驯鹿生物 AI 发展战略书
本文档旨在系统规划驯鹿生物在人工智能领域的战略布局与实施路径。在全球生物医药产业加速数字化转型、AI 与生命科学深度融合的宏观背景下，AI 已从可选的效率工具演进为创新药企核心竞争力的战略性基础设施。本战略书以福可苏全球化商业化为当前锚点、以细胞治疗全链条能力升级为中期目标、以 AI 平台独立价值释放为远期愿景，分战略意义与具体实施两大部分展开论述。
AI 实施的战略意义
一、AI 赋能商业利润增长——以更少资源、更高速度、更优质量驱动全球商业化放量
AI 对驯鹿商业价值的直接贡献，集中体现在人力资本效率的根本性提升。随着福可苏在全球 21 个国家的同步注册推进及适应症从末线向前线拓展，公司的业务规模将呈指数级增长，但传统模式下业务增长与人力规模线性绑定的逻辑将严重制约利润率的提升空间。AI 的核心价值在于打破这一绑定——通过将重复性、规则性、数据处理密集型的工作负载从人力转移到 AI 系统，使现有团队能够以同等人力完成数倍的业务吞吐量。
在人工成本维度，全球化业务扩张带来的注册事务、药物警戒、供应链管理和客户服务等环节的工作量将持续膨胀。AI 驱动的智能文档生成、多语言合规自动审查、药物安全信号自动挖掘和供应链智能调度，将使公司在业务量翻倍增长时不需同步扩张人员编制，直接转化为人工成本率的持续下降。
在资源效率维度，AI 使公司能够以更轻的资产模式撬动更重的业务成果。通过 AI 辅助的注册路径规划，可精准识别各目标市场的最优申报策略，免于在多市场重复投入注册资源；通过 AI 驱动的文献情报和竞品监控，以极低的边际成本持续获取全球 BCMA 赛道的最新动态，替代传统高成本的人工情报收集。
在质量与速度维度，AI 系统不受工作时长和人为误差的约束，在合规文档审核、生产批记录自动校验和供应链异常预测等场景中，可实现人工难以达到的一致性和响应速度。这些能力的叠加，将直接加速福可苏在全球市场的放量节奏，缩短从注册申报到商业化供药的时间窗口，并延伸至未来自有管线产品的全球上市。Spira AI 已在市场部率先验证了这一模式——新加坡和沙特 Hub 的本地化短视频脚本与 AI Influencer 投放素材已通过 AI 生成实现多语种规模化产出，验证了"同等人力、数倍产出"的商业逻辑。
二、AI 驱动研发与运营能级跃升，创造 BD 交易的战略杠杆
AI 对驯鹿战略价值的第二层面，在于通过研发效率、临床水平和运营能力的系统性提升，构建对外合作的战略吸引力，撬动高价值的 BD 交易。
在研发端，AI 加速靶点发现与 CAR 结构优化。通过 AI 驱动的蛋白结构预测、高通量筛选数据分析和临床前药效建模，可将新靶点 CAR-T 产品从概念到候选分子的周期缩短 30-50%。
在临床端，AI 辅助的患者筛选、临床试验方案优化和疗效预测建模，可显著提升临床试验的成功率和入组速度，以更短的时间和更低的成本产出更具说服力的临床数据包。
在运营端，AI 赋能国际注册文档的自动生成与多市场同步管理、跨境供应链的实时调度与风险预警、以及全球药物警戒的智能信号检测，构建起一套高度自动化、可复制的全球化运营底盘。
上述研发与运营能力的系统性提升，将直接转化为两种类型的 BD 交易机会。
第一类是将自主开发的管线或产品在特定区域或全球范围内授权给合作伙伴，以 AI 加速产出的高质量临床数据和注册文件包作为谈判的核心筹码，获取更高的首付款和里程碑金额。
第二类是将驯鹿自建的 AI 全球化运营平台向其他中国 biotech 公司开放——这些企业拥有创新产品但缺乏独立出海的全链条能力，通过搭载驯鹿的 AI 平台实现产品的国际注册、跨境供应链管理和全球商业化，驯鹿从中获取服务收入和销售分成。这一模式将驯鹿从单一产品驱动的 biotech 转型为平台驱动的出海基础设施提供商，在商业价值上具有倍数级的放大效应。
