登录罗氏制药陈舒展：要智能、也要温度，用AI重新定义临床科研| WISE2025商业之王大会
11月27-28日，被誉为“年度科技与商业风向标”的36氪WISE2025商业之王大会，在北京798艺术区传导空间落地。
今年的WISE不再是一场传统意义上的行业峰会，而是一次以“科技爽文短剧”为载体的沉浸式体验。从AI重塑硬件边界，到具身智能叩响真实世界的大门；从出海浪潮中的品牌全球化，到传统行业装上“赛博义肢”——我们还原的不仅是趋势，更是在捕捉在无数次商业实践中磨炼出的真知。
我们将在接下来的内容中，逐帧拆解这些“爽剧”背后的真实逻辑，一起看尽2025年商业的“风景这边独好”。
11月28日下午，罗氏制药中国医学部AI医疗产品开发团队负责人陈舒展发表题为《当医学遇到AI小罗智多星：临床医生的“贾维斯”》的分享，详细解读了小罗智多星为临床科研带来的便利，值得一提的是，罗氏制药中国也荣获了本届大会“年度AI应用场景突破企业”。
图源36氪
以下为陈舒展的演讲实录，经36氪整理编辑：
各位好！我是来自罗氏制药中国医学部的陈舒展。
开始今天的话题之前，先给大家分享一个趣事，和演讲标题有关。接到这个演讲任务后，我打开工作台思考该怎么写，这时我的一个同事远远走过来，他眼神不太好，看了一眼我的标题后问：“老陈，你要去时尚芭莎吗？”我说：“什么时尚芭莎？”他说：“你这个标题，‘当医学遇到爱，小罗智多星临床医生的‘真维斯’。”
我：“说什么‘真维斯’，我这是‘贾维斯’。”“贾维斯”是电影《钢铁侠》里，“钢铁侠”托尼·史塔克的AI智能助理。大家看到这个标题应该就明白了，我们要做的，就是给临床医生打造一款科研路上的AI科研伴侣。
今天，我将从四个维度来剖析我们设计这款产品时的思考：第一，科研之路，这部分主要围绕临床科研中的痛点展开；第二，“小罗智多星”的亮点功能；第三，AI在一些垂域场景、严肃科学创作中解决的问题；最后，我会分享一下我们现阶段做产品开发的分析和展望。
图源36氪
首先，关于科研。很多人对科研的想象来源于电视剧或者小说中的描述，比如操作看起来很高端的机械设备，或者一个电脑屏幕播放着很酷炫的内容。但真正的临床科研其实非常非常枯燥、无聊，并且需要耐心的，每天坐在电脑屏幕前面，跟大量数据和信息打交道。
整个流程大概分为四个环节：首先要确定科研选题；紧接着要立项，撰写方案和基金申请；第三个环节是做数据管理和分析；最后是文章撰写和发表。如果运气好，我可以在6个月内完成初稿投递，如果运气不太好，可能要一年到两年。这个过程中，如果我的选题被别人抢先发布，我就要回到起点。如果我的方案有问题、退回重审，我又要重新撰写方案。如果研究的过程中发现数据偏移或数据缺失，我要想办法去解决数据的问题。
这是个无数次循环、再循环的过程，总结一句话就是，“时间就是金钱”！
那么，怎样才能帮助大家节约更多时间呢？在这里给大家介绍一下“小罗智多星”，一款基于LLM模型开发的垂域解决方案。
我们的工作场景分为智搜、智读、智答、智写四个比较主要的场景，分别对应科研工作的主要日常工作，包括专业信息数据库检索，精读文献，精准科学问答（因为科研工作需要零幻觉的专业性解释），以及方案和文献撰写。通过覆盖这四个场景，能够相较于传统科研模式，帮助用户节约至少80%的时间。
我们是如何做到这些事的？这里给大家介绍我们的第一个亮点功能，“智能选题”。过去，我们要通过阅读大量文献、做大量研究和对比才能找到一个有科研价值的题目。但在这个功能下，我只需要输入关键词，它就会根据关键词在现有的文献库里做检索和对比、分析，进而为我提供一些有价值的选题，同时，这个选题会非常符合循证医学在构建临床研究问题时的PICO原则（注：即患者群体Population、干预措施Intervention、对照措施Comparison、结局指标Outcome）。
图源36氪
有了一些有价值的选题后，第二个亮点功能就是“模拟评审”。模拟评审环节中，我们高度模拟了不同顶刊、不同审稿风格的审稿人可能给出的意见。我们通过强化学习加监督微调，针对一些国际学术顶刊的的评审逻辑进行了大量的训练，目前在一些回顾性评测集上和真实审稿人的意见高度吻合。可以想像，假设一个投稿人投出一份Paper后，如果能有这样一个“模拟评审人”提早帮他规避很多低级错误，就可以节约大量时间。
类似这样的亮点功能还有很多，比如文献解读，它和基座大模型的区别在于，我们做了大量提示词修饰和优化，可以快速基于我们设计的科学问题集给出专业回答；再比如研究设计，帮助研究者一键生成研究方案的结构性初稿；论文写作，这个是目前很多合作专家需要的重要功能之一。
还有一个功能是“智文妙画”，这个功能是一个快速生成科学推文和科学幻灯片的功能，跟我们在市面上看到的很多生成式幻灯片产品不太一样，它是一个严肃科学创作场景。在垂直领域的场景内，我们需要的是一个可控、没有错误，而且从头到尾遵循严谨思维的内容创作，而智文妙画就是这样一个为医生专门定制的严肃内容传媒创作的功能。它现在得到了我们内部的医学传播和外部合作专家非常高的好评。
