提起默沙東,大家或許不會陌生,這家藥企巨頭有很多家喻戶曉的故事。比如,“現(xiàn)代疫苗之父”莫里斯·希勒曼從50年代末期就在這里工作,而乙肝、麻疹、腮腺炎、風疹、水痘、HPV九價疫苗等超過40種之多事關(guān)人類社會福祉的重要疫苗也研發(fā)于此。再比如,創(chuàng)始人喬治·默克的那句經(jīng)典名言更是在醫(yī)藥圈廣為流傳:
“我們應當永遠銘記,藥物是為人類而生產(chǎn),不是為追求利潤而制造的。”此番話影響行業(yè)深遠,至今仍是默沙東的圭臬。
不過鮮為人知的是,這家百年老店的歷史最早可追溯到17世紀中期。歷經(jīng)300多年沉浮的默沙東,為何被冠為藥企界的常青樹?
眾所周知,藥企的核心是做兩件事:第一,藥品研發(fā)的持續(xù)投入,研發(fā)出更多的、更符合臨床需求的創(chuàng)新藥品;第二,醫(yī)藥營銷的應用推廣,將所研發(fā)的創(chuàng)新藥普及到臨床,解決醫(yī)患藥三方信息不對稱問題,讓創(chuàng)新落地于患者治療,當然,藥企也由此得到回報。這兩部分數(shù)據(jù),在財報中,就分別體現(xiàn)為“研發(fā)費用”和“營銷費用”。
默沙東的這兩筆費用數(shù)據(jù)就很有意思。2022年,全球TOP10藥企的研發(fā)費用為1040億美元,其中默沙東以135.48億美元排名第三,同比增長11%,成為“最肯花錢搞研發(fā)的藥企之一”。同樣在2022年,默沙東以16.94%的銷售費用率,排名全球藥企銷售費用率最低——而銷售費用率意味著,賺錢要高、支出要低,從這種意義上說,默沙東或許可以評為“花錢最有效率,回報最好的藥企”,據(jù)說默沙東每賣出1塊錢的藥,營銷只需花1.6分。
古人說“變則通,通則久”。默沙東之所以能長期做到雙輪驅(qū)動,也是應用了變通的新辦法:順勢而為踐行“數(shù)字化”。
正如默沙東數(shù)據(jù)IT總監(jiān)崇劼人近期在“亞馬遜云科技醫(yī)療與生命科學行業(yè)峰會”上接受科技行者采訪時所說:
“數(shù)字化轉(zhuǎn)型是一個非常有效、持續(xù)去連接我們客戶的手段和方法。從2015年之后,默沙東就逐步將數(shù)字化營銷渠道向云端搬遷,借用了亞馬遜云科技非常多專業(yè)能力來豐富我們的平臺,無論是線上渠道的內(nèi)容管理、市場營銷的自動化、客戶掃碼綁定、用戶主數(shù)據(jù)認證等等方面,都構(gòu)建在云端服務的基礎(chǔ)上。”
實際上,近年來默沙東在內(nèi)部管理、藥物研究、臨床研究、患者服務、市場營銷等方面均在全面擁抱“數(shù)字化”。而數(shù)字化的第一步,則是上云。
圖為默沙東數(shù)據(jù)IT總監(jiān)崇劼人
重塑醫(yī)藥行業(yè)的「云」
《自然》雜志數(shù)據(jù)顯示,一款新藥物研發(fā)的時間超過10年,研發(fā)成本超過20億美金,而最終成功上市的成功率卻不足10%,所以有時候大家會笑稱,這是一個“121”挑戰(zhàn)。而在這一過程中,「技術(shù)」給醫(yī)藥行業(yè)帶去了寶貴財富,也成為了醫(yī)藥行業(yè)的最佳助手——以云計算等為代表的數(shù)字化技術(shù),正在重塑醫(yī)藥行業(yè)。
見證過無數(shù)藥企謀求數(shù)字化轉(zhuǎn)型歷程的亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務發(fā)展部總經(jīng)理顧凡直言,“在新藥研發(fā)領(lǐng)域,客戶的主要訴求是降低研發(fā)成本、加快研發(fā)速度。”而通過采用亞馬遜云科技的云上HPC、機器學習、量子計算等方式,是改善這一挑戰(zhàn)的重要途徑。
因此,從2013年起,亞馬遜云科技開始在全球成立醫(yī)療與生命科學團隊。迄今,已服務了全球超過4200個醫(yī)療與生命科學行業(yè)客戶,“全球前十大藥企中的九大都在使用亞馬遜云科技”,默沙東也是其中之一。
2015年是默沙東第一次嘗試啟動上云。崇劼人回憶道,“當時我們嘗試了一個非常輕量級的應用,最直觀的感受是:在成本方面,硬件采購轉(zhuǎn)變?yōu)樵瀑Y源訂閱,成本大幅下降;在效能方面,上云也改善了傳統(tǒng)的上線失敗需要執(zhí)行代碼回滾的方式,可以通過快照瞬間恢復,提升了效率。”