三、AI 平台的独立价值释放——从业务工具到可融资的战略资产
AI 战略的第三层面，是着眼于 AI 平台本身作为独立资产的长远价值。在前期以福可苏全球化和联合体项目的实际业务需求为驱动，持续积累多市场注册数据、跨境供应链运营数据和临床研发数据，训练出一个在 CGT 垂直领域具有不可替代性的 AI 能力集群。DeepAI 作为多模型 API 聚合通道，已在架构层面实现了国际与国产模型的统一网关接入——用量、成本、数据全部收敛在自有网关，不被单一供应商绑定。这一架构为未来 AI 平台的独立运营和对外服务奠定了技术基础。当该平台在产品注册成功率、供应链效率、临床开发速度和合作 biotech 的搭载数量等核心指标上积累到可独立验证的商业记录后，具备从驯鹿母公司分拆并独立进行外部融资的条件。该 AI 平台的投资者价值主张清晰——它是中国 CGT 产业出海的数字化基础设施，连接的不仅是驯鹿的产品，而是整个中国细胞治疗产业的全球化通道。这一远期价值释放路径，为驯鹿的 AI 战略提供了与短期业务回报并行的长期资本价值逻辑，使 AI 投入从费用化支出转变为资产化投资。
AI 实施的具体计划
驯鹿 AI 战略的具体实施采用双平台架构——Spira AI 面向全员 AI 素养与内容生产力提升，DeepAI 面向核心骨干的深度工程化能力建设。双平台的逻辑关系是：Spira AI 建立公司整体的 AI 文化土壤和内容创作基础，DeepAI 在此基础上培育能够独立交付 AI 解决方案、并将产出沉淀为组织知识资产的专业力量。两套平台配置一套 VPS 基础设施和一套知识沉淀体系（GitHub 七维度组织）。
一、Spira AI——全员广覆盖的 AI 内容入口
Spira AI 是面向全员的 SaaS 平台，定位为公司的全球 AI 能力中枢。平台提供多模型对话（Gemini / Claude / OpenAI）、AI 生图、AI 生视频（Seedance 2.0 / Sora / Veo 3.1 / Kling）、工作流编排和 AI Influencer 海外营销等核心能力，VPN 加浏览器即可使用，不挑终端。沉淀的是创意与文案的工作流模板与 Prompt，复用面向内容生产。
合同与商务方面，Spira AI 已由 COO Andy 签署，供应商为 Spira Lab Inc.（加州 Sunnyvale），35 席 Spira Creator Plan 年度订阅（$17,346 一次性预付，单席 $41.30/月，30% 折扣），每席 4,000 credits/月，SLA 99.5% 月度可用。35 席覆盖商业化（6 席）、注册（3 席）、BD（3 席）、总裁办（2 席）、国际化（2 席）、HR（2 席）、IR（1 席）、质量（1 席）、法务与 IP（1 席）、AI 团队（1 席）及 Core Team（13 席，含 8 席待补），总计覆盖 10+ 部门。当前市场部已先行出样板——利用 Spira 为新加坡和沙特 Hub 生成本地化视频与 AI Influencer 投放素材，取得初步成效。本周二完成线上培训（Yuna 主讲），按上手节奏分批激活账号，不使用不计费。
二、DeepAI——核心骨干的深度工程化与知识沉淀通道
DeepAI 是面向核心人员的多模型 API 聚合通道。它不是绑定某一家模型厂商，而是自建的一层 API 网关——请求先打到自有网关，再由网关接入国际与国产多模型聚合池，统一调度、按需择优。用量、成本、数据全部收敛在自有网关，既能拿到聚合折扣，又能按人计量、统一治理，在国际与国产模型之间灵活切换。核心能力包括：Vibe Coding（前端 / 后端 / 全栈，在 VS Code / IDE 里通过 Claude Code 直接编写）、Agent 工作流编排（MCP + Claude Code 编排多步自动化）、数据管线与脚本自动化（ETL、批处理一键跑）、以及 Context / Memory / Harness 沉淀为组织级知识资产。
