2021 年，Paradigm Health 和 PRIME Life Science（璞睿创智）同年出生。

前者做社区诊所的临床试验网络，覆盖美国 45 个州、超 100 家社区小型诊所，积累了数十万份病历数据。后者在中国做三甲医院的 AI 临床基建生态，覆盖中国 15 省、25 个大型城市、80+ 超级三甲医院，手握超 1 亿份患者标准化电子病历。

2026 年，Paradigm 估值约 25 亿美元。

璞睿创智创始人王铮算了笔账："Paradigm 只做 E2E 网络的小规模诊所场景、自然语言文本和结构化病例治理。而我们做了三件事——顶级三甲医院临床网络 / 过亿级 EHR 底层数据、自研全栈式临床开发自动化系统集成、全链条 Agentic Cluster 协同编排与应用平台——但市场给我们的定价，不到它的二十分之一。"

这不是璞睿一家的困境。王铮回忆，2021 年，AI 临床（AICT）赛道曾有十几家公司。在 "GCP 太复杂、监管要求太严格、进院太难 " 的三重叹息之后，赛道被快速清洗，先行者们陆续退场。璞睿留了下来，是因为 "临床试验是一个太落后的生态，AI 必将替代人工 "。

留下来的代价是孤独。在美国市场，Epic（300 亿美元）、OpenEvidence（120 亿美元）、Paradigm（25 亿美元）、Tempus AI（110 亿美元）4 家公司用 500 亿美元的估值，验证了 AI 赋能临床数据价值链的四个环节：EHR 数据入口、AI 专家能力、E2E 临床网络、数据智能应用。而在全球范围内，很难找到第二家像璞睿这样，打通了所有关键环节的生态型企业。

2021 年，璞睿起步于工业级临床开发业务集成平台和经典 AI 模型；2023 年，他力排众议，几乎推倒重来，全面转向生成式 AI 与 AI Agent；2025 年，璞睿启动收购传统 SMO，相关订单与收入增长 6~7 倍。我问王铮，究竟是他什么支撑一次次下定决心？

王铮说，" 我们在做一件正确而难的事情，正确不一定代表会成功，难也不代表我们做不起来。AI 临床不是模式创新，是一整套 AI+ 行业 Know-How+ 监管 Know-How 积累起来的复杂产业生态体系。敢做这件事情的人非常少，但总得有人证明它是可行的。"

话毕，王铮沉默了 1 分钟。他会想起哪些瞬间呢？从稳定的一线心外科医生离开，只身出国攻读商学院，转型做咨询合伙人，后又进入全球 CRO 标杆企业艾昆纬，爬到了打工人天花板——亚太区首席战略官，而后毅然辞职创业。

然后他说，不要犹豫。

这是一个关于证明的访谈，以下。

01、AI 制药爆发后，临床 " 堰塞湖 " 随之而来

动脉网：璞睿如何锚定自己生态位、对标海外公司？

王铮：璞睿不是 AI CRO，是AI For Clinical Trial（AICT）。以结果为导向，我们通过 "AI 原生交付 + 人工辅助 " 的模式，系统性替代临床研发链条中的传统人力环节。本质上，璞睿打通了 Epic、Tempus AI 与 Paradigm 三大生态位，以极高效率做集成式生态。

动脉网：2021 年做经典模型和工业流程自动化集成，2023 年直接切入生成式 AI，巨大转变背后你的心态如何？

王铮：我当时内心非常复杂，生成式 AI 的爆发，意味着此前两年在经典模型上的几千万投入积累的经验可能会被快速跃过，但另一方面又极度兴奋——以前经典模型做不到的，大模型能有突破天花板的可能。因此我们立刻决定转型，成为国内首批深度、重度应用 Clinical Agent 的科技企业。

真正的挑战在 2024 至 2025 年的资本寒冬。彼时，市场认为我们是 "CRO 升级版 "，99% 的投资者停留在 "AI 辅助人工 " 的旧叙事，没有接受 "AI Native- AI 替代人工 " 的新现实。随着 AI for Science 的普及，认知才逐步扭转。

