最有力的工具。

（二）AI新藥研發(fā)正在成為中美科技競(jìng)爭(zhēng)焦點(diǎn)

AI新藥研發(fā)作為生物醫(yī)藥產(chǎn)業(yè)的“牛鼻子”，具有強(qiáng)大的產(chǎn)業(yè)帶動(dòng)性，是中美兩國(guó)及其企業(yè)搶占的制高點(diǎn)。2016年，美國(guó)率先出臺(tái)《國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》，提出保持AI研究長(zhǎng)期投入、加強(qiáng)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(rèn)為人工智能在生物信息、智能診療、新藥研發(fā)和精準(zhǔn)醫(yī)療等方面能極大促進(jìn)社會(huì)福祉。

面對(duì)新冠病毒感染疫情危機(jī)，美國(guó)“2022財(cái)年研發(fā)預(yù)算優(yōu)先事項(xiàng)及交叉行動(dòng)”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(lái)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(guó)強(qiáng)調(diào)為應(yīng)對(duì)中國(guó)科技競(jìng)爭(zhēng)，將人工智能預(yù)算從2021年的15億美元提高到2026年的320億美元，大力推動(dòng)人工智能與生物技術(shù)、量子計(jì)算等關(guān)鍵技術(shù)交叉融合。

中國(guó)同樣高度重視AI新藥研發(fā)。2017年，國(guó)務(wù)院出臺(tái)的《新一代人工智能發(fā)展規(guī)劃》提出要推廣應(yīng)用人工智能治療新模式新手段，建立快速精準(zhǔn)的智能醫(yī)療體系。2021年3月出臺(tái)的《第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出要構(gòu)建人工智能和生物醫(yī)藥國(guó)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(guó)超算研發(fā)團(tuán)隊(duì)從開(kāi)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(tái)。在新冠病毒感染疫情期間，中國(guó)超算中心通過(guò)AI發(fā)現(xiàn)了兩種藥物對(duì)新冠肺炎治療有效，后均被臨床研究證實(shí)。

美中兩國(guó)企業(yè)也在加緊布局AI新藥研發(fā)。2014—2019年美國(guó)銷售收入前11位的醫(yī)藥企業(yè)累計(jì)發(fā)起AI新藥研發(fā)項(xiàng)目61項(xiàng)，發(fā)表論文208篇（見(jiàn)圖1）[16]。美國(guó)AI初創(chuàng)企業(yè)Atomwise公司把新藥研發(fā)的早期評(píng)估作為重點(diǎn)，開(kāi)發(fā)出用于新藥風(fēng)險(xiǎn)評(píng)估的AtomNet系統(tǒng)，大大降低了研發(fā)成本；Berg LLC公司開(kāi)發(fā)出Interrogative Biology數(shù)據(jù)平臺(tái)和bAIcis?人工智能系統(tǒng)，在精準(zhǔn)疫苗的開(kāi)發(fā)上走在世界前列。中國(guó)晶泰科技與輝瑞合作，建立了小分子藥物模擬算法平臺(tái)。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(jī)構(gòu)，力圖在藥物設(shè)計(jì)、靶點(diǎn)發(fā)現(xiàn)、精準(zhǔn)診斷、數(shù)字醫(yī)療等市場(chǎng)競(jìng)爭(zhēng)中占居有利地位。

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

目前，中國(guó)在研產(chǎn)品數(shù)量與全球首發(fā)上市新藥數(shù)量對(duì)全球的貢獻(xiàn)率分別為13.9%和6%，新藥研發(fā)能力進(jìn)入世界“第二梯隊(duì)”，但與美國(guó)相比（占比分別為49.3%和67.6%）還有明顯差距[17]。美國(guó)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(duì)優(yōu)勢(shì)。美國(guó)是生物技術(shù)的源頭，也是現(xiàn)代化學(xué)藥物的先行者。生物技術(shù)建立在分子生物學(xué)和遺傳學(xué)的基礎(chǔ)上。