刚才讲了很多功能，现在要回到场景里。在场景中，我们的产品做了哪些重要贡献？
我们回到场景一，这是一个非常普遍和真实的例子，我们经常要做很多产品调研、市场调研。以前，我们会有一个专门团队，甚至是跟咨询公司合作，大家有分工，做一些问题总结、问题定向、数据源查找，然后分头去搜索相关的数据，进行结构化整理、汇总、分析，最后形成报告。
这样的方式短则需要数周，长则需要几个月，但互联网、大模型的助力极大缩短了这个过程。基于刚才我讲的这套流程，大家可以看到在这个场景下，我们通过一个简单的问答，就能生成一个具备实时效应和权威数据库、数据源分析的简单报告。这个分析报告我们生成过很多次，它的准确度、溯源程度和它的分析结论，跟咨询公司做的报告结果非常接近,而且我们惊喜地发现，随着一些基座大模型能力的提升，它提供的一些insight挖掘能力，也越来越好。
第二个是我刚刚介绍过的选题功能，为什么要把它单独拉出来讲？因为万事开头难，很多时候选错了开头，后面就要花很多时间为选择错误买单。
因此，如果有这样一个功能，让你一开始选对一个题、押对一个赛道，你就成功了一半。这个功能结合到我们前面讲的一系列过程中，它为所有科研工作开了一个非常好的头，也是我们最畅销的功能之一。
第三，一键撰写研究方案。这是一件非常复杂的事情，它属于结构化撰写，而且其中涉及到大量科学性的设计，比如你要设计一个怎样的队列？单臂、双臂？做一个怎样的研究？配合这样的研究命题，你的终点怎么设计？你要估算样本量来满足这个目标。这是一个复杂的过程。
基于我们的一键生成研究设计的功能，你只需要去输入一些基本参数和选题，就可以快速生成一个研究方案。而且这个研究方案是可溯源的，所有样本量的估算都做了一些定制化的公式，有了非常严谨的全流程闭环。这也是我们产品的一个比较受欢迎和追捧的功能。
前面的功能和场景都介绍完了，最后我想聊聊别的。今天，很多嘉宾讲了关于AI技术、趋势性的思考，我也讲一讲我们作为B端跨国药企的一些感悟。
我们这个产品的Slogan是“AI智慧联，轻松做科研”，重点就是“轻松”这两个字。为什么要做AI？当然是为了更好地“偷懒”，用更“偷懒”的方式做出更高质量的东西，这就是做AI的本质。
所以，我们希望能打造一个全链路的AI科研助手，从一开始的想点子、画方案、做分析、筑发表，形成一个科研全链路的闭环，彻底改变原始做科研的方式，让临床科研变得不再枯燥，变得轻松有趣。
图源36氪
我们试行了大概半年左右，已经有了超过4600名的用户。这里需要强调一下，我们做的不是一个To C产品，没有互联端账户申请，所有用户是我们一线同事一点一点向中国的头部医院、顶级科室里的临床医生推荐而得来的。这个数字代表了在中国的医学行业里，我们的产品得到头部医院关注的程度。半年能积累到这样的用户数量，其实是非常快的，超过我们以往推广的任何一款数字化产品。
同时可以看到，我们用户的使用频次是非常高的。相较于传统方式，我们节约了大量时间成本和金钱成本。
最后讲一讲我们对未来的思考。大家都说要做智能体，我也同意，尤其是刚刚发布的Gemini3出来之后，我可以确定一件事：从明年开始，AI将进入到智能体爆发的元年，会有无数大大小小的智能体，虽然可能有真有假，让整个场景变得越来越简单、学习门槛越来越低。
我们也希望，我们的产品能从全面到专业，变成一个一站式、更加智能的服务。我们已经做了很多单场景的研究，现在我们想尝试把它更深度地串联在一起，让我们的专家客户登录以后，可以用简单的对话解决复杂的问题。
最后谈一谈怎么合作。其实我们做这件事情也有一些感悟。我们觉得AI技术一直在线性成长，AI产品也一直在线性成长。任何一款AI产品，半年后、一年后再看都会变得非常不一样。AI在成长，用户也在成长，所以没有一款产品能明确地说自己“已经足够成熟、无可替代”，没有这样的产品。
所以，我们提倡一种医工交叉、共同研发的模式。我们和商汤医疗这样大体量的科技公司合作过，也和若生科技这样的初创型小公司合作过。我们认为在研发过程中，技术固然重要，但场景更重要，因为只有场景才能真正解决人的问题。在场景之下，有灵感也很重要，人有灵感，才能带着灵感去驱动AI解决新的问题。
说到灵感，我今天的演讲本来应该这样就结束了，但是我写了一段散文，这是我的灵感，我想用它结束今天的分享：
当昼夜交替的时候，阳光会离开大地；当季节交替的时候，风会离开树梢；当潮汐交替的时候，海浪会离开沙滩。在这交替与流转中，“小罗智多星”将永远陪伴着你，它不仅仅是一个AI工具，更是科研旅程中智慧的搭档、忠诚的助手、温暖的伴侣。
所以，我同事讲得也没错，它既是“贾维斯”，但也是“真维斯”，就像一件有温度的毛衣，让你的科研路不孤单，也不寒冷。
我的分享就到这里，谢谢大家。
