2025年2月，京东高调进军外卖市场，推出”百亿补贴”和免佣金政策，引发美团、饿了么（淘宝闪购）激烈反击，三方开启补贴大战。7月监管多次约谈后，8月1日三大平台联合声明抵制恶性竞争，暂时叫停”0元购”等极端促销。
在此我们承诺从自身做起，并积极呼吁行业共同构建良好生态，促进餐饮服务行业规范健康持续发展 美团Meituan，公众号：美团Meituan 繁荣行业生态，抵制无序竞争
外卖行业的竞争格局主要由其行业特性所决定。外卖行业具有重资产、重运营、规模不经济的特点——随着市场份额增加，骑手成本、算法投入和营销费用需持续倍增。京东高调进入市场后，虽通过短期补贴策略迅速获取市场份额，但由于骑手网络和商户资源尚不完善，其单位经济模型的持续优化面临挑战。美团凭借先发优势建立了市占率达70%的竞争壁垒，其专送骑手占比60%、日均6000万单的订单规模形成了显著的履约优势。饿了么则依托阿里生态体系保持了20%-30%的市场份额。当前市场呈现三足鼎立的动态平衡格局，而京东的入局进一步印证了本地生活服务这一长产业链领域天然具备抗垄断特性的市场规律。
生物医药行业产业链典型地满足重资产，重运营，并且在研发环节规模不经济，在生产环节规模经济，在销售环节出现规模经济和规模不经济共存现象。生物医药行业产业链的特性表现为：
（IQVIA：《不断变化的研发前景：创新、变革的动力和临床试验产出率的演变》）
- 研发环节规模不经济：创新药研发投入高（单药研发成本超10亿元）、周期长（10-15年），且失败率超90%，资源分散导致单位成本递增。IQVIA数据显示，2008-2018 R&D研发综合成功率并未因研发投入增加而上升。
- 生产环节规模经济：大规模生产可分摊固定成本，且重资产投入的专业化设备使用效率随产量提升。
- 销售环节双重性：规模经济体现于渠道复用（如覆盖医院网络降低边际成本），但创新药需定制化推广（如肿瘤药需专业学术营销，与自身免疫病大类有所不同），导致费用非线性增长。
Investigating the origins of recent pharmaceutical innovation https://www.nature.com/articles/d41573-023-00102-z
通过行业数据对比分析可见，在创新药研发领域同样符合难以形成长期市场垄断的基本特征。行业统计数据显示，跨国制药企业在创新药临床试验申请（IND）中的份额变化反映了研发主体分散化的产业趋势。2015-2021年全球TOP20 MNC贡献的FDA-approved新药中仅有约28%来自于内部开发，而来自于中小型生物科技公司（Biotech）占比达65%。
这一现象源于研发环节的规模不经济特性：MNC的研发效率随规模扩大递减，尽管不同MNC研发成本差异同样巨大，但其单个项目成本平均远超Biotech (Data from ideapharma)：国内不包括海外临床的单个新药开发支出预计约2-6亿人民币。
FDA Accelerated Approval, Breakthrough Therapy, and Fast Track Designations Supercharge Drug Development https://www.ozmosi.com/fda-accelerated-approval-drug-development/
与此相对，2020至2022年间Biotech凭借灵活机制聚焦细分领域，在肿瘤学、基因治疗等前沿方向贡献了显著数量的突破性疗法认定。FDA资格审批数据显示，获得认定的主体以中小型企业为主，仅19%授予大型MNC。这一分布特征反映出规模效应在早期研发阶段的有限性，印证了创新药领域难以形成研发集中化的结构性特点。
笔者在软件工程和整体药物开发(HDD)一文中提到：
