人工智能代理正式入驻顶级药企决策体系

5月13日,Owkin 正式宣布与 AstraZeneca 签署一项为期三年的 K Pro 授权协议。

Owkin 将为 AZ 提供端到端的定制化 biopharma AI agents,无缝集成至 AZ 的 IT 基础设施和决策工作流程中。

根据官方信息,首批 agents 将聚焦解决以下具体问题:针对特定药物靶点的竞争态势快速分析与预测、针对特定资产 (assets) 的竞品调研、针对临床试验的实时态势感知、为 AZ 高层管理者的 BD、立项、license-in/out 决策提供数据丰富的即时洞察。

这堪称典型的"agent 取代咨询/BD 中层"模式。相比 AI 开展湿实验,这条路 ROI 清晰可算、风险可控、合规边界明确,是大药企最容易批准签署的那一类 AI 落地场景。

At Owkin, we believe the future of the pharmaceutical industry is agentic.

——Thomas Clozel, CEO and co-founder of Owkin.

了解 Owkin 的朋友清楚,这家公司早期的标签是 federated learning + 数字病理——主打"将 AI 送到医院数据端,而不是将数据迁移出来"。

但此次公告中,Owkin 将自身重新定义为:"the agentic AI company pioneering Biological Artificial Superintelligence."

Biological ASI——这个词出现,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。

不过 Owkin 选择了一条非常聪明的差异化路径:其他公司都在争夺"AI 做实验"的故事,Owkin 则直接卡位"AI 做决策"。一个去抢占科学家的岗位,一个去抢占 VP 助理的岗位——后者实际上变现更快。

而且这单并非冷启动。Owkin 此前已与 AZ 在乳腺癌 gBRCA AI 预筛方案上开展过合作。从临床应用一路拓展至 C-suite 决策层,这是教科书级别的 land-and-expand。

这两年 AI4Bio 领域大家都在竞争"AI Scientist"——能否自主设计抗体、能否自主运行 multi-omics、能否自主撰写 paper。这条赛道很吸引人,但真正进入大药企预算的速度,远不及 CI / BD / 战略层的 agent。

原因很简单。AI 从事研发涉及 IP、湿实验数据和监管,合规风险极高;ROI 周期通常 5 到 10 年;一条管线可能烧掉数亿美金;决策链条需穿越首席科学官、法务、监管层层审批。AI 辅助决策完全是另一种生意——使用的几乎都是公开或半公开信息,合规边界清晰;ROI 当季就能显现;一位 VP 就能拍板决定;即便 query 运行有误,重新运行一次的成本几乎为零。

Agentic AI 在大药企真正率先规模化的位置,不是实验室,而是 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。