嘗到甜頭之后,默沙東逐漸把越來越多的其他應用遷移上云,更是在接下來的八年內(nèi),實現(xiàn)了每年一個里程碑。
2020年,在徐匯區(qū)政府提供的優(yōu)惠政策及亞馬遜云科技等合作伙伴的助推下,大家共創(chuàng)了“默沙東與亞馬遜云科技中國1.0環(huán)境”,對底層服務進行了重構(gòu),在安全、高可用、DevOps自動部署等底層模塊實現(xiàn)了抽象和共享服務,形成了比較完善成體系的企業(yè)架構(gòu)。
2021年,數(shù)字化營銷渠道(DMC)越來越多輕量級的應用得以運行在云端,形成了豐富的生態(tài)。
2022年,默沙東數(shù)據(jù)分析云平臺成長為一個非常復雜且涉及眾多系統(tǒng)的應用,基于亞馬遜云科技的全球基礎(chǔ)設(shè)施,默沙東數(shù)據(jù)分析云平臺實現(xiàn)了在新加坡的部署。
今年,“默沙東與亞馬遜云科技中國1.0版本”正在做進一步地迭代和升級,一旦這個工作完成,默沙東就會把整個DnA的應用都遷移到亞馬遜云科技的生態(tài)上,實現(xiàn)整個應用的全覆蓋。
「上云」也需要方法論
在這前后八年時間內(nèi),默沙東成功上云,實現(xiàn)了數(shù)字化轉(zhuǎn)型中的重要一步。崇劼人總結(jié),如果說默沙東為什么要上云,優(yōu)勢可總結(jié)為三點:成本、效能、可擴展性。
而當復盤整個上云過程時,崇劼人也敏銳地發(fā)現(xiàn)了企業(yè)上云普遍需要攻克的兩大挑戰(zhàn):
首先就是「企業(yè)架構(gòu)」的挑戰(zhàn),不同應用的架構(gòu)有差異化,底層服務也有重疊,所以傳統(tǒng)的軟件應用,無法實現(xiàn)跨產(chǎn)品的協(xié)同。其次是「企業(yè)生態(tài)」的挑戰(zhàn),不同的服務類型,對應的生態(tài)也不同,無法協(xié)同自有產(chǎn)品和外部服務。
針對于此,默沙東的解決辦法是:
第一:用一個個模塊,組成端到端的閉環(huán)。
默沙東首先通過面對面拜訪客戶的系統(tǒng)中得到數(shù)據(jù),或通過線上渠道系統(tǒng)收集用戶的行為數(shù)據(jù),然后通過數(shù)據(jù)中臺進行數(shù)據(jù)整合處理,再發(fā)布到數(shù)據(jù)倉庫、數(shù)據(jù)湖提供給下游,提供給AI、BI平臺,從而產(chǎn)生建議和洞見。最后,再通過數(shù)據(jù)中臺,將這些信息推送回面對面拜訪系統(tǒng)和線上渠道系統(tǒng),使之轉(zhuǎn)化為進一步行為的閉環(huán)。
其中,“產(chǎn)生建議和洞見”的這部分,是由亞馬遜云科技Amazon SageMaker、Stack Function等等組件構(gòu)造完成,被稱為FaaS,是功能即服務的一個模塊,可以幫助數(shù)據(jù)科學家高效地產(chǎn)生對于醫(yī)藥信息團隊的建議。
崇劼人以一個具體的場景舉例說道,如果用戶是一個非常忙的職業(yè),每天不太有時間回郵件,甚至吃飯時間也很緊張,如果能夠利用一些碎片化時間,用社交媒體的形式快速觸達到用戶,就是一個比較好的市場營銷方式,對用戶而言也是有價值的。
“比如我們開了一場會議,邀請了醫(yī)學專家來演講,通過我們的DCR、MDM系統(tǒng),去判斷這位專家是不是一個既存的、已經(jīng)被認證過的目標用戶。如果是,就會把目標用戶的主數(shù)據(jù)編碼與二維碼綁定,下一步就可以持續(xù)地用數(shù)字化響應的方法,方便用戶做會議簽到、在線會議等功能模塊(節(jié)省用戶的時間)。”
“有了目標主數(shù)據(jù),就可以針對用戶去做方方面面的交流互動。比如在會議上,用戶可能會發(fā)表某一方面的思考或者探索,提到一些關(guān)鍵詞,我們會通過AI引擎識別出對方可能對這個領(lǐng)域感興趣,同時我們沒有給用戶發(fā)送過相關(guān)的內(nèi)容推文,AI引擎就會給在場同事發(fā)送建議,把相關(guān)內(nèi)容推送給這個嘉賓,來加深對方對產(chǎn)品的認知,或許會對用戶有幫助,以此提高用戶觸達率和反饋率。再比如,通過CRM系統(tǒng)可以針對用戶的需求有更好的理解,然后設(shè)定目標用戶拜訪計劃等。”