AIDD更多情况下起到一个”技术”导火索的功能，因为一旦需要使用AI完成关键决策性分析，必须提供统一的”数据中台”，从而自然实现HDD。 — Alex Su 软件工程与整体药物开发(HDD)
分析表明，AI具备将研发阶段的规模不经济效应转化为规模经济效应的潜力，这一转变主要通过工程化手段降低研发成本，以及信息化手段提高研发成功率来实现。相应地，AIDD领域的技术工作也应当围绕这两个方向，对产业实施精准改造。值得注意的是，2015至2025年这”黄金十年”间，生物医药产业链的细分环节发展迅速，这一方面降低了中国生物科技企业的运营门槛，另一方面也因环节过度细分而增加了数据驱动整体效率提升的难度。以蛋白质设计领域为例，虽然抗体生成技术显著降低了抗体发现成本，但可以预见在未来1-2年内，专注于抗体发现的CRO企业（如动物免疫服务商、筛选技术服务商等）为持续优化成本结构，将与提供抗体生成AI SaaS解决方案的企业展开合作。鉴于生物医药领域数据的高度敏感性，数据资产难以在企业实体间自由流动，这一现状可能加剧行业内的同质化竞争，同时导致AI SaaS企业因商业化困境而面临生存压力。这种局面不仅不利于需要重资产投入的AI模型研发企业保持技术竞争优势，也阻碍了人工智能与分子生物学技术深度融合的进程。
笔者认为区分非理性内卷与理性市场竞争的核心在于：产业链下游（通常为终端产品市场）的竞争成本是否被系统性转嫁至上游供应链。以外卖行业为例，若行业竞争的本质是通过压榨餐饮商户个体经营者及配送人员来实现成本优化，则属于非理性内卷；反之，若竞争促使互联网平台企业通过优化餐饮配送算法、提升供需匹配效率、完善物流基础设施等方式实现系统性降本增效，则属于理性市场竞争。需要指出的是，后一种模式是通过技术创新提升社会整体福利水平，而非利用技术手段加剧恶性竞争导致社会福利净损失。
新药研发通常经历靶点发现、先导化合物筛选、临床前研究、I至III期临床试验、审批上市等多个环节（见下图一），整个周期往往不低于十年，资金投入动辄逾十亿美元。即便如此，药物研发失败率仍居高不下，常因药效不足、药代动力学不理想、意外毒性而中止开发。
李炜，公众号：同写意 制药行业非理性内卷：过去、现状、成因与破局
在生物医药领域，这一核心逻辑同样适用。然而，由于该行业具有产业链条长、专业壁垒高等显著特点，其内在逻辑的复杂性远超多数行业，导致理解难度大幅提升。当前备受业内关注的”集中采购”政策，其争议焦点不应简单归结为政策降低企业利润可能引发的恶性竞争。从本质上看，政策的核心价值在于通过压缩大量成熟药品及同质化产品的利润空间，促使市场资源重新配置，从而有效引导产业避免低水平重复竞争，加速形成差异化创新格局，推动行业向更高层次创新发展。这一政策导向与医药产业高质量发展战略具有内在一致性。
美国企业在免疫检查点抑制剂研发领域同样经历了集中开发的阶段，但通过快速迭代和差异化战略布局，最终形成了相对均衡的市场格局。以默沙东的Keytruda（帕博利珠单抗）、百时美施贵宝的Opdivo（纳武利尤单抗）等PD-1抑制剂，以及罗氏的Tecentriq（阿替利珠单抗）等PD-L1抑制剂为例，这些产品不仅在适应症拓展、伴随诊断和联合治疗方案方面持续优化，还在给药方案、联合用药策略和生物标志物开发等领域实现了差异化布局，从而有效避免了产品同质化可能引发的市场竞争压力。
（【华西证券】可选消费行业AI应用新纪元：引爆”人工智能+消费”革命）
AIDD（人工智能药物发现）通过整合上下游数据的核心目标在于实现消费端与供给端的精准匹配，从而推动制药行业有效解决未满足的临床需求。从微观层面来看，抗体设计的AI模型需深度融合分子生物学技术，以促进分子层面的创新，实现同靶点药物的差异化设计，最终导向best-in-class药物的开发。从宏观层面而言，AI技术应充分发挥其数据优势，通过多环节优化逆转规模不经济效应，实施垂直整合以重构上下游利益分配机制，并基于MOA（作用机制）创新满足更广泛的未满足临床需求。
相信未来将在每一位科学家的实验与代码中！