深层机遇在于产业结构的错配：2026 年上半年，中国新药发现在全球的贡献率达到 44%，超越美国的 27%。但注意，是 " 发现 "，不是 " 上市 "。我们要完成从发现大国到上市强国的跨越，AI 临床是不可缺失的基础设施。

AIDD（AI 制药）的火热催生了大量 First-in-Class 候选药物的井喷，但传统临床试验开发验证的吞吐能力严重不足，成为最耗时耗钱的环节，形成 AI 制药 " 堰塞湖 " ——上游创新资产不断涌入，下游转化验证和应用能力严重不足，水位越积越高，阻碍 AI+ 新药研发的全球进展。

尤其，AIDD 仅占药物研发市场预算的 20%，而 AICT（AI for Clinical Trial, AI 药物临床开发）占比高达 60% — 80%，对应着 8000 亿美元的全球市场。AI 临床的核心使命，正是通过临床执行速度、质量和效率的指数级提升，打通堰塞湖。

02、中国 AI 临床从何处切入？

动脉网：从药企的视角来看，AI 临床目前最大的价值点在哪里？

王铮：速度和质量，是临床研发最核心的成本变量。璞睿通过 AI 原生交付，患者招募周期可以从 6~18 个月骤减到 6 个月，CRC 数据录入、CRA 数据质疑与 DM 数据管理复核人工降低 80%，通过实时临床数据管理与分析，数据锁库可以从传统 6~12 个月（甚至更长）骤减到 2~3 个月。

在 AI 驱动并主导的交付模式下，璞睿将人工成本削减 80%（5 倍成本提效），周期压缩 50%（2 倍速度提效），叠加后在同样时间成本和资金成本下可实现 10 倍级的研发效能升级。这意味着，在相同投入下，药企可完成十倍规模的临床验证，真正实现 " 提质增效 "。

对患者而言，药品早上市一个月，生存率便多一分；对企业而言，专利窗口期得以延长，商业回报显著放大。在 1~3 期临床试验动辄 6～10 年的长周期背景下，我们提出缩短临床开发周期 50% 的目标显得如此颠覆而诱人。遵循"Fast fail, fast win"的逻辑，小步快跑（成本低）、快速验证（知成败）、高速迭代（高通量），才是 AI 制药时代临床开发的最优解。

更重要的是重塑行业数据信用。

早年有药企问我们，有没有后台？能不能改数据？但AI 系统不一样——是冷冰冰的，没有后门。算法没有温度，却能提供无可挑剔的客观性。这种情况下，我们能极大提升数据质量的公信力，真正摆脱中国行业近 10 年 "722" 梦魇的历史标签。

" 良币驱逐劣币 " 的逻辑下，质量提升、规范提升是必然结果——当大多数药企能够交付更快的临床结果，更好的分子和新药会在竞争中占据优势；10 倍效率逻辑下，造假变得没有必要，有这点时间，药企可以按照正常流程做完另一款新药的临床了。

到今天，中国新药出海或跨国企业新药临床进入中国，仍首选国际 CRO，即使收费高出本土 CRO2~3 倍。因为在世俗眼光中，当数据受到挑战时，国际 CRO 的数据经得起全球监管机构的严苛审视——这就是强数据基建带来的信任溢价。

璞睿走的也是这条路：用 AI 把临床数据做到 " 全球市场挑不出刺 "，让跨国药企进中国时，不得不选璞睿。

动脉网：80 余家三甲医院入院、上亿份电子病历原始数据，璞睿是怎样做到的？

王铮：E2E+ 临床试验具有高壁垒特性——业务系统与医院 GCP 深度融合，经受严格的风险评估和合规审查，性能指标在前期 300 多个各类验证项目中反复核实，一旦应用起来 GCP、CRO、SMO 形成标准流程，可替换性低、迁移成本高。在当前现实环境下，具备全院级数据对接资质的企业凤毛麟角；随着数据价值被重视，即便是院内本地化部署，院方对历史数据的开放也持极度审慎态度。

