Guangzhou SaidI Pharmaceutical Technology Co., Ltd.

中国医药健康产业正经历着前所未有的变革与发展，在政策引导、科技创新与市场需求的三重驱动下，逐步构建起覆盖全生命周期的健康服务体系，并在全球医药版图中占据日益重要的地位。 一、产业规模持续扩张，区域格局逐步优化根据赛迪研究院数据，中国医药健康产业规模预计从2021年的28943.4亿元增长至2026年的50512.3亿元，年均复合增长率达11.7%。这一增长主要得益于老龄化加速、疾病谱变迁以及居民健康意识提升。从地域分布看，华东与中南地区占据主导地位，合计占比超60%，而华北地区虽拥有丰富的科研资源，但因产业链配套不足、成本高企等因素，规模占比仅为16.5%至16.7%。不过，北京、上海等城市通过政策扶持与资源整合，正逐步打造高精尖医药产业集群，如北京海淀区将医药健康纳入“1+X+1”现代化产业体系，推动产业高质量发展。 二、创新药研发崛起，全球竞争力显著增强中国已成为全球第二大新药研发国，创新成果呈现井喷态势。2024年，中国获批创新药数量近百种，临床试验审批时间大幅缩短至87天，远低于改革前的501天。在癌症、细胞治疗、抗体药等领域，中国研发管线占比超40%，部分领域已跻身世界前沿。例如，非激素类创新药泽立美本维莫德乳膏通过全新作用机制，同步抑制炎症因子与修复皮肤屏障，成为全球首个获批用于2岁以上儿童与成人湿疹治疗的芳香烃受体调节剂，其疗效与安全性获国际权威指南认可，彰显了中国原研药的全球价值。 三、中医药传承创新，焕发新生机中医药作为中华民族瑰宝，正通过现代化与国际化焕发新活力。2024年，中国中药市场规模达7487亿元，同比增长3.4%。政策层面，《中华人民共和国中医药法》的实施为中医药发展提供了法律保障，推动服务体系优化、产业融合加速与技术创新突破。例如，中医药与旅游、膳食等产业深度融合，催生出中医药特色旅游线路、药膳餐饮等新业态；中医药大模型在研发、诊疗、康复等领域的应用，进一步提升了中医药服务的精准性与便捷性。 四、挑战与机遇并存，高质量发展任重道远尽管中国医药健康产业取得显著成就，但仍面临诸多挑战：创新药同质化竞争严重、研发成果转化率低、国际市场准入门槛高、医药反腐压力增大等。未来，产业需持续优化创新生态，加强基础研究与原始技术创新，推动产学研协同发展；同时，加快数字化转型，利用人工智能、大数据等技术提升研发效率与产品质量，并积极拓展国际市场，提升全球竞争力。

赛迪科创Pre独角兽（2025）的名单里，山东这回有两家上了：烟台的东方空间和蓝纳成。简单说，就是市场和专家把这俩当成未来几年里有机会蹿到独角兽行列的“后备队”。 先说东方空间。这家公司最引人注意的事儿，是把他们的首型固体运载火箭“引力一号”成功做了海上首飞。时间是2024年1月11日，地点从东方航天港出海登船发射。那次发射后，这枚火箭被说成是全球体型最大的固体运载火箭，也是国内民营或商用阵营里推力和规模最大的那一类。换句话说，公众第一次真切看到这家公司不是只会画图纸，他们能把东西真正推上天，这个“含金量”比较直观。 再往里看，东方空间并不是只做一款火箭。他们把产品和技术分成好几条线来推进：有运载火箭的“引力”系列，有火箭发动机叫“原力”，还有空天信息装备叫“鸿力”。方向上，他们既做一次性的固体火箭，也想把可回收路线做成系列化，目标是把发射做成低成本、能规模化、办起来方便的服务。公司内部常讲一句话，大意是效率优先，争取“三年出一箭”。这种节奏，能解释为啥他们在短时间内把样机推到海上首飞并做出规模化原型——把一套航天系统工程流程标准化、可复制，对民营航天来说尤其重要。 关于团队和场地，东方空间2020年6月落户烟台海阳，成立时间真的不长。可是从成立到实现海上首飞，用了不到四年时间。这速度放在传统航天单位里算快，背后既有大笔工程投入，也离不开地方政策、港口和配套资源的支持。有人会怀疑：这样快走出来的项目，后面可靠性能不能跟上？这是合理的疑问。