2020年，DeepMind公司開(kāi)發(fā)的AlphaFold2通過(guò)引入“注意力機(jī)制”和“端到端學(xué)習(xí)”的算法創(chuàng)新，首次實(shí)現(xiàn)了對(duì)單鏈蛋白質(zhì)單結(jié)構(gòu)域的精準(zhǔn)預(yù)測(cè)，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(jì)算可以模擬量子化的原子，因此量子計(jì)算在新材料設(shè)計(jì)、藥物設(shè)計(jì)以及化學(xué)反應(yīng)模擬等方面有望突破當(dāng)前經(jīng)典計(jì)算機(jī)的物理極限從而實(shí)現(xiàn)算力躍遷。

2020年，美國(guó)谷歌公司（Google）的人工智能量子團(tuán)隊(duì)打造的Sycamore處理器成功模擬了二氮烯分子的異構(gòu)化反應(yīng)，使量子計(jì)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(guó)醫(yī)藥企業(yè)勃林格殷格翰（Boehringer Ingelheim）聯(lián)合成立量子實(shí)驗(yàn)室，致力于實(shí)現(xiàn)對(duì)蛋白質(zhì)、核酸、多糖等生物大分子的模擬，有望開(kāi)啟在原子、分子層面理解生命和研發(fā)新藥的新模式。

美國(guó)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(jì)上市創(chuàng)新藥731種。其中，美國(guó)有308種，全球占比穩(wěn)定，保持在40%以上（見(jiàn)圖2）。據(jù)陳凱先院士披露，中國(guó)在2008年以前僅有5種I類新藥，2008—2020年中國(guó)實(shí)施了“重大新藥創(chuàng)制”國(guó)家重大科技專項(xiàng)，期間累計(jì)產(chǎn)出I類新藥60多種，但僅是同期美國(guó)新藥產(chǎn)出的1/5。基于新靶點(diǎn)、新適應(yīng)癥或者新藥理機(jī)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(guó)共上市首創(chuàng)新藥194種，而這一時(shí)期我國(guó)率先批準(zhǔn)上市的首創(chuàng)新藥僅1種。

美國(guó)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(guó)企業(yè)始終保持在8家，其全球市場(chǎng)份額占比超過(guò)50%；2020年全球制藥企業(yè)20強(qiáng)，美國(guó)企業(yè)占了10席。在AI新藥研發(fā)方面，據(jù)Deep Pharma Intelligence統(tǒng)計(jì)，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(guó)有130家，中國(guó)有6家；全球約有600家AI醫(yī)藥投資公司，其中美國(guó)有390家，中國(guó)有8家；排名前35位的AI藥物研發(fā)中心，美國(guó)有13家，中國(guó)有2家；排名前30位的AI新藥研發(fā)企業(yè)，美國(guó)有20家，中國(guó)有1家[18]。

三、中美生物醫(yī)藥創(chuàng)新對(duì)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(gè)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(duì)當(dāng)前中美兩國(guó)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(chǎng)需求而成為中美戰(zhàn)略競(jìng)爭(zhēng)的重要領(lǐng)域，本文從基礎(chǔ)研究、研究人員、優(yōu)先事項(xiàng)、知識(shí)產(chǎn)權(quán)、激烈競(jìng)爭(zhēng)五個(gè)方面來(lái)對(duì)比分析中美生物醫(yī)藥創(chuàng)新，并指出我國(guó)生物醫(yī)藥創(chuàng)新現(xiàn)存的主要問(wèn)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?yàn)樯镝t(yī)藥產(chǎn)業(yè)存在著巨大風(fēng)險(xiǎn)和不確定性，風(fēng)險(xiǎn)資本和私人企業(yè)無(wú)法提供穩(wěn)定的支持。此外，基礎(chǔ)研究的回報(bào)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(jì)70年代以來(lái)美國(guó)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(rèn)為美國(guó)生物醫(yī)藥取得進(jìn)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(guó)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(guó)有較大的差距。按2019年價(jià)格計(jì)算，1991—2019年中國(guó)各類基礎(chǔ)研究投入從2.6億美元增長(zhǎng)到210億美元，累計(jì)投入1663億美元，同期美國(guó)基礎(chǔ)研究投入從498億美元增長(zhǎng)到1078億美元，累計(jì)投入2.2萬(wàn)億美元（見(jiàn)圖3）。