DeepAI 名单为一份 ~50 人的统一名单，横跨 7 大部门，一份名单贯穿四件事——电脑发给谁、VPS Token 配给谁、谁上 GitHub 沉淀、谁参加 DeepAI 培训，全部按这份名单执行。配套基础设施包括：VPS 三层资源池（成本约 ¥1 万/月 vs 大陆云 ¥16-40 万）、统一电脑采购（Windows ThinkPad X1 或 MacBook，32G+ 内存）、160 亿 Token 年度赋能基金（≈¥100,000，耦合 2025 年终奖励基金）。电脑本周四到货统一发放。
培训与推广方面，本周四周五完成 DeepAI 统一安装与培训（Luoking + Howard 主讲），底层模型接入已完成。后续按周进行用量统计与复盘（Weekly Monitoring），按部门切分 Token 配额。培训完成后核心骨干从"会用 AI"升级到"用 AI 造工具、跑自动化"，个人产出通过 GitHub 七维度体系（Context → Memory → Decision → Harness → Loops → Ontology → Repository）收敛为组织资产。
三、AI 分阶段实施目标与里程碑
DeepAI 推广分为四个阶段，从启用、常态运行、知识沉淀到全公司业务建模，按使用（Adoption）、产出（Output）、沉淀（Sedimentation）、能力（Capability）四个维度设定量化目标。
阶段一：启用（6 月下旬）。激活率达到 80%（40/50 完成 setup + 真实使用），周活 30 人，人均每周 ≥3 次 session，当期 Token 消耗约 5 亿（占 160 亿池的 3%）。累计产出 7 个工具/脚本、2 个 Agent 工作流，解决 7 个真实业务问题。累计沉淀 8 个仓库（组织 + 部门 + 个人）、7 个 Context 文档、20 条 Memory 条目、7 条 Decision 记录、3 个 Harness 模板。熟练用户 7 人，7 大部门全覆盖。
阶段二：常态（7 月）。激活率 100%，周活 45 人，人均每周 ≥8 次 session，当期 Token 消耗约 35 亿（22%）。累计产出 30 个工具/脚本、10 个 Agent 工作流，解决 50 个真实业务问题。累计沉淀 30 个仓库、30 个 Context 文档、100 条 Memory 条目、40 条 Decision 记录、25 个 Harness 模板、5 个自动化循环（Loops）。熟练用户 20 人。
阶段三：沉淀（7 月底-8 月）。激活率与周活保持 100% / 45 人，人均每周 ≥8 次 session，当期 Token 消耗约 45 亿（28%）。累计产出 60 个工具/脚本、18 个 Agent 工作流，解决 120 个真实业务问题。累计沉淀 50 个仓库、60 个 Context 文档、250 条 Memory 条目、90 条 Decision 记录、45 个 Harness 模板、12 个自动化循环。Ontology 起步，完成 v1 版本（7 部门核心实体建模）。熟练用户 35 人。
阶段四：建模（8 月）。激活率与周活保持 100% / 45 人，人均每周 ≥10 次 session，当期 Token 消耗约 45 亿（28%）。累计产出 80 个工具/脚本、25 个 Agent 工作流，解决 180 个真实业务问题。累计沉淀 55 个仓库、80 个 Context 文档、400 条 Memory 条目、130 条 Decision 记录、60 个 Harness 模板、18 个自动化循环。Ontology 完成 v1（7 部门核心实体建模）。熟练用户 40 人。AI Team 完成对全公司业务情况的抽象、建模与 ontology 建设。