航天是长期活儿——发射次数多了，问题才会显现；要把单次成功变成常态发射，还得看后续能不能把可靠性和成本控制住。 再聊聊蓝纳成，走的是完全不同的路。蓝纳成在烟台牟平，成立于2021年1月，是从东诚药业孵化出来的，方向是所谓的“诊疗一体化”核药。这家公司想把“靶向分子—影像诊断—治疗核药”连成一条链，不只是做一个成分，而是把早期发现、CMC（药品质量与制造）、临床和注册这些环节连成闭环。说白了，他们想把影像诊断和放射性治疗绑在一起，让药和诊断同步推进，这样从实验室到病人的路能缩短不少弯路。 看他们目前的进展，确实不只是口号。蓝纳成宣称有覆盖4个靶点、10款诊疗一体化的核药在中美两地进入临床试验阶段，已经拿到的临床试验批件数量是17项。这些数字说明，在申报节奏、法规对接和试验推进上，他们有一套自己的方法。不少创新药公司只做一个环节，往往诊断做到位了、治疗还慢；蓝纳成试图把两条赛道合并，省掉很多来回协调的时间成本。出发点务实，就是把疗法放到临床路径里去验证，走向注册和商业化。 把这两家放在一起看，会发现赛迪这次选名单的偏好很明显：一类是典型硬科技、技术和工程量都巨大的企业（像东方空间）；另一类是把诊断和治疗打包，走临床转化路线的生物医药企业（像蓝纳成）。赛迪在挑这些Pre独角兽时，更多看的是对国家战略新兴产业的支撑能力和未来成长潜力，不仅仅盯着估值高低。Pre独角兽这个概念，就是那些估值还没到十亿美元、还没上市，但看起来在未来3到5年有较大概率成为真正独角兽的“候补生”。把名单公开，既给市场一个观察名单，也往往会带来资源关注和政策扶持的信号。 这两家公司也有共通点：成长速度快、项目推进节奏猛、技术门槛高、商业前景相对清晰。但它们的路径不一样。东方空间需要把一次性样机变成频繁可复现的发射服务，关键在可靠性和单位发射成本。火箭做出来能飞是第一步，接下来是飞得准、飞得多、飞得便宜，才能转成稳定的商业收入。蓝纳成则要在临床数据上交出成绩单：疗效、毒性、安全、放射性药物的可生产性和供应链，这是决定能否走向注册和商业化的核心要素。对药企来说，17个临床批件和多条管线是个好开端，但从试验到获批、再到市场化，每一步都得按法规走，不能有捷径。 地方支撑和母体资源在两者成功路径里都很关键。东方空间的海上发射离不开港口、船舶、气象和自治体系的配合，蓝纳成能迅速进入临床试验也得益于母公司和研发链条的支援。这就是现实：技术再好，没有配套的产业生态和政策支持，落地会慢。相反，有了当地政府和产业园区的配套，项目可以跑得更快，但跑得快并不等于稳，后面还要看长期执行力和市场反馈。 说点更接地气的比喻：做火箭像造一条流水线，但这条流水线每次都要把产品送上天，成本和风险都摆在那儿；做核药像把镜子和刀具一起做成一个套装，既要能看清病灶，又要能精准发挥治疗效果，两头都不能出岔子。这两种活儿，各有难处，也各有变成大企业的潜力。 现在外界关注的重点，会落在几个节点上。东方空间接下来要让发射从“样板工程”变成“常态化工程”，这意味着更多的发射窗口、更稳定的运维、更成熟的供应链、以及更透明的商业化定价。蓝纳成的观察点就在临床试验结果、CMC生产能否稳定、以及海外和国内的法规对接上。短时间的热度能带来资本和政策资源，但这些资源最终得看项目能不能把技术、样机、数据变成持续的收入和可复制的商业模式。 聊完这些，能看到的是一种趋势：在挑选“可培育”的创新企业时，既要看他们眼下能做出什么，也要看他们背后能不能把单次成功变成长期能力。这两家公司被放在名单里，说明它们已经完成了从“实验室到样机”或“从实验到临床试验”的关键跨越。接下来要看的，就是从跨越到稳住，这条路上要走的细节才更多、更关键。

