对话全国政协委员梁颖宇：中国创新药如何真正打入国际市场
（原标题：对话全国政协委员梁颖宇：中国创新药如何真正打入国际市场）
图片来源于网络，如有侵权，请联系删除
经济观察报 记者 张铃
图片来源于网络，如有侵权，请联系删除
“不出海，创新药企业难以维持长期的研发投入，创新体系面临断粮风险。”全国政协委员、汇珩资本主管合伙人梁颖宇说。
3月5日，梁颖宇告诉经济观察报，2026年全国两会，她主要关注两个议题，一是推动中国生物医药企业的高质量出海，二是推动AI在健康领域的应用。
梁颖宇深耕医药产业投资多年，有“中国最懂医疗健康的女性投资人”之誉，先后投资超过200家医疗健康企业，其中多家已成长为细分领域的龙头企业，如甘李药业（603087.SH）、再鼎医药（09688.HK）、康熙诺生物（688185.SH/06185.HK）、英矽智能（03696.HK）等。
以下是经济观察报与梁颖宇的对话：
创新药出海模式存在局限
经济观察报：你建议推动中国生物医药企业的高质量出海，为什么关注这个话题？
梁颖宇：近年来，中国生物医药企业出海步伐显著加快。中国不仅作为全球最大的原料药供应方，向全球供应30%的产能，而且已成为全球药物创新重要来源。目前，中国在研新药管线数量约占全球总量的30%，居全球第二。2025年，中国创新药对外授权交易总额已攀升至1356亿美元，占全球交易总额约50%，超越美国，成为全球创新药对外授权第一大市场。
然而，我们仍然要看到企业出海的另一面，比如中国创新药出海模式存在的局限、产业链外流风险、国际竞争带来的挑战。
企业为维系生存出海的背后，其实是国内市场利润空间收缩，创新药商业化回报不足。医保控费常态化，使创新药上市后的价格快速下探，难以覆盖高额研发投入。2025年，中国创新药板块营收虽保持高速增长，但利润率受到挤压。同时，热门赛道集中度高，同质化竞争严重，企业在国内难以形成稳定的现金流。不出海，创新药企业难以维持长期的研发投入，创新体系面临断粮风险。
第二个问题是，“卖青苗”导致的股市负面效应在加剧，核心资产与长期价值被提前转移。目前，创新药出海集中于对外授权交易，但它只是阶段性的价值助推器，如果过度依赖这个模式，会导致核心资产过早外流，长期商业化收益被让渡，企业全球化能力建设不足，难以形成自主的商业化体系。资本市场出现“卖青苗”焦虑，部分企业大额授权后反而估值下跌。如果我们继续依赖对外授权交易，中国创新药将很难在全球价值链中实现跃迁。
第三个问题是，企业人才和资本的外流风险上升，产业链完整性受到挑战。随着中国创新药在全球认可度的提升，国际资本与跨国药企加大对中国企业和人才的吸引力度，中国企业在海外建设研发中心、生产基地的趋势增强。高端研发人才被海外高薪与成熟的商业化体系吸引，而国际资本更偏好“海外资产+全球权益”的模式。如果国内创新生态回报不足，产业链关键环节可能外移，影响国家医药产业的成长。同时，国际地缘政治与科技竞争加剧，医药全球化面临结构性的压力。由此可见，医药出海已不仅仅是企业的行为，而是国家竞争中的一个重要组成部分。
经济观察报：针对推动中国生物医药企业的高质量出海，你的建议内容主要是什么？
梁颖宇：首先是要做强国内市场的价值，形成内外双循环的创新药生态圈，完善创新药支付体系，推动商业保险、慈善基金共同参与创新药可及性项目，让创新药在国内卖得动。建设真实世界数据平台，提升创新药在国内的价值认定，加快创新药在国内的审评审批速度，推动创新药在国内的临床使用与医生教育。只有通过做强国内市场的价值，才能真正留住人才与资本，形成国内做基础、海外做增量的双循环格局。
第二，在国家层面，需要构建医药全球化的战略安全体系。应该建立国家级的医药全球化战略协调机制，统筹海外注册、全球临床、知识产权保护、投资审查与地缘政治风险预警，积极参与全球公共卫生事务，加快加入药品检测合作计划，深化与世卫组织、国际人用药品注册技术协调会（ICH）、美国食品药品监督管理局（FDA）、欧洲药品管理局（EMA）等机构的沟通与合作，推动国际监管合作与标准的互认，加强产业链安全布局，支持国内建设高端原料药、关键中间体和药械的国际化质量体系，防止关键环节外移。
第三，在行业层面，需要构建具备全球竞争力的创新生态。应该建设国际化的临床试验与转化医学平台，推动医药研发生产外包服务（CXO）与供应链的组合去整体出海。建立行业级的地缘政治与合规风险数据库。
第四，在企业层面，需要从卖产品转向建能力。应该构建全球化的研发、注册、商业化能力体系，优化出海模式，从对外授权升级到共同开发与商业化，融合授权许可与股权交易的自主出海模式，加强全球专利布局与品牌建设。
经济观察报：这两年，越来越多的中国创新药公司会强调自己的目标是成长为跨国公司。对这些具备野心的中国药企来说，它们最需要强化哪方面的能力？
梁颖宇：我曾经和在美国做得比较成功的几家中国药企谈过这个话题。我认为，中国药企要真正打入国际市场，最需要的是全球化运营能力，这包括三个方面。
