本文內容源于晶泰科技IT總監魏煒在“AI×機器人打造醫藥研發新基建”上的分享
魏煒 晶泰科技 IT總監
感謝各位在百忙之中蒞臨晶泰科技并與團隊老師們交流。我是晶泰科技IT部門的魏煒，我的分享內容將聚焦于兩個核心議題：一是如何解決供應鏈采購中的現實難題，二是如何借助IT技術提升內部運營效率并構建適配的基礎設施。
相對來說，晶泰科技在生物醫藥領域的布局非常清晰，我們已成功支持小分子藥物化學、大分子多肽藥物、實驗室自動化等業務線，并持續創新中。基于公司已有的AI技術、算力、自動化及量子力學等核心能力，IT支持必須與之深度契合。因此我們不能簡單地復制其他藥企的成功經驗，或直接采納生物醫藥行業的通行做法。在數字化建設過程中，應摒棄追求全面、規模的傳統思維，而應采取有針對性且能快速迭代的方式，以實現最佳適配。
Part 01
醫藥研發采購的難點與挑戰
醫藥研發階段的采購與生產階段截然不同。多數企業采購側重于生產物料，金額大、批量大。而晶泰科技聚焦研發，采購需求集中于研發物料。目前，我們的四大主要業務包括智能自主實驗室、AI分子設計、小分子藥物開發和藥物固研等方向。這四大業務均集中在研發階段，因此我們面臨一些與生產階段不同的情況，這帶來了一系列獨特挑戰。
研發本質上是一個探索和試錯的過程，而非沿固定路徑推進。這意味著方法需要不斷調整，需求也隨之頻繁變化。例如，實驗進行到第三步若遇瓶頸，可能需要更換試劑；或為趕進度，需緊急采購大量中間體。這類需求往往難以提前規劃，通常在實驗關鍵節點才突然明確，留給采購的反應時間極短。
在2023年我們面臨的具體情況包括：第一，采購頻次極高，日均數十單，月均訂單超2500單；第二，品類繁多，因需嘗試不同技術路線，物料組合復雜；第三，多為微量級采購，僅需幾克甚至幾毫克，無法采用批量采購模式；第四，供應鏈靈活性要求極高，關鍵物料缺貨會導致實驗停滯，通常要求三天內到貨，這也使得常規備貨策略難以實施。
這些挑戰給采購團隊帶來了巨大壓力。為滿足需求，我們曾高度依賴人工操作：讓研發人員在各大供應商電商平臺直接選品，再由采購團隊跟進后續流程。這種方式引發了諸多問題：首先，系統未連通。盡管已有ERP系統，但其與多個電商平臺間數據割裂，需求傳遞不暢，庫存與訂單信息不一致，嚴重影響了供應鏈效率和決策。其次，存在合規風險。不同平臺商品報價與規格難以比對，人工操作易出錯，關鍵記錄易缺失，增加了審計追溯難度和造成了內控漏洞。再次，整體效率低下。大量手工工作和線下溝通，缺乏結構化數據支撐。最后，協同困難。部門間溝通與異構數據對齊消耗了大量精力。
Part 02
建設SRM并以RPA+AI加持
解決上述采購痛點已成為公司的重點任務，并獲得管理層的高度關注與推動。SRM系統的建設本身并非創新，關鍵在于如何精準適配業務現狀，切實解決問題。
在SRM建設初期，我們梳理出三個關鍵環節：一是采購需求獲取，核心是建立多電商平臺集成機制，極大減少了業務人員搜尋商品和補單工作量，改善了信息流與實物流的一致性，實現了歷史采購信息的可追溯。二是確保流程合規。通過引入供應商管理、尋源、合同及采購協同模塊，將采購流程全面系統化，提升了協同效率與證據鏈的完整性。三是實施集中物料編碼管理，以提高物資管理集中度和物料復用率，解決因數據隔離導致的信息不一致問題，特別是在退換貨和物料共享方面。
基于此，我們將SRM設計為門戶架構。對內，我們識別了所有相關方：研發助理、采購品類經理、運營支持人員、法務、風控、財務、倉庫及管理層。對外，與覆蓋15個大類的眾多供應商對接。系統功能模塊涵蓋采購商城、申請、詢價、合同、訂單、交貨協同、驗收、對賬、付款及供應商全生命周期管理。
厘清ERP與SRM的邊界至關重要。簡言之，SRM核心在于供應商協同，服務于采購人員的業務操作；ERP則側重數據留痕與后端財務支付。兩者需清晰劃分并在必要時協同打通。
以內部商城的“統一入口”場景為例。我們接入了多家電商，構建了超800萬商品的海量庫，并實現目錄化管理。其中，“CAS號一鍵搜索”功能尤為關鍵，它支持跨九大試劑電商比價，優選下單，將原本需要數小時、頻繁切換平臺和溝通的過程縮短至5分鐘內。商品信息圖文并茂、規格清晰，溝通高效。目前平臺每月支撐超過15000個SKU的采購，涵蓋試劑、耗材、中間體等10個品類。
SRM上線前，我們面臨數據孤島、效率瓶頸、合規風險與協同滯后四大難題。平臺整合內外部資源后，實現了流程自動化驅動、效率顯著提升，并建立了透明、可追溯的保障機制，實現了采購全過程的實時可視與高效閉環協同。
然而，系統集成與數據打通并非終點。我們解決了主干流程的順暢運行問題，但仍有大量“例外”情況無法被標準化流程完全覆蓋。如果沿用傳統IT思維，為每個例外開發新功能或接口，從成本、效率和業務變化頻率來看都難以持續。因此，我們需要更敏捷靈活的解決方案。
