CAR-T 上了突破性治疗名单,但有些老板的账还在 Excel 里对

CAR-T 上了突破性治疗名单,但有些老板的账还在 Excel 里对

今天聊个离咱们平时远点的，生物医药。

石家庄有家叫森朗生物的公司，做 CAR-T 的。上个月，他们那个靶向 CD7 的 SENL101，自体 T 细胞注射液，拿到了 CDE 突破性治疗品种认定。适应症：成人复发难治性 T 淋巴母细胞淋巴瘤/白血病。

我专门翻了下他们的进展。细胞制备中心的产线已经在跑 B 急淋的 CAR-T 了。今年 7 月，他们还跟美国一家公司签了战略合作，要推一款体内 CAR-T 候选药，计划入组大概 10 例重症肌无力、多发性硬化症患者，首例给药排在今年第四季度。

看完我最大的感受不是“医药又行了”，是这行业跟很多老板一样：钱不缺，方向不缺，缺的是谁替他们把流转单上的账算明白。

我的观点很直接：生物医药这行的 AI，最先该接手的不是实验室里的烧瓶，是临床和生产后面那一串人盯流程的活。 尤其是细胞治疗这种产品，每一例患者就是一张独立订单。从单采、制备、质控、放行到回输，全程是跟单逻辑，不是批量化逻辑。

这笔账你算一下就知道疼在哪。

CAR-T 是个体化产品，没法提前批量生产。患者采血，细胞送到制备中心，分离、激活、转导、扩增、灌装、质检、放行，再送回医院回输。一趟走下来，常规是十几到二十几天。中间几十个环节，光签字确认点、复核点就两位数起步。

问题在于，这些环节今天在大量企业里怎么跑？Excel 台账、微信群传话、纸质批记录、人工盯时间窗。一个节点卡了，靠人去催。一个温度记录偏离了，靠人去翻监控。一个批次放行，靠几方签字，少一个都得退回重走。

我之前说过一句话，放到医药行业照样成立：一个环节要几个人盯，这不是管理问题，是流程没被拆开。 你一天到晚喊“降本增效”，但制备中心的人在干嘛？对着电脑录数据，微信群报进度，一摞纸质记录要核对。这些人不是不会干活，是没人替他们把重复动作省掉。

政策这头也值得看。

今年 7 月，CDE 发了《细胞治疗药品范围和归类技术指导原则（2026 年版）》，统一细胞产品的界定和归类标准，还要把 CGT 药品纳入 30 天临床试验审评通道。紧跟着 8 月，新修订的《药物临床试验质量管理规范》发布，9 月 1 日就施行。里头强调最多的一个词，是“试验参与者”。

数字拉出来看，趋势很清楚：监管不是在松，是在往更规范、更可追溯的方向收。 30 天审评通道听着是快，但背后的隐含成本是，你交上去的每一页数据都得经得起倒查。临床数据、生产记录、冷链温度、放行依据，哪天少一个字段，审评就卡你一次。

这行最容易被忽视的翻车点就在这：大家盯着那个“30 天”，没人盯着自己内部的记录，能不能在监管来的时候三分钟交齐。

现在有个反方说法，我得认真驳一下。

有人说：“生物医药门槛太高，AI 进不去，或者说 AI 顶多在科研端帮忙跑跑文献、做做蛋白结构预测，临床生产这种合规要求严的地方，AI 插不上手。”

这话我不同意，而且我觉得它把“AI”这个词理解窄了。

不是只有大语言模型才叫 AI。一个能记住流程状态、在对的节点推下一步、把异常自动拎出来的智能体，就是 AI。恰恰是对合规要求严的地方，AI 比人靠谱，前提是你把它接在流程里，而不是让它自由发挥。

AWS 最近那份讲代理式人工智能数据基础的材料里有个提法，我觉得比大部分媒体文章实在。它把 AI 的内存分三类：短期工作内存、情景记忆、长期记忆。短期内存用来缓存工具结果、维持会话上下文；情景记忆用来存日志和会话状态；长期内存用来持久化多步骤任务进度。

这个架构翻译成 CAR-T 的语言就是：短期内存是“这一单现在跑到哪一步了”，情景记忆是“这 20 天里温度、日志、操作人都是谁”，长期内存是“这个批次的完整历史，随时能调出来审计”。

你让一个大模型去背这些，背不住，也不需要。但你把一个智能体接到流转单上，让它每天自动同步节点、自动盯时间窗、自动提醒谁该签字了、自动把异常筛出来推给人复核——这活 AI 今天就能干，而且比人工群发消息靠谱得多。

再往大了说一句。

摩根大通私人银行那份关于中国 AI 的分析里，有个判断我划线了：全行业的 AI 工作负载正在从训练密集型转向推理驱动。说人话就是，以前大家拼的是“我训练了一个多牛的模型”，以后拼的是“我每一秒钟能处理多少真实业务请求、而且处理得对不对”。

这跟今天聊的事正好咬合。医药企业不需要自己训一个基础模型，那笔账不划算，也没必要。它要的是把已经存在的模型能力，接到自己那套流转单、批记录、放行流程里，让推理在真实业务节点上跑起来。这里最容易踩坑的是什么？是只买了个会聊天的机器人丢给员工，没把它跟真实单据、真实审批流绑在一起。那样的 AI，试用三天就没人碰了。

再把观点往前推半步。

我以前说过好几次，AI 必须能掐出具体省下的人和分钟数。生物医药这行更特殊，它省下来的可能不止人和分钟，还有因为流程卡顿、记录不全、追溯不清而晚一天放行、晚一天回输的临床风险。

一个 CAR-T 患者从采血到回输，时间是刚性的。细胞离体之后每多一天，都是对活性、成本和患者等待的消耗。谁能在不牺牲合规的前提下把流程里的时间抠出来，谁就真的把 AI 用在了刀刃上。

所以我不看谁家实验室又出了个多神的模型。我看的是，哪家 CGT 企业能先做到一件事：一张流转单从生成到关闭，不需要人主动问进展，系统自己就知道停在谁手里、停了多久、为什么停。

对想做点事的创业者，尤其是个体创业者，我的建议就一句：别去碰基础模型，那是巨头的游戏。去看那些“单子一直在跑、人一直在催”的垂直流程。CGT 是一个，冷链物流、医械送检、临床监查也都是。把某一个流程拆到动作级，用智能体把“盯”这个人肉动作替掉。这事不用烧大钱，但真能收上钱。

我们舍予做 AI 智能体的思路也在这，定位是“老板的第一支 AI 战队”，不是“最会聊天的 AI”。第一件事从来不是接大模型，是把老板的业务流拆开，把人卡在哪个环节、哪个数字对不上，先讲清楚，再谈智能。

所以还是那句老话：别比谁的 AI 聪明，比谁的 AI 替你省了多少个盯着手机等回复的人。 这篇把医药行业当镜子照一照，其他行业的老板，该算的账其实一模一样。