在数字经济加速渗透的今天，AI人工智能（以下简称“AI”）已成为驱动产业变革、提升社会效率的核心引擎，而数据作为AI发展的“燃料”，其质量、安全性与可访问性直接决定了AI模型的性能与应用价值。可信数据空间作为保障数据在全生命周期内“可信流通、安全共享、合规使用”的新型数据治理载体，与AI形成了“数据赋能AI发展、AI优化数据治理”的双向赋能关系。二者的深度融合不仅破解了AI发展中的数据瓶颈，更构建了数据要素价值释放的全新生态。 一、核心概念界定：AI与可信数据空间的本质内涵 （一）AI人工智能：数据驱动的智能决策系统 AI是通过模拟人类智能行为，利用算法对海量数据进行学习、推理、决策的技术体系，其核心价值在于从数据中挖掘规律并转化为智能能力。从技术架构来看，AI的发展高度依赖“数据输入—模型训练—推理应用”的闭环：高质量、多样化的数据为模型训练提供基础，决定了模型的泛化能力；高效的算法框架提升数据处理效率，而推理阶段的精准度又反向依赖于数据的实时性与真实性。然而，当前AI发展面临显著的数据困境：数据孤岛导致训练数据规模不足，数据质量参差不齐影响模型精度，数据安全与隐私泄露风险制约数据共享，这些问题成为AI向深层次应用突破的关键障碍。 （二）可信数据空间：数据可信流通的治理载体 可信数据空间是基于区块链、隐私计算、身份认证等技术，结合法律规范与管理机制，构建的一个实现数据“可信采集、可信存储、可信共享、可信使用”的分布式协同环境。其核心特征体现在三个方面：一是可信性，通过数据加密、数字签名、溯源追踪等技术，确保数据在全生命周期内的完整性、真实性与不可篡改；二是可控性，数据所有者可通过细粒度权限管理，精准控制数据的访问范围、使用方式与流转路径；三是协同性，打破不同主体（企业、机构、个人）间的技术壁垒与信任壁垒，实现跨域数据的安全互通。可信数据空间并非“数据仓库”的升级，而是以“信任”为核心的数据要素治理生态。 二、双向赋能：AI与可信数据空间的协同逻辑 （一）可信数据空间为AI发展筑牢“数据基石” 1. 保障数据质量，提升AI模型精度。可信数据空间通过建立统一的数据标准规范（如数据格式、元数据管理、质量校验规则），结合自动化清洗工具，对数据进行预处理与质量管控，从源头剔除噪声数据、冗余数据与异常数据。例如，在工业AI场景中，可信数据空间可整合不同生产线的设备数据，通过数据标准化处理与质量核验，为设备故障预测模型提供高质量训练数据，使模型预测准确率提升30%以上。 2. 打破数据孤岛，扩大数据供给规模。可信数据空间采用“数据可用不可见”的共享模式，通过联邦学习、同态加密等隐私计算技术，让多个主体在不泄露原始数据的前提下共同参与AI模型训练。以医疗AI为例，医院、科研机构等主体将病历数据接入可信数据空间，通过联邦学习协同训练疾病诊断模型，既规避了患者隐私泄露风险，又实现了跨机构数据的聚合价值，使模型覆盖的疾病种类提升50%以上。 3. 强化合规管控，降低AI应用风险。可信数据空间嵌入数据脱敏、访问审计、权限追溯等机制，严格遵循《数据安全法》《个人信息保护法》等法律法规，确保AI模型训练与推理过程中的数据使用合规。例如，在金融AI风控场景中，可信数据空间可对用户信用数据进行脱敏处理，仅向AI模型开放特征数据而非原始信息，同时记录数据访问日志，实现“数据使用可追溯、风险可管控”。 （二）AI为可信数据空间注入“智能动能” 1. 优化数据治理效率。传统数据治理依赖人工进行数据分类、标签标注与权限分配，效率低下且易出错。AI技术可通过自然语言处理（NLP）自动提取数据元信息，通过计算机视觉识别非结构化数据（如图片、文档），通过机器学习动态更新数据标签与权限规则。例如，某政务可信数据空间引入AI后，数据分类标注效率提升80%，权限配置错误率降至1%以下。 2. 实现风险智能预警。可信数据空间通过AI实时监控数据流转状态，利用异常检测算法识别非法数据访问、数据篡改、超出权限使用等风险行为，并及时触发预警机制。例如，在企业可信数据空间中，AI可通过分析用户行为轨迹，识别“非工作时间大量下载核心数据”“跨地域异常访问”等风险场景，响应时间从原来的几小时缩短至秒级。 3. 提升数据匹配精度。AI的推荐算法与语义理解技术可实现可信数据空间内数据供需的精准匹配。例如，科研人员在可信数据空间中提交“新能源汽车电池寿命研究”的数据需求后，AI可通过语义分析匹配到不同企业的电池测试数据、车企的行驶数据，并自动筛选出符合质量要求与权限范围的数据资源，大幅降低数据检索成本。 