本文内容源于晶泰科技IT总监魏炜在“AI×机器人打造医药研发新基建”上的分享
魏炜 晶泰科技 IT总监
感谢各位在百忙之中莅临晶泰科技并与团队老师们交流。我是晶泰科技IT部门的魏炜，我的分享内容将聚焦于两个核心议题：一是如何解决供应链采购中的现实难题，二是如何借助IT技术提升内部运营效率并构建适配的基础设施。
相对来说，晶泰科技在生物医药领域的布局非常清晰，我们已成功支持小分子药物化学、大分子多肽药物、实验室自动化等业务线，并持续创新中。基于公司已有的AI技术、算力、自动化及量子力学等核心能力，IT支持必须与之深度契合。因此我们不能简单地复制其他药企的成功经验，或直接采纳生物医药行业的通行做法。在数字化建设过程中，应摒弃追求全面、规模的传统思维，而应采取有针对性且能快速迭代的方式，以实现最佳适配。
Part 01
医药研发采购的难点与挑战
医药研发阶段的采购与生产阶段截然不同。多数企业采购侧重于生产物料，金额大、批量大。而晶泰科技聚焦研发，采购需求集中于研发物料。目前，我们的四大主要业务包括智能自主实验室、AI分子设计、小分子药物开发和药物固研等方向。这四大业务均集中在研发阶段，因此我们面临一些与生产阶段不同的情况，这带来了一系列独特挑战。
研发本质上是一个探索和试错的过程，而非沿固定路径推进。这意味着方法需要不断调整，需求也随之频繁变化。例如，实验进行到第三步若遇瓶颈，可能需要更换试剂；或为赶进度，需紧急采购大量中间体。这类需求往往难以提前规划，通常在实验关键节点才突然明确，留给采购的反应时间极短。
在2023年我们面临的具体情况包括：第一，采购频次极高，日均数十单，月均订单超2500单；第二，品类繁多，因需尝试不同技术路线，物料组合复杂；第三，多为微量级采购，仅需几克甚至几毫克，无法采用批量采购模式；第四，供应链灵活性要求极高，关键物料缺货会导致实验停滞，通常要求三天内到货，这也使得常规备货策略难以实施。
这些挑战给采购团队带来了巨大压力。为满足需求，我们曾高度依赖人工操作：让研发人员在各大供应商电商平台直接选品，再由采购团队跟进后续流程。这种方式引发了诸多问题：首先，系统未连通。尽管已有ERP系统，但其与多个电商平台间数据割裂，需求传递不畅，库存与订单信息不一致，严重影响了供应链效率和决策。其次，存在合规风险。不同平台商品报价与规格难以比对，人工操作易出错，关键记录易缺失，增加了审计追溯难度和造成了内控漏洞。再次，整体效率低下。大量手工工作和线下沟通，缺乏结构化数据支撑。最后，协同困难。部门间沟通与异构数据对齐消耗了大量精力。
Part 02
建设SRM并以RPA+AI加持
解决上述采购痛点已成为公司的重点任务，并获得管理层的高度关注与推动。SRM系统的建设本身并非创新，关键在于如何精准适配业务现状，切实解决问题。
在SRM建设初期，我们梳理出三个关键环节：一是采购需求获取，核心是建立多电商平台集成机制，极大减少了业务人员搜寻商品和补单工作量，改善了信息流与实物流的一致性，实现了历史采购信息的可追溯。二是确保流程合规。通过引入供应商管理、寻源、合同及采购协同模块，将采购流程全面系统化，提升了协同效率与证据链的完整性。三是实施集中物料编码管理，以提高物资管理集中度和物料复用率，解决因数据隔离导致的信息不一致问题，特别是在退换货和物料共享方面。
基于此，我们将SRM设计为门户架构。对内，我们识别了所有相关方：研发助理、采购品类经理、运营支持人员、法务、风控、财务、仓库及管理层。对外，与覆盖15个大类的众多供应商对接。系统功能模块涵盖采购商城、申请、询价、合同、订单、交货协同、验收、对账、付款及供应商全生命周期管理。
厘清ERP与SRM的边界至关重要。简言之，SRM核心在于供应商协同，服务于采购人员的业务操作；ERP则侧重数据留痕与后端财务支付。两者需清晰划分并在必要时协同打通。
以内部商城的“统一入口”场景为例。我们接入了多家电商，构建了超800万商品的海量库，并实现目录化管理。其中，“CAS号一键搜索”功能尤为关键，它支持跨九大试剂电商比价，优选下单，将原本需要数小时、频繁切换平台和沟通的过程缩短至5分钟内。商品信息图文并茂、规格清晰，沟通高效。目前平台每月支撑超过15000个SKU的采购，涵盖试剂、耗材、中间体等10个品类。
SRM上线前，我们面临数据孤岛、效率瓶颈、合规风险与协同滞后四大难题。平台整合内外部资源后，实现了流程自动化驱动、效率显著提升，并建立了透明、可追溯的保障机制，实现了采购全过程的实时可视与高效闭环协同。
然而，系统集成与数据打通并非终点。我们解决了主干流程的顺畅运行问题，但仍有大量“例外”情况无法被标准化流程完全覆盖。如果沿用传统IT思维，为每个例外开发新功能或接口，从成本、效率和业务变化频率来看都难以持续。因此，我们需要更敏捷灵活的解决方案。