“除此之外,會議過程中可能涉及到講者合同、差旅服務等等,這就需要我們自身平臺跟外部服務之間的集成,比如我們跟外部的差旅公司之間會有API的數(shù)據(jù)接口,來實現(xiàn)無紙化、非人工化的在線數(shù)據(jù)對接,在會后,發(fā)票收款等也是從我們的會議系統(tǒng)同步到財務SAP系統(tǒng)。”
這整個過程,并不是單一的系統(tǒng)或者應用能夠?qū)崿F(xiàn)的,而是一個端到端的閉環(huán),默沙東將它定義為NBX,是通過數(shù)字化營銷渠道來完成整個生態(tài)的構(gòu)建。
第二:綜合像“樂高”一樣的中間件,構(gòu)造高效、協(xié)同、可復用的平臺技術(shù)框架。
顧凡在這場行業(yè)峰會上表示,亞馬遜云科技提供的解決方案,覆蓋了生物醫(yī)藥全流程價值鏈,可以幫助客戶快速高效地進行各種藥品和醫(yī)療設(shè)備的研發(fā)、試驗、制造、商業(yè)化以及后續(xù)的使用監(jiān)控,同時滿足嚴格的合規(guī)要求。
在這一過程中,亞馬遜云科技將客戶分為構(gòu)建者(Builder)和采購者(Buyer)。「采購者」是集中在業(yè)務層面,希望亞馬遜云科技和合作伙伴能夠把零件組裝好,直接使用開箱即用的方案解決問題。而「構(gòu)建者」就是給客戶積木的零件,客戶可以可以通過非常強大的技術(shù)能力,能快速把它組裝起來,構(gòu)建自己的解決方案。而默沙東,就比較接近構(gòu)建者的角色。
在默沙東等構(gòu)建者類型企業(yè)平臺的搭建過程中,可能涉及到標準產(chǎn)品、外部服務和定制化產(chǎn)品這三種服務類型。在這種混合模式下,默沙東需要更模塊化、更彈性的「中間件」,來實現(xiàn)不同類型產(chǎn)品之間的協(xié)作。
不過,亞馬遜云科技并非簡單的提供零件。在整個構(gòu)建過程中,亞馬遜云科技提供了非常重要的中間件,可以讓技術(shù)的零件,能夠像“樂高”積木一樣,幫助默沙東等客戶自身平臺與外部服務建立連接,拼接在任何需要的地方。
以默沙東的數(shù)據(jù)平臺為例,其中有基于IaaS的應用,有基于PaaS的Amazon RedShift的數(shù)據(jù)倉庫,有對數(shù)據(jù)鏈接管理的源生服務例如secret manager,還有Function as a service實現(xiàn)可以復用的標準化、模塊化功能,便于和行業(yè)頭部的標準產(chǎn)品實現(xiàn)對接,也有基于Amazon SageMaker和Amazon S3等等模塊組合起來的AI引擎提供的數(shù)據(jù)科學家平臺。通過綜合這些積木塊,默沙東可以構(gòu)造出一個高效、協(xié)同、可復用的平臺技術(shù)框架,最終實現(xiàn)數(shù)據(jù)服務的產(chǎn)品化,打造無縫的用戶體驗。
實際上,亞馬遜云科技在「構(gòu)建者」這一側(cè),除了提供像Amazon EC2、Amazon S3、數(shù)據(jù)庫、分析服務等標準配置之外,還針對醫(yī)療與生命科學行業(yè)會有很多專門構(gòu)建的服務,像Amazon Comprehend Medical, Amazon Health Lake 及 Amazon Omics 等服務。
而對于上云方法的選擇,崇劼人認為應該秉承“因地制宜”的精神。采用直接遷移或簡化后遷移都可以,企業(yè)需要根據(jù)自身情況進行分析和評估。他舉例說道,“前年我們有一個項目,它的數(shù)據(jù)資產(chǎn)有1000多個數(shù)據(jù)服務和報表,通過與業(yè)務部門以及亞馬遜云科技的協(xié)同,實現(xiàn)了77%的簡化,剩下23%的內(nèi)容通過標準化實現(xiàn)。希望在未來,我們能夠助力用戶去實現(xiàn)能力的突破,把偏向技術(shù)的能力賦能給業(yè)務用戶,提升企業(yè)生產(chǎn)效率。”
誠然,我們從“默沙東加速上云”的故事不難看出,當談到數(shù)字化轉(zhuǎn)型時,數(shù)字化并非終極答案,其實轉(zhuǎn)型才是。反言之,如果沒有數(shù)字化的底座,轉(zhuǎn)型也將是無米之炊。
最后,至于企業(yè)何時上云,有一句流傳很廣的話可以作為答案:“種一棵樹最好的時間是10年前,其次是現(xiàn)在”。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會友,左手硬核科技,右手浪漫主義。