我們選擇借助自動化工具和AI能力來處理這些例外。例如，在訂單跟進中，RPA自動獲取數據后，由采購運營人員對異常分類處理。若ERP入庫單未同步，RPA可自動處理并重新同步至SRM；若貨物未入庫，則觸發線下流程。同時，我們利用RPA自動向供應商發送郵件，并通過AI OCR技術識別回復郵件，將其轉化為格式化反饋供采購確認。未來我們將進一步結合RPA與AI，實現從催發貨到信息提取的全自動化，初步測算將極大緩解運營壓力。通過自動化與AI，我們主要解決了三方面問題：彌合系統間數據流程差異、加速內部協作、提升與供應商的協作效率。
Part 03
持續用AI賦能運營提效
當前AI熱潮之下，我們常被老板問及如何有效利用AI，以及同行業中AI的應用是否會領先于我們，這無疑給我們帶來了沉甸甸的壓力。通常來說，AI能力建設可以采取兩種方向：一種是自上而下（Top Down），另一種是自下而上（Bottom Up）。若我們的業務模式相對穩定且已非常清晰，那么可以采用自上而下的方式。依據我們的流程和制度，審視當前的低效環節，并探討在這些環節中如何應用AI能力解決問題。按照思路進行梳理逐一實施。當然，我們還要做好期望管理，因為AI并非萬能，也無法解決人類自身都難以理清的問題。
另一方面，如果企業當前的業務模式尚不穩定，需要進行大量創新和調整，那么我們更可能采取自下而上的方式。尋找一些可行的切入點，先搭建能力平臺。在這個平臺上，鼓勵大家結合自身痛點進行點狀應用。當這種點狀應用積累到一定程度后，我們發現其中的共性，并看到點與點之間的連接。這樣，我們就能更有效地整合和利用AI能力。
以下分享兩個晶泰科技內部運營的AI應用案例：
案例1：XT-MOSS
公司制度與審批流程超過200項，且持續增加。員工查詢政策或發起流程通常需要通讀文件、多次操作或咨詢負責人，而負責人則忙于重復性解答。MOSS依托知識庫與智能搜索，能精準回復公司所有公開文件、流程及手冊內容，實現一站式解答。它已接入行政、財務、IT、知識產權等多個知識庫，支持一句話起草審批流或創建日程，大幅減少了煩瑣操作。
案例2：晶泰智驛
傳統職場物流依賴人工登記與線下簽收，流程冗雜、錯領率高、取件效率低。我們應用智能OCR與動態匹配算法，將單件分揀時間從3分鐘縮短至10秒，自動化登記準確率達到100%，取件提醒實現秒級觸發。結合數字驗收，形成了全流程無紙化閉環，人力投入較傳統模式降低75%，管理效率獲得突破性提升。
在上邊案例中，行政部分AI的價值已顯著體現，在后臺方面晶泰科技主要是點狀的人工智能應用，基于我們后臺完整的端到端工程技術平臺進行相應開發。主要融合了三塊內容：
公開的AI LLM大模型能力，目前市面上主流大模型均已接入。不同文件上傳時，增加邏輯輔助判斷功能。
MCP SSE Server，將內部原有各類資源能力進行服務化處理。
AI Tools，引入外部工具，以提供更全面的支持。金融服務。整個過程由使用者主導，技術人員投入人力進行調試，實現共創。
Part 04
適配AI的IT基礎資源管理
我們對IT基礎設施的定位是全面適配AI需求。因此，我們摒棄了傳統全面變革的思路，采用了多云多區域部署的算力方案。這主要基于幾點考慮：首先，依賴單一云服務商覆蓋所有地區本身就很困難；其次，單一供應商易導致議價權喪失和成本高企；第三，我們的業務對彈性要求極高，計算需求呈現明顯的波峰波谷特征，峰值時可能需要調度10萬CPU核心和5000 GPU，任務結束后需求又驟降。若自建數據中心按峰值配置，將導致巨大資源閑置。因此，基于云的彈性伸縮能力與我們的業務模式天然匹配。
基于此，我們自主研發了多元算力調度平臺。首先，核心部分是異構計算平臺，其主要任務是整合不同云廠商的云能力。通過統一調整這些廠商的彈性計算資源，我們能夠在這一基礎上實現資源的彈性伸縮，并逐步優化資源管理，提升資源性能的復用效率。接下來是云端資源池和物理資源池的整合，同時將本地物理資源池和基礎計算服務融入其中。右側則是數據管理部分，涵蓋元數據、外部聯通數據以及平臺產生的數據。我們既是數據的使用者，也是數據的生成者。數據管理涉及標簽標注、分類，以及在何種情況下進行調度，包括是否支持跨云調度，這些都是我們平臺需要解決的關鍵問題。
除了核心功能外，我們還需進行內部成本分攤。因此，我們將實施監控和計費機制，明確各用戶使用的資源量，以確保內部成本核算的準確性。基于多云架構，我們將AI計算任務分解為子任務隊列，按優先級調度至匹配的資源上執行。任務結束后，結果自動上傳，計算文件按策略存儲與回收。在網絡層面，為應對全球多站點辦公與多云互聯的需求，我們早期便規劃并采用了SD-WAN技術，構建了全球一張網，實現了多云多站點的高效互聯。SD-WAN能實時感知網絡質量，為AI數據流自動選擇最優路徑，保障低延遲，并支持根據業務地點靈活部署與高效運維。
以上是我今天的全部分享內容，再次感謝各位的聆聽。