第一是全球临床开发和注册能力，不单要做多中心临床试验，更要理解FDA、EMA等机构的监管体系标准和沟通逻辑。现在，很多药企在和FDA、EMA谈判时，谈判经验和技巧还是比较缺乏的。
第二是国际商业化及市场准入能力，包括定价策略、医保谈判、销售网络和品牌建设。在国际市场，产品获批只是最基础的一步，对于后续的一系列复杂工作要怎么做，许多中国药企并不清楚。
第三是吸引全球化人才、建立具备国际视野的管理团队，这样才能在不同市场进行本地化运营。中国企业要到海外去，就要尊重海外的管理机制，才能吸引好的人才。
需要更多耐心资本
经济观察报：你认为当前阶段的中国生物医药行业更需要耐心资本还是专业资本？
梁颖宇：我喜欢对比较大的突破做投资，我的投资一直比较耐心。我很喜欢从零开始去慢慢培育创始人和团队，跟着他们一步步做到中国最好，再一步步出海。耐心资本非常重要，尤其对于处于早期且具有突破性的公司，我们一定要花时间去好好培养它们。
现在投融资比较困难，基金的融资也比较困难，大家的想法还是倾向短期。投资比较短期，会让整个行业的压力都较大,许多基金在五年后可能就会选择赎回，这给企业家带来很大的困难。我个人认为，针对这类情况的赎回机制还有待优化。
经济观察报：这几年，国内涌现出一些致力于原始创新药物的企业，你如何看待这些公司的潜力？
梁颖宇：我觉得要看这些企业研发的新药最终能不能批下来，批下来后能不能赚到钱，有没有利润。这些企业如果能上市，投资人也要看它能不能转亏为盈，如果不能，企业就需要继续去融资，那压力会非常大。所以，我会建议去赋能创新药企，让它们能得到利润。
这几年，仿制药利润变得很薄，很多公司转型去做best-in-class（同类最优），还有很多海归科学家带着经验回国，至于他们研发的新药能不能突破他们在欧美国家工作时的成绩、研发出比欧美公司更创新的药物，大家还在观望。
AI不会取代医生
经济观察报：你的另一个建议围绕推动AI在健康领域的应用，为什么关注这个话题？
梁颖宇：AI已经渗透到临床、健康管理、医院运营、药物研发、医保支付等全链条场景，但快速的发展也带来了数据隐私、算法偏差、技术可靠性、法律监管、伦理规范等多种挑战。
首要问题是技术与数据层面的问题，数据不完整或不平衡可能导致模型出现偏差。如果训练数据主要来自大型医院的特定人群，可能导致模型在少数群体或罕见病上的表现不稳定，数据误导比较严重。不同机构和信息系统之间也缺乏互操作性，阻碍了模型的迁移和推广。有些模型在公开数据集上表现优异，但在真实世界复杂场景中性能会下降，而且难以及时发现。大型模型存在幻觉风险，若缺乏人类监管，可能导致误诊。
另外，在伦理和社会信任方面，医疗数据高度敏感，涉及跨机构、跨地域甚至跨境流动；AI可能导致误诊，误诊责任归属模糊不清，是医生、医院还是技术提供方，目前还缺乏明确的法律界定；在产业层面，AI在健康领域的商业模式和支付机制还不清晰；基层医疗机构的IT能力有限，且本地部署大模型的成本高昂。
经济观察报：针对AI在健康领域的应用，你的建议内容主要是什么？
梁颖宇：一是在数据治理和技术架构优化方面，可以考虑建立跨机构的数据共享机制，推动跨系统数据的流动与标准化、结构化。引入隐私计算和去标识化技术，确保数据可用但不可见，这一点至关重要。促进AI工具互联互通，从单点工具向多模型协同的模块化架构转变，由智能代理协调跨流程的任务，形成统一的数据治理和互操作协议，避免碎片化。同时，要加强算法的透明度和可解释性，建立AI模型的注册和追踪机制。
二是在法律与监管方面，应该明确AI医疗事故责任认定机制，建立多方共担模式。构建分级分类的AI+医疗服务和AI+医疗产品监管框架，按照风险高低制定差异化的审批与备案要求，对高风险应用实施更严格的临床验证与使用监测。
三是完善医疗数据治理与共享的机制。在确保隐私与安全的前提下，推动区域医疗数据中心与高质量数据集建设，为模型训练与评估提供合理合规的数据基础。
四是国家要着手研究如何通过医保支付、绩效考核、服务定价等手段，确保有效的AI工具在医疗环境中得到应用。
五是进行国家人工智能医疗数据基础建设。将AI预先筛查融入现有的家庭医生签约服务系统中，自动生成慢性病风险预警。
最后，要确保医生在关键环节的主导地位，加强科普和医患沟通，以提升社会对AI医疗的接受度。
经济观察报：现在有一种担忧是AI可能取代医生，你怎么看？
梁颖宇：我认为AI不会取代医生，而是作为决策支持系统进入诊疗流程中，如影像辅助诊断、病理结构化整理、临床路径优化等，帮助医生提升效率和准确性。随着模型的轻量化，AI还将更多地进入基层医疗机构和家庭场景，缓解医疗资源分布不均的问题。
经济观察报：当前中国的AI医疗发展处于什么阶段？你怎么看待未来发展趋势？
梁颖宇：我非常看好AI医疗，医疗是AI应用最大的板块之一。我常常和大药厂去讨论如何利用AI解决诸多问题，从选择病人到做临床，再到药物上市的整个流程。在AI帮助下，药物从研发到上市可能不再需要十年时间，能缩短好几年。