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

具體到與新藥研發(fā)相關(guān)的基礎(chǔ)科學(xué)領(lǐng)域，2000—2016年中國(guó)國(guó)家自然科學(xué)基金在化學(xué)、生命科學(xué)和醫(yī)學(xué)領(lǐng)域累計(jì)投入426億元（約合66億美元），而同期美國(guó)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(guò)1000億美元[19]。

在企業(yè)投入方面

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

在風(fēng)險(xiǎn)投資方面

據(jù)PitchBook的數(shù)據(jù)顯示，2016—2020年中國(guó)生物醫(yī)藥累計(jì)獲得風(fēng)險(xiǎn)投資超過(guò)230億美元，其中支持基礎(chǔ)研究成果轉(zhuǎn)化和概念期項(xiàng)目孵化的種子輪和天使輪項(xiàng)目融資約1.2億美元，占比0.5%。同期，美國(guó)生物醫(yī)藥風(fēng)險(xiǎn)投資累計(jì)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(guó)每年產(chǎn)出的SCI論文數(shù)量增長(zhǎng)迅速，然而論文質(zhì)量與美國(guó)仍有較大差距。

在生命科學(xué)領(lǐng)域，2013—2018年中國(guó)平均每年新增SCI論文從4.92萬(wàn)篇快速增長(zhǎng)到10.43萬(wàn)篇，美國(guó)則穩(wěn)定在每年約3.6萬(wàn)篇，然而美國(guó)在被引頻次前10%、前1%和前0.1%的高影響論文累計(jì)數(shù)量上分別是中國(guó)的5倍、13倍和32倍。

在醫(yī)學(xué)領(lǐng)域，這一時(shí)期中國(guó)平均每年新增SCI論文從9760篇增長(zhǎng)到1.61萬(wàn)篇，數(shù)量上接近美國(guó)1.73萬(wàn)篇（見(jiàn)圖6），然而美國(guó)在被引頻次前10%、前1%和前0.1%的高影響論文累計(jì)數(shù)量上分別是中國(guó)的13倍、42倍和185倍。

此外，美國(guó)在這兩個(gè)領(lǐng)域還有181篇被引頻次前0.01%的高影響論文，而中國(guó)僅有1篇（見(jiàn)圖7）。

由此可以看出，我國(guó)生物醫(yī)藥基礎(chǔ)研究的論文產(chǎn)出在數(shù)量增長(zhǎng)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(guó)高等教育的發(fā)展，中國(guó)本科以上學(xué)歷的人口已超過(guò)9000萬(wàn)人，居世界第一，但是高端人才嚴(yán)重不足。以高校為例，2020年我國(guó)普通高校具備研究生指導(dǎo)資格的講師、副教授和教授級(jí)高端人才共有44.5萬(wàn)名，而同年全國(guó)在學(xué)碩士生和博士生達(dá)到314萬(wàn)人，導(dǎo)師和研究生的比例約為1∶7。對(duì)美國(guó)而言，2018年美國(guó)高等院校有52.6萬(wàn)名助理教授、副教授和教授級(jí)高端人才，在學(xué)研究生102萬(wàn)人，師生比例僅為1∶2。可以說(shuō)，美國(guó)高校的高端人才無(wú)論從絕對(duì)數(shù)量上還是相對(duì)數(shù)量（師生比）上都遠(yuǎn)高于中國(guó)。

從科學(xué)與工程類專業(yè)博士的畢業(yè)數(shù)量上看

2000—2015年中國(guó)累計(jì)培養(yǎng)博士生37.7萬(wàn)名，同期美國(guó)培養(yǎng)博士生51萬(wàn)名，約為中國(guó)的1.4倍[21]。

