我們的看法
數據及人工智能正在改變研發，令創新潛力倍增。
人工智能改變了研究及創新團隊所能達到的成果：
- 更快推出市場：以電腦模擬（in silico）評估取代部分實物測試，並把研發流程自動化。
- 優化研發成本：減少反覆試驗的次數。
- 生成式構思及更優秀的產品：探索的方案遠多於任何實驗室能夠測試的數量。
- 預測式產品設計：在產品製造之前已能預測其表現。
研發人工智能與一般人工智能不同。研發處理的是特殊的數據（實驗數據、歷史數據，往往稀少而多元），服務獨特的用途，貼近科學發現，並需要比企業大部分職能更高的數據及人工智能成熟度。
要充分發揮其潛力，需要：
- 穩固的數據基礎：把研發的歷史及實驗數據轉化為人工智能可用的資產。
- 整合的組織：把數據及人工智能能力直接融入研究實驗室。
- 跨領域人才策略：連繫數據科學與科學專業。
- 文化轉變：透過技能提升及變革管理推動人工智能的採用。
- 策略性生態系統：合作夥伴及自建或外購的決策。
研發的數據及人工智能，需要特定的方法、能力及工具。
表現最佳的研發機構如何做
我們就數據及人工智能對研發的影響，與超過十家製藥、食品及飲料、消費品及美容業的領導企業進行了對標研究，得出四項結論。
1. 由反覆試驗到人工智能驅動的發現
採用人工智能後，產品上市時間縮短 10% 至 20%。 人工智能以生成式構思、電腦模擬評估、數碼孿生及研發流程自動化取代實物測試，縮短研發時間並降低成本。
2. 以數據作為競爭優勢
不少領先企業正進行大規模的數據轉型，並把研發的數據基礎現代化，以加快分析、改善協作，並更有效地部署人工智能。
3. 專責研發的數據及人工智能團隊
領先企業把數據及人工智能專業直接融入研發團隊，讓團隊有更大的自主權進行實驗，並把人工智能視為一門真正的科學能力。
4. 跨領域人才的轉變
成功的轉型有賴技能提升、變革管理及嚴格的招聘，並孕育出兼具科學與數據背景的跨領域人才。在人才與科技上同等投資的機構，表現超越對手的機會高出數倍。
在產品主要建基於知識產權、或貼近科學發現的行業，創新最多可提升一倍。
讓研發成為策略表現的引擎
研發及創新有三項主要任務：
- 研究及知識：策略性的科技監察及深入的科學探索，建立持久的競爭優勢。
- 創新：把科學轉化為產品及流程的獨特優勢。
- 開發及規模化：由實驗室走向工廠，確保產品可行、具盈利能力並能工業化生產。
在反覆迭代的研發流程中（基礎科學研究、設計及原型製作、開發及工業化、上市準備，並以消費者及市場洞察為基礎，由研發策略及管治帶領），人工智能加快每一步，並應對四大挑戰：
- 兼顧科學推動與消費者期望：把科學突破與消費者需要連繫起來，建立強大的進入門檻，同時確保安全及市場相關性。
- 降低創新風險並驗證市場契合度：減少技術上的不確定性，確保產品的獨特性及對消費者的意義。
- 確保工業化規模生產：縮窄實驗室與工廠之間的距離，確保配方及流程能夠工業化並具經濟效益，加快產品上市。
- 掌握合規及功效聲稱的依據：確保全球的法規合規，並進行嚴謹的臨床試驗，為產品聲稱及消費者信任提供有力證據。
人工智能在研發價值鏈上的應用場景
科學發現
- 生成式及分子設計
- 虛擬及分子篩選
- 自動化科學文獻探索
- 進階生物分析
產品開發及設計
- 專家預測
- 預測建模
- 產品數碼孿生
- 配方優化（產品及包裝）
- 因果推論建模
臨床試驗
- 試驗設計及規劃
- 試驗結果預測
- 臨床試驗數據收集
- 臨床研究自動化
- 臨床影像評估
- 真實世界數據
跨職能範疇
- 消費者洞察：消費者行為、感官分析、善用消費者洞察
- 優化研發流程：知識轉移、數據管理、內部人工智能助理、實驗室機械自動化
- 營銷：個人化包裝、用於內容創作的產品 3D 孿生
- 生產：工廠流程優化、產品及生產線的數碼孿生
- 供應鏈：供應商及原材料洞察、原材料產量預測
為何選擇 Emerton Data
我們憑藉紮實的科學實力，連繫尖端研究與工業表現。
我們的團隊：高水平的跨領域能力
我們的團隊匯聚跨領域人才（生物資訊專家、博士、數據工程師及策略顧問），以尖端方法及進階分析釋放數據價值。
- 團隊中 30% 成員擁有博士學位。
- 專注生命科學、健康及生物科技的生物資訊專家。
- 一位人工智能研究總監，帶領我們的研究策略。
科學卓越與工業創新
我們身體力行，持續投資科學研究，建立專有資產。透過連繫學術界與工業界，我們為非一般的問題開發獨特的解決方案。
- 學術論文，例如用於評估代理式系統的 GLIDE。
- 與拉格朗日基金會（Fondation Lagrange，四位菲爾茲獎得主）等科學組織的合作計劃。
- 我們的初創工作室，在人工智能及深科技方面擁有深厚專業。
經實戰驗證的卓越研發能力
我們在研發精準度至關重要的行業，例如健康、食品及重工業，執行高影響力的項目，由策略到工業化全程參與：
- 研發人工智能策略及路線圖：為高影響力的應用場景排序，並訂立目標營運模式。
- 端到端實施：概念驗證，以至數碼孿生或代理式人工智能工具等複雜資產的全面工業化。
- 流程及團隊優化：支援把數據及人工智能融入科學流程所需的文化及結構轉變。
我們的服務
以全面的方法及完整的服務，把數據及人工智能的潛力轉化為研發表現。
數據及人工智能策略及路線圖
- 制定路線圖：以穩健而經驗證的方法，找出、排序及界定高影響力的研發應用場景。
- 研發目標營運模式：設計管治、數據流及組織架構，讓數據及人工智能得以融入。
- 自建或外購策略：清晰的框架，在內部開發與外部合作之間作出抉擇，優化投資回報及速度。
端到端實施（數據及人工智能的「實幹者」）
- 快速原型及概念驗證：在數星期而非數月內驗證技術可行性及業務價值。
- 規模化工業化：把成功的原型轉化為穩健、可擴展的方案，融入主要工業流程，釋放內部協同效應。
- 自家研發：依靠內部研究實驗室及人工智能研究，把學術突破轉化為工業應用。
人才及組織轉型
- 策略性普及：為執行委員會及管理層而設的研討會，讓領導者就人工智能的挑戰及機遇達成共識。
- 變革管理：支援新的工作方式，確保以人工智能為本的工具得到持久採用。
- 技能提升及跨領域發展：制定及推行培訓策略，培養連繫研發與數據的跨領域人才。
了解更多，請瀏覽我們的研究與發展頁面：研究計劃、開源工具、學術合作夥伴，以及團隊中的博士成員。