四、AI 组织保障与考核机制
AI 战略的持续落地不仅依赖平台和工具，更需要一套与之匹配的组织文化和考核体系作为制度保障。从三层治理结构、四维考核体系和激励闭环三个维度构建 AI 组织文化基础设施。
在组织文化层面，建立三层治理结构以系统性地提升组织对 AI 的认知密度和协作效率。
第一层为董事长与 AI 团队的每周例会。由董事长主持，AI 团队汇报 Spira AI 和 DeepAI 的周度推进情况——包括各板块激活率、Token 消耗趋势、产出物数量和质量、以及业务端的实际采纳反馈。该层级的核心功能是保持最高决策层对 AI 实施节奏的实时感知，确保 AI 战略不偏离业务优先级，并对跨部门的资源冲突和推进障碍做出快速决策。
第二层为核心骨干 AI 月度分享讨论会。由 DeepAI 名单中的 ~50 名核心骨干参加，各部门负责人（商业化、注册、BD、研发、质量、供应链、财务、HR 等）必须出席。每月的分享会由 2-3 名骨干成员展示当月最具代表性的 AI 实践案例——可以是工具开发、自动化流程、Agent 编排或业务建模进展，重点讲清楚解决了什么真实业务问题、节省了多少时间或成本、有什么可复用的方法论。各部门负责人基于案例交流本部门的 AI 推进思路和需求，对齐跨部门的 AI 实施信息，在组织内营造拥抱 AI、分享先行、容错鼓励的文化氛围。
第三层为全员大会 AI 专题板块。在公司季度全员会、半年度总结会和年度战略会上，设立固定的 AI 实施进展专题板块，由 AI 推进办公室向全体员工通报 Spira AI 和 DeepAI 的推广数据、标杆案例和下一阶段目标，让 AI 从少数人的实验变成全公司的共同议程。
在考核机制层面，建立四维量化考核体系，将 AI 能力成长与个人和部门的绩效评估挂钩。
维度一为使用指标（Adoption）：包括 DeepAI 激活率（目标 100%）、周活跃用户数（WAU，目标 45 人）、人均每周 Session 次数（目标 ≥8 次）和个人 Token 消耗量（按部门配额核算）。
维度二为产出指标（Output）：包括累计工具 / 脚本 / 自动化产出数量、Agent 工作流数量、用 AI 解决的真实业务问题数量——这些指标直接反映 AI 能力从"会用"到"造工具"的转化效率。
维度三为沉淀指标（Sedimentation）：按 GitHub 七维度（Context / Memory / Decision / Harness / Loops / Ontology / Repository）统计每个部门和个人的组织知识资产贡献，目标沉淀率 ≥70%。
维度四为能力指标（Capability）：通过季度能力评估（可独立使用 AI 造工具、可独立编排 Agent 工作流、可独立完成业务建模）划分熟练用户层级，年度目标为培养 40 名熟练用户（7 部门全覆盖）。
在激励闭环层面，建立正向激励与动态优化相结合的机制。
每季度评选最佳 AI 工具奖（按工具在业务端的实际采纳率和使用频次评定）和最佳 AI 实践案例奖（按对业务效率的实际提升幅度评定），获奖者获得专项奖金并在全员大会上表彰。
季度考核维度中 AI 能力指标纳入个人绩效评估体系，年度 AI 表现作为晋升评审的加分项。对于持续两个季度使用指标和沉淀指标均未达标的 DeepAI 成员，实行退出与递补机制——退出先锋名单但仍可保留 Spira AI 使用权限，同时从公司内部吸收新的具备潜力的成员递补进入 DeepAI 名单，保持先锋小组的活力与持续进化能力。