從醫(yī)藥產(chǎn)業(yè)研發(fā)人員上看

2017年美國(guó)醫(yī)藥產(chǎn)業(yè)有12.7萬(wàn)名研發(fā)人員，總量少于中國(guó)的17.7萬(wàn)人，然而研發(fā)人員占比達(dá)到24.5%，遠(yuǎn)高于中國(guó)的9.3%。

從高被引學(xué)者（被引頻次全球排名前1%）數(shù)量上看

2019年美國(guó)在生物醫(yī)藥領(lǐng)域有高被引學(xué)者943人，而中國(guó)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(guó)有8家企業(yè)上榜，高端AI人才232人，這8家美國(guó)企業(yè)均深度參與了AI新藥研發(fā)項(xiàng)目，其中禮來(lái)（EliLilly）和輝瑞是全球營(yíng)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(guó)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(gè)方面評(píng)選出100位從事AI新藥研發(fā)的領(lǐng)軍人才，其中美國(guó)有68人，中國(guó)僅有2人，與美國(guó)差距巨大[23]。

（三）優(yōu)先事項(xiàng)

研究人員的學(xué)術(shù)方向選擇和政府投入的優(yōu)先事項(xiàng)涉及生物醫(yī)藥創(chuàng)新的具體內(nèi)容，前者的激勵(lì)靠的是基于優(yōu)先權(quán)的開(kāi)放科學(xué)透明制度，后者靠的是同行評(píng)議審查下的制度控制。就知識(shí)而言，無(wú)論哪種形式，都體現(xiàn)了開(kāi)放科學(xué)的規(guī)范。在當(dāng)前數(shù)字時(shí)代背景下，新一輪的開(kāi)放科學(xué)運(yùn)動(dòng)逐漸興起，主張開(kāi)放科學(xué)研究中的資料獲取，搭建開(kāi)放的數(shù)據(jù)資源和學(xué)術(shù)資源交流平臺(tái)，得到了學(xué)界及社會(huì)的廣泛關(guān)注[24]。

美國(guó)高度重視數(shù)據(jù)庫(kù)平臺(tái)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(gè)，其中美國(guó)占39%位居全球第一，遠(yuǎn)高于中國(guó)的10%。

具體到生物醫(yī)學(xué)領(lǐng)域

美國(guó)1988年就成立了國(guó)家生物技術(shù)信息中心（NCBI），以收集、存儲(chǔ)生物醫(yī)學(xué)文獻(xiàn)資料以及核酸、蛋白質(zhì)等組學(xué)數(shù)據(jù)，其管理的數(shù)據(jù)庫(kù)包括生物醫(yī)學(xué)文獻(xiàn)摘要數(shù)據(jù)庫(kù)PubMed、一級(jí)核酸序列數(shù)據(jù)庫(kù)GenBank等34個(gè)數(shù)據(jù)庫(kù)，涵蓋了生命科學(xué)的各個(gè)領(lǐng)域，如分子生物學(xué)、生物化學(xué)、遺傳學(xué)、基因組學(xué)、蛋白質(zhì)組學(xué)等。NCBI已經(jīng)成為生物醫(yī)學(xué)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(xué)數(shù)據(jù)及應(yīng)用共享服務(wù)，極大地推動(dòng)了生命科學(xué)基礎(chǔ)研究的發(fā)展，同時(shí)也幫助美國(guó)在全球范圍內(nèi)取得了組學(xué)數(shù)據(jù)資源的管理權(quán)。

蛋白質(zhì)研究是生命科學(xué)的核心領(lǐng)域。美國(guó)于1971年就建立了蛋白質(zhì)數(shù)據(jù)庫(kù)（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(xué)研究的重要資源，而于1984年建立的蛋白質(zhì)信息資源庫(kù)（Protein Information Resource，PIR）則是全球最主要的蛋白質(zhì)序列數(shù)據(jù)庫(kù)之一。PDB和PIR在尋找疾病分子標(biāo)記物、靶點(diǎn)發(fā)現(xiàn)、重大疾病診斷和治療等基礎(chǔ)研究及應(yīng)用中發(fā)揮了重要作用。