医院为什么愿意开放给璞睿？有三个核心原因：

第一，全球监管法规与合规标准背书。璞睿系统通过国家数据安全三级等保、ISO 9001、ISO 20007；隐私保护符合中国《个人信息保护法》、美国 HIPAA、欧洲 GDPR；数据一致性和溯源性符合 ICH-GCP、CRF 规范、21 CFR Part 11、GAMP 5；伦理层面严格遵守 ICH-GCP 全部规范。所有标准能够说服医院：璞睿的全链路系统是安全的、可靠的、不会被滥用的。

第二，刚性场景支撑。我们享受了行业 " 隐形红利 " ——临床研发的患者筛选，底层依赖的就是全院级患者数据。临床试验的患者来源本质上是全部在院患者，医院也完全理解这一诉求的合理性。

第三，硬核技术壁垒。璞睿拥有临床试验级别的数据治理能力，包括 AIAgent 驱动的自动化治理引擎。过去三年，我们已成功打通 12 个核心业务模块，实现了对传统 CRO 零散手工流程的标准化重构与系统级集成。

动脉网：最开始，璞睿是先从药企做突破口，还是先从医院做突破口？

王铮：很不幸的是，最开始我们两边都得做突破。璞睿 AI 技术迭代一定程度上依托于院端数据智联；同时，如果没有客户，与院端做了对接，医院也会质疑项目在哪。所以早期两个方向是双轨并行。

但坦率而言，近两年我们愈发清晰地认识到：医院平台的对接是基建，必须前置布局，才能为 AI 模型的先验沉淀提供源头活水。

动脉网：院端 E2E 系统会做定制化吗？

王铮：不会。璞睿前期已对全国所有主流医院的各类信息化厂商、多模态数据做了详尽调研。对接一家医院以后，无论其原始系统和数据类型，我们都可直接接入璞睿通用数据模型，用统一、标准化方案来管理 " 千人千面 " 的数据。

03、临床医生，也是 AI 算法科学家

动脉网：作为临床出身的创始人，您如何设计适应 AI 的跨界团队架构？

王铮：公司创立初期，璞睿组织架构的流动率曾一度达到 60%～80%。面对很多投资人对我提出的挑战，我会用相反的逻辑回答：适者生存。能留在璞睿的人，必须既懂临床、懂医学、懂研发，又懂 AI、懂模型、懂 Agent 应用。

很多投资人问：泰格今天投 5 个亿，阿里投 20 个亿，能不能做出璞睿？问题本身就体现出对于跨界技术难度的极大低估。

AI 以结果交付为目的。AI 交付型组织架构的核心竞争力，不仅仅在于 AI 工具本身，更在于这支团队能够交付 AI、理解 AI，并且组织架构会随 AI 进化。

人最核心的功能不再是使用 AI 工具，而是服务 AI 工具——帮助 AI 完成合规的规定动作，在 AI 有缺陷的地方补完合规性。如果还妄想 " 人来使用 AI"，那 AI 永远无法交付绝大多数工作，成本替换也永远达不到。

动脉网：从人才和执行角度，这套方法论如何思考和落地？

王铮：挑选人才的时候，我们有时是不拘一格的。比如医学 AI 算法领域的技术 leader，是刚工作两年的内科医生转行来的，在过去两年全面拥抱 AI 技术，自己摸索医学智能体开发与算法训练方法。这种人在行业里找不到，都是我们自己培养的。

为什么用医生做技术 leader？根源在于Prompt Engineering 与 Skill 构建的本质，是医生是怎么思考的。

以药物不良反应判定为例，AI 必须模拟医生的决策路径——首先要看患者入组前的基线状态，其次看用药后不良反应是否变化、是否满足复杂的判断标准。AI 算法科学家把这些原本存于医生脑海中的隐性知识与复杂规则，提炼为 skills，模型就能随时调用结构化的思维链（CoT）来解决。

教育一个 AI 算法人员学完、积累整套临床医学经验，成本远高于培养一个聪明的医生学会用 AI 工具（尤其是 Agent）。

璞睿的算法团队、agent 应用团队、医学团队整天坐在一起，推出可沉淀、可规模化的 agent 应用。从 2023 年开始，我们已经积累了上万个智能体，形成了覆盖 6 大疾病领域、25 个亚专科的规范化专病知识体系。