三、融合应用场景：从技术协同到价值落地 （一）工业互联网：智能运维与质量管控 工业领域的AI应用需整合设备运行数据、生产工艺数据、供应链数据等多源信息，而可信数据空间为这些数据提供了安全流通的载体。一方面，可信数据空间汇聚不同车间、不同企业的工业数据，通过隐私计算技术支撑AI模型协同训练，实现设备故障预测、生产参数优化等智能运维功能；另一方面，AI通过分析可信数据空间中的全链路数据，精准定位产品质量缺陷的根源，提升质量管控效率。例如，某汽车制造商构建工业可信数据空间后，结合AI训练的焊接质量预测模型，将焊接缺陷率降低25%，设备停机时间缩短40%。 （二）智慧医疗：精准诊断与新药研发 医疗数据的敏感性与分散性（分散于医院、体检机构、药企）制约了AI的应用落地，可信数据空间成为突破这一困境的关键。在精准诊断场景中，可信数据空间整合患者病历、影像数据、基因数据等，通过联邦学习训练AI诊断模型，既保护患者隐私，又提升模型对罕见病的识别能力；在新药研发场景中，可信数据空间汇聚临床数据、化合物数据、靶点数据，AI通过分析这些数据快速筛选候选药物、预测药物疗效，将新药研发周期缩短30%—50%。 （三）智慧城市：精细化管理与公共服务优化 智慧城市涉及交通、安防、政务、民生等多领域数据，可信数据空间实现了跨部门数据的可信共享。AI基于可信数据空间中的数据，实现交通流量智能调度、安防事件实时预警、政务服务精准推送等功能。例如，某城市构建政务可信数据空间，整合公安、交通、气象等部门数据，AI通过分析这些数据预测交通拥堵点，提前调整信号灯时长，使核心路段通行效率提升20%；同时，AI根据市民的政务办理记录，推送个性化服务指南，政务服务满意度提升15%。 四、挑战与对策：构建可持续的融合发展生态 （一）核心挑战 1. 技术适配性问题。AI模型的高算力需求与可信数据空间的隐私计算技术存在性能冲突，例如联邦学习会增加模型训练的通信成本与时间成本，影响AI实时性应用。同时，不同可信数据空间的技术架构（如区块链平台、加密算法）存在差异，导致跨空间数据流转时AI模型兼容性不足。 2. 标准规范缺失。目前缺乏统一的可信数据空间数据标准、AI模型训练规范与安全评估体系，导致不同主体的数据难以互通，AI模型的可信度与可解释性无法得到有效验证。例如，不同企业的工业数据格式不统一，接入可信数据空间后需额外进行格式转换，增加了AI应用成本。 3. 信任与权责界定难题。尽管可信数据空间保障了数据流通的技术可信，但数据泄露、模型偏见等问题发生时，数据提供方、使用方、技术服务方的权责难以界定。同时，公众对AI模型使用个人数据的信任度不足，影响数据共享意愿。 （二）解决对策 1. 技术创新突破性能瓶颈。研发高效隐私计算算法（如轻量级联邦学习框架），降低AI模型训练的性能损耗；构建跨平台适配的可信数据空间技术标准，实现不同架构下数据与模型的兼容互通。例如，华为、阿里等企业已推出轻量化联邦学习工具，将模型训练时间缩短50%以上。 2. 完善标准与监管体系。由政府牵头、企业与科研机构参与，制定可信数据空间的数据分类分级标准、AI模型训练数据质量规范与安全评估指标；建立AI模型可解释性评估机制，提升模型透明度与可信度。例如，欧盟在《人工智能法案》中明确要求高风险AI模型需具备可解释性，并对训练数据的合规性进行审核。 3. 构建多元协同治理生态。建立数据权责划分机制，通过智能合约明确各主体的权利与义务；加强公众宣传与教育，提升对AI与可信数据空间融合应用的认知度；推动行业协会制定自律规范，引导企业合规开展数据共享与AI应用。 五、结语 AI与可信数据空间的融合，本质上是“智能能力”与“数据信任”的协同进化。可信数据空间解决了AI发展的数据瓶颈，为AI的规模化、合规化应用提供了基础；AI则提升了可信数据空间的治理效率与价值释放能力，推动数据要素从“静态存储”向“动态流通”转变。