在AI數(shù)據(jù)集方面

2020年，美國(guó)哈佛大學(xué)、麻省理工學(xué)院等六所大學(xué)聯(lián)合昆泰公司（IQVIA）開(kāi)發(fā)出全球第一個(gè)針對(duì)機(jī)器學(xué)習(xí)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(kāi)發(fā)的20多個(gè)任務(wù)和70多個(gè)高質(zhì)量數(shù)據(jù)集，未來(lái)還將拓展到ADMET預(yù)測(cè)、精準(zhǔn)組合藥物、生物藥物研發(fā)、CRISPR基因編輯等前沿領(lǐng)域的應(yīng)用。而我國(guó)直到2010年后才開(kāi)啟生物醫(yī)藥領(lǐng)域的重大科學(xué)基礎(chǔ)設(shè)施建設(shè)，已建成國(guó)家蛋白質(zhì)科學(xué)中心（上海，2015年；北京，2018年）和中國(guó)國(guó)家基因庫(kù)（深圳，2016年），成立了國(guó)家生物信息中心/國(guó)家基因組科學(xué)數(shù)據(jù)中心（北京，2019年），目前正在建設(shè)國(guó)家生物醫(yī)學(xué)大數(shù)據(jù)庫(kù)（上海）和“1+5+X”國(guó)家健康醫(yī)療大數(shù)據(jù)中心，這些為未來(lái)中國(guó)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(qiáng)博士認(rèn)為，我國(guó)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(guó)AI制藥難以突破的主要瓶頸之一。

（四）知識(shí)產(chǎn)權(quán)

知識(shí)產(chǎn)權(quán)，特別是專利，作為一種激勵(lì)手段和技術(shù)市場(chǎng)的推動(dòng)者，與其他領(lǐng)域相比，在推動(dòng)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(guó)相比，中國(guó)生物技術(shù)專利申請(qǐng)數(shù)量和授權(quán)數(shù)量已超過(guò)美國(guó)，但是專利質(zhì)量顯著低于美國(guó)，短時(shí)間難以趕上。

從專利申請(qǐng)數(shù)量來(lái)看

2001—2016年美國(guó)生物技術(shù)專利申請(qǐng)數(shù)量穩(wěn)定在1.3萬(wàn)件左右，2017—2018年以后降至不足1萬(wàn)件。2008年之前，中國(guó)生物技術(shù)專利申請(qǐng)數(shù)量不足1萬(wàn)件，到2010年達(dá)到1.5萬(wàn)件，超過(guò)了美國(guó)，2018年達(dá)到近4萬(wàn)件，位居全球首位。

從專利授權(quán)數(shù)量來(lái)看

2000—2018年中國(guó)生物技術(shù)專利授權(quán)總量?jī)H占美國(guó)的88.7%，但從2012年開(kāi)始中國(guó)每年的授權(quán)量超過(guò)美國(guó)。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(lái)看，美國(guó)專利資產(chǎn)指數(shù)遙遙領(lǐng)先于中國(guó)，2014—2018年美國(guó)一直保持著相對(duì)于中國(guó)1.4~1.5倍的穩(wěn)定的優(yōu)勢(shì)（見(jiàn)表2）。

（五）激烈競(jìng)爭(zhēng)

復(fù)雜激烈的競(jìng)爭(zhēng)是生物醫(yī)藥領(lǐng)域的顯著特點(diǎn)，也是其創(chuàng)新效能的關(guān)鍵驅(qū)動(dòng)力。就產(chǎn)業(yè)鏈而言，從基礎(chǔ)研究的科學(xué)發(fā)現(xiàn)到技術(shù)創(chuàng)新市場(chǎng)，再到產(chǎn)品市場(chǎng)充滿了競(jìng)爭(zhēng)；就競(jìng)爭(zhēng)主體而言，從個(gè)人到機(jī)構(gòu)，再到國(guó)家同樣充斥著競(jìng)爭(zhēng)。下面，以藥品標(biāo)準(zhǔn)為例，比較中美兩國(guó)生物醫(yī)藥創(chuàng)新競(jìng)爭(zhēng)。