04、杀死传统 SMO？收购 SMO，重构 SMO

动脉网：2025 年寒冬中，璞睿启动收购 SMO（现场管理组织），为什么要做传统行业并购？

王铮：早期业务发展时我们遇到一个难点：AICT 本应为传统行业大幅降本增效，但既得利益者不会让位。药企若想引入我们的系统，往往面临两难：要么耗费大量精力去说服传统供应商让渡利益，这几乎是不可能的；要么维持原有人力成本不变，叠加 AI 采购支出——这违背了降本增效的初衷。

因此，收购是打破僵局的唯一路径。通过并购，我们将数据工艺与 QC 流程内化，建立全套的上下游衔接。药企无需大费周章说服传统供应商，只需对接璞睿。我们直接承接、直接交付。这也是 2026 年订单与收入激增近 7 倍的关键原因。

动脉网：收购落地、自有产业链延长后，璞睿会对 SMO 做改造吗？

王铮：企业核心组织架构、人员团队、SOP 和质量管理体系设计，必须围绕 AI 数据智能与集成系统的开发、配置、运营、交付和维护，进行根本性调整。

璞睿设计并执行了一整套基于 AI 系统交付特征的 iSMO（智能现场管理组织），最大化 AI SMO 的提质、增效和加速：大数据智能体加持下的快速患者筛选与入组，前置化自动逻辑核查，以及远程医学监查 +AI 关键数据质控的双重防线；加强驻地 CRC 服务属性，剥离复杂的医学操作角色，回归基础协调功能，进而降低用工和培训成本。在当前系统下，我们 SMO 综合交付成本可以降低 60%。

动脉网：如何解决 AI 执行过程中存在的幻觉或准确率瑕疵？

王铮：临床试验场景的质量和规范性，核心就看两点：过程合规性和结果准确率。过程的规范性从一开始就是 Quality by Design，不存在灰色地带。

结果端的挑战，璞睿现阶段解决方式既复杂，也很简单有效：保留人工质控作为 " 安全垫 "。现阶段，我们仍配置约 20% 的专家成本做终审质控；局部数据已完全实现无人干预。随着数据规模与质量进一步提升，这一比例会压缩至 5% 甚至更低。

这里存在一个认知悖论：行业对人工因疲劳、疏忽产生的 10% 误差常视作 " 合理损耗 "，对 AI 出现的 5% 系统误差却极度敏感。这是典型的思维惯性，也是为什么传统模式要保留多层人工复核机制来对冲。

新生事物需要成长期，未充分发育的 AI 同样存在 " 劣币驱逐良币 " 的风险。并购的好处是：AI 系统是我们的，SMO 团队是我的。客户不用纠结是 AI 干了活还是人工干了活，最后交付的结果是好的、是规范的，客户就非常满意。

05、1/10 成本的价值兑现故事

动脉网：药企付给璞睿的钱，是不是原本就要付给 CRO、SMO 和医院的？

王铮：药企把项目整体或部分业务直接或间接（通过 CRO）外包给璞睿。璞睿直接面向药企收费，提供极具竞争性的本土企业市场化价格。同时，璞睿本质上提供的是 CXO 服务，不与医院的服务费形成任何替代或竞争关系；部分情况下，我们甚至还会负担一部分医院的数据管理成本。

我们改变了一些商业逻辑、分红模式、毛利率天花板（利润上涨幅度 10%~90%）。AI 临床的价值兑现不光是数字化管理或者智能化应用，而是把数据价值挖掘出来，在一个甚至多个具体的场景完成商业转化。

06、成为 Biotech" 投资者 "

动脉网：针对不同阶段的药企，AI 临床如何成为真正的伙伴？

王铮：合作国际头部 MNC、大药厂，一切讲合规、质量和提速。对于希望用最少的钱办最多事情的 Biotech，璞睿不再沿用 local CRO 低价低利甚至负利的竞争，转而推出创新商业模式—— " 青苗计划 "，提供 " 先垫付、后分成 " 的资本化运作模式：