我们选择借助自动化工具和AI能力来处理这些例外。例如，在订单跟进中，RPA自动获取数据后，由采购运营人员对异常分类处理。若ERP入库单未同步，RPA可自动处理并重新同步至SRM；若货物未入库，则触发线下流程。同时，我们利用RPA自动向供应商发送邮件，并通过AI OCR技术识别回复邮件，将其转化为格式化反馈供采购确认。未来我们将进一步结合RPA与AI，实现从催发货到信息提取的全自动化，初步测算将极大缓解运营压力。通过自动化与AI，我们主要解决了三方面问题：弥合系统间数据流程差异、加速内部协作、提升与供应商的协作效率。
Part 03
持续用AI赋能运营提效
当前AI热潮之下，我们常被老板问及如何有效利用AI，以及同行业中AI的应用是否会领先于我们，这无疑给我们带来了沉甸甸的压力。通常来说，AI能力建设可以采取两种方向：一种是自上而下（Top Down），另一种是自下而上（Bottom Up）。若我们的业务模式相对稳定且已非常清晰，那么可以采用自上而下的方式。依据我们的流程和制度，审视当前的低效环节，并探讨在这些环节中如何应用AI能力解决问题。按照思路进行梳理逐一实施。当然，我们还要做好期望管理，因为AI并非万能，也无法解决人类自身都难以理清的问题。
另一方面，如果企业当前的业务模式尚不稳定，需要进行大量创新和调整，那么我们更可能采取自下而上的方式。寻找一些可行的切入点，先搭建能力平台。在这个平台上，鼓励大家结合自身痛点进行点状应用。当这种点状应用积累到一定程度后，我们发现其中的共性，并看到点与点之间的连接。这样，我们就能更有效地整合和利用AI能力。
以下分享两个晶泰科技内部运营的AI应用案例：
案例1：XT-MOSS
公司制度与审批流程超过200项，且持续增加。员工查询政策或发起流程通常需要通读文件、多次操作或咨询负责人，而负责人则忙于重复性解答。MOSS依托知识库与智能搜索，能精准回复公司所有公开文件、流程及手册内容，实现一站式解答。它已接入行政、财务、IT、知识产权等多个知识库，支持一句话起草审批流或创建日程，大幅减少了烦琐操作。
案例2：晶泰智驿
传统职场物流依赖人工登记与线下签收，流程冗杂、错领率高、取件效率低。我们应用智能OCR与动态匹配算法，将单件分拣时间从3分钟缩短至10秒，自动化登记准确率达到100%，取件提醒实现秒级触发。结合数字验收，形成了全流程无纸化闭环，人力投入较传统模式降低75%，管理效率获得突破性提升。
在上边案例中，行政部分AI的价值已显著体现，在后台方面晶泰科技主要是点状的人工智能应用，基于我们后台完整的端到端工程技术平台进行相应开发。主要融合了三块内容：
公开的AI LLM大模型能力，目前市面上主流大模型均已接入。不同文件上传时，增加逻辑辅助判断功能。
MCP SSE Server，将内部原有各类资源能力进行服务化处理。
AI Tools，引入外部工具，以提供更全面的支持。金融服务。整个过程由使用者主导，技术人员投入人力进行调试，实现共创。
Part 04
适配AI的IT基础资源管理
我们对IT基础设施的定位是全面适配AI需求。因此，我们摒弃了传统全面变革的思路，采用了多云多区域部署的算力方案。这主要基于几点考虑：首先，依赖单一云服务商覆盖所有地区本身就很困难；其次，单一供应商易导致议价权丧失和成本高企；第三，我们的业务对弹性要求极高，计算需求呈现明显的波峰波谷特征，峰值时可能需要调度10万CPU核心和5000 GPU，任务结束后需求又骤降。若自建数据中心按峰值配置，将导致巨大资源闲置。因此，基于云的弹性伸缩能力与我们的业务模式天然匹配。
基于此，我们自主研发了多元算力调度平台。首先，核心部分是异构计算平台，其主要任务是整合不同云厂商的云能力。通过统一调整这些厂商的弹性计算资源，我们能够在这一基础上实现资源的弹性伸缩，并逐步优化资源管理，提升资源性能的复用效率。接下来是云端资源池和物理资源池的整合，同时将本地物理资源池和基础计算服务融入其中。右侧则是数据管理部分，涵盖元数据、外部联通数据以及平台产生的数据。我们既是数据的使用者，也是数据的生成者。数据管理涉及标签标注、分类，以及在何种情况下进行调度，包括是否支持跨云调度，这些都是我们平台需要解决的关键问题。
除了核心功能外，我们还需进行内部成本分摊。因此，我们将实施监控和计费机制，明确各用户使用的资源量，以确保内部成本核算的准确性。基于多云架构，我们将AI计算任务分解为子任务队列，按优先级调度至匹配的资源上执行。任务结束后，结果自动上传，计算文件按策略存储与回收。在网络层面，为应对全球多站点办公与多云互联的需求，我们早期便规划并采用了SD-WAN技术，构建了全球一张网，实现了多云多站点的高效互联。SD-WAN能实时感知网络质量，为AI数据流自动选择最优路径，保障低延迟，并支持根据业务地点灵活部署与高效运维。
以上是我今天的全部分享内容，再次感谢各位的聆听。
