摘要：在20日下午由上海长三角商业创新研究院举办的“2026长三角新经济年会”的首席对话环节，四位专家围绕长三角产业集群与资本市场能否形成良性闭环作出探讨，并分享了关于生物医药和人工智能产业的投资观点。东吴证券研究所联席所长、大消费组组长、医药行业首席分析师朱国广说，中国创新药的研发正逐渐步入“深水区”。针对国家金融与发展实验室特聘高级研究员邵宇提出的“中国AI模型收费端如何实现商业闭环”的问题，东方财富证券研究所计算机首席分析师罗云扬认为，在全球AI产业链需求火热的背景下，中国有两个环节跑在前面——光模块和PCB，比如扎根苏州的光模块龙头——旭创科技。
长三角产业集群与资本市场能否形成良性闭环
作为中国经济发展最活跃、创新能力最强的区域之一，长三角地区也凭借前沿科技创新和产业优势吸引着资本集聚。
在20日下午由上海长三角商业创新研究院举办的“2026长三角新经济年会”的首席对话环节，四位专家围绕长三角产业集群与资本市场能否形成良性闭环作出探讨，并分享了关于生物医药和人工智能产业的投资观点。
东吴证券研究所联席所长、大消费组组长、医药行业首席分析师朱国广说，中国创新药的研发正逐渐步入“深水区”。目前中国在First-in-class的数量上已占全球45%，超越了欧美日三大主流市场。谈及近年来中国创新药BD爆发的底层逻辑，朱国广总结了三大主因：一是2015至2018年药审政策的变革吸引了大量海归科学家创业；二是基于中国庞大患者基数的临床效率优势；三是相比海外的成本优势。
对于未来生物医药的投资方向，他认为爆款将诞生在两个领域：肿瘤治疗领域的 TCE（T细胞衔接蛋白），以及非肿瘤领域中有望解决GLP-1反弹问题的小核酸减重药物。
不只是生物医药，长三角在人工智能领域同样展现出强劲的产业集群效应。
针对国家金融与发展实验室特聘高级研究员邵宇提出的“中国AI模型收费端如何实现商业闭环”的问题，东方财富证券研究所计算机首席分析师罗云扬认为，在全球AI产业链需求火热的背景下，中国有两个环节跑在前面——光模块和PCB，比如扎根苏州的光模块龙头——旭创科技。随着大模型参数呈十倍量级增长并向全模态演进，对内存和通信能力的需求急剧上升，这也是资本市场坚守“光通信”逻辑的底层原因。
谈到国内外大模型商业化路径的差异，罗云扬说，随着算力成本下降越过特定阈值，Token出海及国内AI的商业闭环正逐步形成。他提出“硅基虹吸”概念，也就是越来越多的脑力环节将被纳入AI处理范畴。同时，AI已从单纯的“替代人类（通缩应用）”走向“创造价值”，如AI for Science在加速新药研发、物理AI等领域的应用。
申万宏源产业研究院首席研究员余斌补充道，在目前的架构下，大模型算法仍在不断通过堆叠规模来消耗计算资源。大模型通过堆叠算力追求极致性能，在局部领域（如棋类博弈、生物学规则发现）已超越人类，因此产业研究的核心在于寻找早期技术（Demo阶段）走向商业化的桥梁。
除了重点产业的机遇，如何让金融更精准地赋能早期硬科技企业？这是投行与产业界共同面临的痛点。
“现在越早期的事情越难做。投资机构看重创始人的大厂履历或诺奖背景，但这只是可能性的初筛。”余斌说，初创公司面临的最大挑战是从Demo（演示产品）走向商业化。在这个阶段，市场最需要的是具备公信力的产品验证。如果能依托像上海正大力推行的“中试平台”来进行低成本的产品测试和沟通，将极大提升早期企业走向产业化的成功率。
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
长三角产业集群与资本市场能否形成良性闭环
作为中国经济发展最活跃、创新能力最强的区域之一，长三角地区也凭借前沿科技创新和产业优势吸引着资本集聚。
在20日下午由上海长三角商业创新研究院举办的“2026长三角新经济年会”的首席对话环节，四位专家围绕长三角产业集群与资本市场能否形成良性闭环作出探讨，并分享了关于生物医药和人工智能产业的投资观点。
东吴证券研究所联席所长、大消费组组长、医药行业首席分析师朱国广说，中国创新药的研发正逐渐步入“深水区”。目前中国在First-in-class的数量上已占全球45%，超越了欧美日三大主流市场。谈及近年来中国创新药BD爆发的底层逻辑，朱国广总结了三大主因：一是2015至2018年药审政策的变革吸引了大量海归科学家创业；二是基于中国庞大患者基数的临床效率优势；三是相比海外的成本优势。
对于未来生物医药的投资方向，他认为爆款将诞生在两个领域：肿瘤治疗领域的 TCE（T细胞衔接蛋白），以及非肿瘤领域中有望解决GLP-1反弹问题的小核酸减重药物。
不只是生物医药，长三角在人工智能领域同样展现出强劲的产业集群效应。
针对国家金融与发展实验室特聘高级研究员邵宇提出的“中国AI模型收费端如何实现商业闭环”的问题，东方财富证券研究所计算机首席分析师罗云扬认为，在全球AI产业链需求火热的背景下，中国有两个环节跑在前面——光模块和PCB，比如扎根苏州的光模块龙头——旭创科技。随着大模型参数呈十倍量级增长并向全模态演进，对内存和通信能力的需求急剧上升，这也是资本市场坚守“光通信”逻辑的底层原因。
谈到国内外大模型商业化路径的差异，罗云扬说，随着算力成本下降越过特定阈值，Token出海及国内AI的商业闭环正逐步形成。他提出“硅基虹吸”概念，也就是越来越多的脑力环节将被纳入AI处理范畴。同时，AI已从单纯的“替代人类（通缩应用）”走向“创造价值”，如AI for Science在加速新药研发、物理AI等领域的应用。
申万宏源产业研究院首席研究员余斌补充道，在目前的架构下，大模型算法仍在不断通过堆叠规模来消耗计算资源。大模型通过堆叠算力追求极致性能，在局部领域（如棋类博弈、生物学规则发现）已超越人类，因此产业研究的核心在于寻找早期技术（Demo阶段）走向商业化的桥梁。
除了重点产业的机遇，如何让金融更精准地赋能早期硬科技企业？这是投行与产业界共同面临的痛点。
“现在越早期的事情越难做。投资机构看重创始人的大厂履历或诺奖背景，但这只是可能性的初筛。”余斌说，初创公司面临的最大挑战是从Demo（演示产品）走向商业化。在这个阶段，市场最需要的是具备公信力的产品验证。如果能依托像上海正大力推行的“中试平台”来进行低成本的产品测试和沟通，将极大提升早期企业走向产业化的成功率。