美國(guó)和歐盟是全球藥品標(biāo)準(zhǔn)規(guī)范的主要制定者，對(duì)藥品標(biāo)準(zhǔn)規(guī)范的主導(dǎo)權(quán)極大地幫助了美國(guó)醫(yī)藥產(chǎn)業(yè)拓展全球市場(chǎng)。如1990年日本醫(yī)藥企業(yè)占據(jù)了85%的日本國(guó)內(nèi)市場(chǎng)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(dǎo)的國(guó)際人用藥品注冊(cè)技術(shù)協(xié)調(diào)會(huì)（ICH）標(biāo)準(zhǔn)后放寬了市場(chǎng)準(zhǔn)入，2003年日本企業(yè)的國(guó)內(nèi)市場(chǎng)占比降至64%，同時(shí)輝瑞、羅氏（Roche）、諾華（Novartis）和默克（Merck＆Co.）等四家外資企業(yè)的營(yíng)銷額進(jìn)入前10名，其中輝瑞在日本市場(chǎng)份額達(dá)到6%，取代日本武田位居榜首[25]。

藥品標(biāo)準(zhǔn)包括質(zhì)量標(biāo)準(zhǔn)、安全標(biāo)準(zhǔn)、功效標(biāo)準(zhǔn)、醫(yī)學(xué)術(shù)語(yǔ)集、通用技術(shù)文件和監(jiān)管信息傳輸電子標(biāo)準(zhǔn)，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(biāo)準(zhǔn)。GMP要求企業(yè)在原輔料、人員、組織機(jī)構(gòu)、廠房設(shè)備、記錄報(bào)告、生產(chǎn)過(guò)程、包裝運(yùn)輸、產(chǎn)品召回和銷毀等方面達(dá)到與產(chǎn)品預(yù)期用途相符的質(zhì)量標(biāo)準(zhǔn)，并形成一套可執(zhí)行的作業(yè)規(guī)范。實(shí)施GMP是藥品生產(chǎn)企業(yè)生存和發(fā)展的基礎(chǔ)，而GMP認(rèn)證是產(chǎn)品通向國(guó)際市場(chǎng)的“準(zhǔn)入證”。美國(guó)是GMP的發(fā)源地，藥品安全意識(shí)的不斷提升是其產(chǎn)生的重要原因。

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

我國(guó)GMP標(biāo)準(zhǔn)的制定起步較晚。1982年，中國(guó)醫(yī)藥工業(yè)公司通過(guò)對(duì)國(guó)外GMP體系進(jìn)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(guó)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(guó)醫(yī)藥行業(yè)的GMP標(biāo)準(zhǔn)進(jìn)行推廣。1988年，衛(wèi)生部以WHO的GMP為藍(lán)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(guó)第一部法定GMP，至今經(jīng)歷過(guò)1992年、1998年和2010年三次修訂，我國(guó)現(xiàn)行法定GMP是2010年修訂版。