未来，随着技术的不断创新与生态的逐步完善，二者的融合将在更多领域落地生根，成为数字经济高质量发展的核心驱动力。在此过程中，需兼顾技术突破、标准建设与治理创新，构建“技术可信、合规可控、价值共享”的融合发展生态。 《AI可信数据空间白皮书》 随着人工智能技术指数级增长，生产型 AI 场景爆发式应用，大模型对高质量数据的“饥 渴需求”进一步放大了可信数据空间的价值。本白皮书结合新技术的理解与创新实践的探索，梳理可信数据空间与AI协同发展的技术路径、制度框架与实践蓝图，提出 AI可信数据空间的顶层设计与创新架构，希望借此推动产业共识，联合各界探索数据要素市 场化改革的灯塔，共同开启“数据可信即 AI 未来”的新纪元。 关注公众号回复【可信数据空间】即可下载《可信数据空间实操指南文件合集》 实操指南下载 （点击图片查看详细文件） 由中至远大讲堂陈阳老师根据公开信息搜集、整理、汇总了共计 200 部实操指南+白皮书+政策汇编（内容包含数据要素、数据资产入表、可信数据空间、高质量数据集、RWA、数据团体标准、公共数据授权运营、政务数据、数据合规确权、数据资产评估、数据资产化…等相关内容）一并免费提供给大家进行学习、参考和交流，希望能够在后续的工作中可以帮助到大家。（持续更新、敬请关注） 获取方式 1、扫描下方"二维码"，在线领取电子版实操文件包。 2、关注公众号“数据资产管理大讲堂”回复【数据资产】即可在线下载数据资产入表实操文件包！ 入表白皮书 ①天津发布的《企业数据资产入表操作指引》 ②杭州发布的《企业数据资源入表实践白皮书》 ③厦门发布的《数据资源会计处理流程研究报告》 ④广东发布的《数据资产化实践指南》 ⑤华东联合发布《数据要素资产化白皮书》 公共数据授权运营 ①中国信通院发布的《公共数据授权运营发展洞察》 ②赛迪顾问、中国电子云联合发布的《公共数据授权运营创新指南》 ③华为携手中国信通院共同发布的《基于公共数据授权运营的数据流通建设白皮书》 ④中国通信协会发布的《公共数据授权运营案例集(2023年)》 ⑤石元数科发布的《公共数据授权运营支持系统建设手册》 数据合规 ①北京律协发布的《律师办理数据资源入表法律业务操作指引（2024）》 ②中经社联合发布的《企业数据资产入表合规指引》 ③厦门律协发布的《数据资产合规报告指引》 ④湖北数据集团联合发布的《医疗数据合规白皮书》 ⑤中至远咨询整理的《数据合规尽职调查清单》 政策汇编 ①马清泉律师团队发布的《国家层面数据资产政策汇编（2024年1月-2025年1月）》 ②泰和泰律所联合发布的《数据资产中国政策法规汇编（2025）》 ③枣树找数网联合发布的《中央及地方首席数据官政策法规汇编》 资产评估 ①广数所联合发布的《数据资产评估研究报告》 ②海南省数据产品超市发布的《数据资产评估场景化案例手册》 ③中国质量认证中心发布的《数据资产质量评估实施规则》 ④海南人工智能学员发布的《数据资产 数据评估定价办法》 ⑤中国国际科促会发布的《数据资产价值评估指南》 行业标准 ①中国电子技术标准化研究院联合发布的《数据安全技术 数据分类分级规则》、《金融数据安全 数据安全分级指南》 ②中国计算机行业协会发起《数据分类分级产品技术要求》 ③国家标准化管理委员会发布的《信息技术大数据数据治理实施指南》 ④浙江省发布数据资产新标准《数据资产 财务登记业务指南》 ⑤中国电子商会发布的《可入表数据资源信贷融资基础要求》 可信数据空间 ①可信数据空间发展联盟联合发布的《可信数据空间科普问答》 ②可信数据空间发展联盟联合发布的《可信数据空间建设及应用参考指南》 ③国家信息中心联合发布的《数据空间关键技术研究报告》 ④文康律师事务所发布的《可信数据空间建设与法律合规指南》 ⑤零数科技发布的《零数可信数据空间白皮书》 注：上述文件为公开文件，仅供大家进行学习交流 转载说明：本号转载的文章来源于公开渠道或经授权许可，仅为分享观点、资讯之目的，不代表[数据资产管理大讲堂]观点。文中使用的图片来源于网络。文章、图片版权均归原作者所有，若有侵权敬请联系删除。 企业资质： 视频干货