一是，里程碑式溢价回报。免除部分或全部服务费用，快速推进管线临床。待临床价值兑现、企业估值跃升后，璞睿再按约定收取 2~4 倍溢价的里程碑费用。本质上这是一种 " 前置服务、后置投资回报 "。

二是，股权抵价。同样不收取费用，直接把临床服务费用转换为股权。璞睿在其中承担的风险是 Biotech 会失败、融不到钱，我可能 1 分钱都收不回，但赌的就是我看好你。

动脉网：这是一个风投或 BD 的生态故事吗？

王铮：既不是风投，也不是 BD，我们是生态合作伙伴——璞睿未来部分收入和利润增益，来自你的增益。我们试图将璞睿的技术价值，转化为制药企业未来的可成长性，最终构建一种与产业共进退、同呼吸的长期商业范式。

动脉网：这个资本故事首先要建立在 AI+ 临床生态整体跑通。

王铮：没错，不然凭什么别人会同意，与璞睿有这样的价值交换。

07、AI 临床也能做 NewCo 出海

动脉网：出海会有数据实时性和隐私性的合规问题吗？

王铮：不会，数据与服务器不可能跨境。

动脉网：未来怎么做出海？

王铮：两种出海的模式，现在已在洽谈合作。一种是NewCo 模式。针对欧美等监管闭环极强的市场，我们与当地商业伙伴成立合资公司，可以理解为一种 NewCo。璞睿提供技术和解决方案，只作为技术入股的 minority shareholder。另一模式是针对 " 一带一路 " 沿线、东盟等国家。这类新兴市场一般对中国企业态度更开放，璞睿会尝试成立在地化的子公司。

动脉网：过去 CRO 出海为什么不谈 NewCo？

王铮：传统 CRO 出海受国家监管影响很小，因为不涉及大量的电子病历系统数据，以及 AI 算法模型训练。

动脉网：基于中国数据的 AI 临床原生模型，出海要改变什么？

王铮：一定会改。从底层数据治理、模型、到算法，肯定都需要因地制宜并接受监管指导和支持。而工业化系统集成、架构逻辑由于系统的国际化标准将无需太多变化，基本保持不变。

08、AI 打破专业准入壁垒，Data 是下一代叙事

动脉网：CRO 逻辑是以药企为核心，AI 临床是否以医生 / 一线使用者为核心？

王铮：" 以客户为中心 " 的原点从未改变，但是 AI 打破了对人的依赖，也重构了价值传导路径——从 " 人的核心路径 " 变成 " 数据的核心路径 "。

底层基建变了——随着 AI Agent 提炼专家路径的 Know-How、总结流程与合规，专业性不再依附于个体医生，而是沉淀于系统之中。AI 平台用得越多，沉淀越深，直到最后璞睿 AI Agent 集成下的工业自动化系统逐步变成 " 超级专家 "。

璞睿 AI 临床会分两步走：现阶段，已完成从 "AI 辅助人工 " 到 "AI 交付为主、人工为辅 " 的质变；未来 2～3 年，将全面进阶为 AI 数据基建服务。届时，AI 将深度融合数据智能与业务智能，一切源于数据，一切归于数据。

未来不是简单的 AI as a Service，而是DaaS+ PaaS（Data & Platform as a service）。我们致力于打造开放的行业基座，随时欢迎各类模型、研究与生态伙伴共建合作。

动脉网：璞睿未来想成为一个怎样的公司？

王铮：一家来自中国的全球临床研发 AI 基础设施级企业，全球最头部的 AI 药物临床研发生态合作伙伴公司。

璞睿已经启动了下一轮融资，近期会有比较快速的融资节奏。此次融资，有一定比例的资金，会被我们直接投入到传统行业并购、业务出海和 " 青苗计划 "。

临床开发就像种一片麦田。如果只是为了解决一时的饥饿，你可以割一把青苗炒盘菜；如果想赢得未来，你必须等待抽穗、灌浆，最终收获一捧饱满的种子。璞睿选择做那个与全新一代 Biotech 一起成长、耐心等待收获的人。