我國(guó)施行的GMP和美國(guó)cGMP相比在標(biāo)準(zhǔn)水平上存在一定差距。GMP偏重對(duì)生產(chǎn)設(shè)備等硬件的要求，當(dāng)硬件條件是否符合GMP條款成為主要評(píng)判標(biāo)準(zhǔn)時(shí)，質(zhì)量管理則容易脫離實(shí)踐而浮于形式。如按照GMP標(biāo)準(zhǔn)，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(wú)須考慮其合理性。相比而言，美國(guó)cGMP則偏重于軟件的要求，如人員的操作規(guī)范、生產(chǎn)過(guò)程中突發(fā)事件的處理等，注重對(duì)產(chǎn)品“質(zhì)與量”的全流程控制，要求每一環(huán)節(jié)都要達(dá)到標(biāo)準(zhǔn)并且拿出真實(shí)、合理的證據(jù)，以達(dá)到“發(fā)現(xiàn)問(wèn)題、找出原因、解決問(wèn)題并提出新的方案并加以運(yùn)行和追溯”的目的，在實(shí)現(xiàn)質(zhì)量控制的同時(shí)促進(jìn)人員和企業(yè)提升安全意識(shí)、質(zhì)量意識(shí)和生產(chǎn)管理水平。我國(guó)在GMP等現(xiàn)有藥品標(biāo)準(zhǔn)體系的建設(shè)上起步較晚，兼之創(chuàng)新能力和產(chǎn)業(yè)競(jìng)爭(zhēng)力不高，因此在國(guó)際藥品標(biāo)準(zhǔn)上話語(yǔ)權(quán)有限。目前，AI新藥研發(fā)的國(guó)際標(biāo)準(zhǔn)還是空白，能否率先提出具有國(guó)際認(rèn)可度的AI新藥研發(fā)標(biāo)準(zhǔn)對(duì)于提升我國(guó)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(zhǎng)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(jià)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(yán)重不足，尤其是復(fù)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(wú)論在數(shù)量上還是質(zhì)量上均與美國(guó)有較大差距；

04 新一輪開(kāi)放科學(xué)背景下核酸、蛋白質(zhì)等組學(xué)數(shù)據(jù)庫(kù)和面向機(jī)器學(xué)習(xí)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(guó)生物醫(yī)藥智能化轉(zhuǎn)型的主要瓶頸之一；

05 國(guó)際藥品標(biāo)準(zhǔn)競(jìng)爭(zhēng)中話語(yǔ)權(quán)不高。

（二）政策建議

要實(shí)現(xiàn)中國(guó)生物醫(yī)藥產(chǎn)業(yè)高水平自立自強(qiáng)，必須在發(fā)揮好制度優(yōu)勢(shì)、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(tái)、提升藥品標(biāo)準(zhǔn)話語(yǔ)權(quán)等方面精準(zhǔn)施策。

01 發(fā)揮制度優(yōu)勢(shì)推動(dòng)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(zhǎng)期投入才能實(shí)現(xiàn)高回報(bào)，而私人企業(yè)投資存在過(guò)多的風(fēng)險(xiǎn)顧慮，因此生物醫(yī)藥創(chuàng)新需要國(guó)家的穩(wěn)定公共投入，特別是在共性技術(shù)和公平平臺(tái)建設(shè)上。中國(guó)要充分利用“舉國(guó)體制”的制度優(yōu)勢(shì)，加強(qiáng)生物醫(yī)藥學(xué)科和產(chǎn)業(yè)的頂層設(shè)計(jì)；加大對(duì)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(xué)裝置以及高質(zhì)量數(shù)據(jù)集的投入；構(gòu)建以國(guó)家實(shí)驗(yàn)室為核心，國(guó)家研究中心、國(guó)家重點(diǎn)實(shí)驗(yàn)室和國(guó)家工程技術(shù)研究中心為骨干的戰(zhàn)略科技力量；目標(biāo)導(dǎo)向和探索性研究缺一不可；基礎(chǔ)研究和應(yīng)用研究“雙輪”驅(qū)動(dòng)。

02 尊重鼓勵(lì)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(píng)議決定的，資源配制則是通過(guò)市場(chǎng)來(lái)實(shí)現(xiàn)的，而依靠“命令”難以保證創(chuàng)新的突破。因此，要推動(dòng)小同行評(píng)議的人才評(píng)價(jià)機(jī)制，加大對(duì)青年人才的長(zhǎng)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(jìn)生物醫(yī)藥基礎(chǔ)設(shè)施建設(shè)。順應(yīng)新一輪開(kāi)放科學(xué)運(yùn)動(dòng)的要求，加快國(guó)家健康醫(yī)療大數(shù)據(jù)中心建設(shè)。要加強(qiáng)國(guó)家級(jí)蛋白質(zhì)序列數(shù)據(jù)庫(kù)和蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)建設(shè)，鼓勵(lì)生物醫(yī)藥二級(jí)數(shù)據(jù)庫(kù)以及面向機(jī)器學(xué)習(xí)的大型數(shù)據(jù)集的開(kāi)發(fā)；推動(dòng)生物醫(yī)藥領(lǐng)域大科學(xué)裝置的建設(shè)；依托中國(guó)科學(xué)院、高校和頭部醫(yī)藥企業(yè)加快部署生物醫(yī)藥國(guó)家重點(diǎn)實(shí)驗(yàn)室和國(guó)家技術(shù)創(chuàng)新中心；推動(dòng)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(tái)，鼓勵(lì)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(guó)“藥品標(biāo)準(zhǔn)”國(guó)際話語(yǔ)權(quán)。加大藥品監(jiān)管改革步伐，藥品標(biāo)準(zhǔn)與國(guó)際先進(jìn)水平穩(wěn)步、有序接軌；加強(qiáng)我國(guó)藥品監(jiān)管部門與食品藥品相關(guān)的各國(guó)政府機(jī)構(gòu)、國(guó)際組織和行業(yè)協(xié)會(huì)的交流合作，擴(kuò)大國(guó)際影響力；在WHO藥品專家委員會(huì)、國(guó)際標(biāo)準(zhǔn)化組織和ICH的框架內(nèi)積極發(fā)出中國(guó)聲音，提出中國(guó)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(guó)際認(rèn)可度的AI新藥研發(fā)標(biāo)準(zhǔn)。

參考文獻(xiàn)

[1]胡明東.生物醫(yī)藥大時(shí)代[M].北京:社會(huì)科學(xué)文獻(xiàn)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(guó)生物醫(yī)藥產(chǎn)業(yè)創(chuàng)新發(fā)展對(duì)策研究[D].長(zhǎng)春:吉林大學(xué),2019.

[4]科學(xué)技術(shù)部社會(huì)發(fā)展科技司.生物醫(yī)藥發(fā)展戰(zhàn)略報(bào)告[M].北京:科學(xué)出版社,2009.

[5]劉秉鐮,徐鋒,李蘭冰.中國(guó)醫(yī)藥制造業(yè)創(chuàng)新效率評(píng)價(jià)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(guó)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(jì)數(shù)據(jù)[J].中國(guó)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(píng)價(jià)研究[J].科技管理研究,2019,39(11):139-145.

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

[9]魯若愚,周陽(yáng),丁奕文,等.企業(yè)創(chuàng)新網(wǎng)絡(luò):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(guó)科技金融資源配置效率與影響因素關(guān)系研究[J].中國(guó)軟科學(xué),2019(1):164-174.

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

[12]李黎明,劉海波.專利導(dǎo)航試點(diǎn)政策是否促進(jìn)了經(jīng)濟(jì)發(fā)展?——以醫(yī)藥產(chǎn)業(yè)為例[J].中國(guó)軟科學(xué),2021(6):44-52.

[13]余育輝.中國(guó)生物醫(yī)藥產(chǎn)業(yè)政策文獻(xiàn)量化研究[D].廣州:華南理工大學(xué),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(guó)醫(yī)藥創(chuàng)新生態(tài)系統(tǒng)(2021—2025)[R].北京:中國(guó)醫(yī)藥創(chuàng)新促進(jìn)會(huì),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(shí)力對(duì)比分析[D].長(zhǎng)春:吉林大學(xué),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(yáng)鎮(zhèn).數(shù)字化時(shí)代下的開(kāi)放科學(xué):倫理難題與推進(jìn)路徑[J].吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào),2021,61(3):116-128,236.

[24]劉媛.中美兩國(guó)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(xué)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(guó)強(qiáng)*，中國(guó)科協(xié)創(chuàng)新戰(zhàn)略研究院

本文原載于《中國(guó)軟科學(xué)》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