在Cytiva全球生物制药指数2025中，约有76%的1250名决策者表示，BIOSECURE法案正在从根本上改变他们的采购策略。到2028年，56%的人预计在符合生物安全标准的高工资国家，将大幅增加生物活性成分的国内产量，以继续服务于主导的美国制药市场。

仍然希望利用中国速度优势为其他国家和地区开发药物的西方大型制药公司，目前计算中国项目为维持西方备份产能（双重采购）的风险溢价为20%至30%。

在中国明显领先发展的市场中，重叠尤为明显，例如CAR-T（>全球50%的管线）和ADC疗法的优化（42%）。2025年，约83.6%的细胞和基因治疗开发者将生产外包——2024年仍有30.4%的开发者在内部生产。早期开发在中国进行，关键研究则在符合生物安全标准的国家进行。细胞和基因疗法给工艺技术带来了与抗体大规模生产截然不同的挑战：批次规模小，工艺常常因患者而异，且对无菌性、可追溯性和过程控制的要求极高。这正是为什么这里对专业CDMO的依赖增长尤其迅速。

据BioPlan称，内部产能通常仍占全球产能的65%。然而，42%的开发商计划在2027年底前至少部分将生产外包给CDMO。顺应这一趋势，CDMO典型多产品工厂商业生产中一次性设备的使用率已上升至超过44%。哺乳动物细胞生产的生物制剂外包率接近78.5%。

• BioPlan Associates报告称，上游和下游效率工具的预算增长分别为5.6%和5.5%。

• 下游处理：市场主导抗体和抗体构造物的纯化占工艺成本的50%至70%。根据BioPlan Associates的数据，由于现有符合GMP标准的纯化方法已接近极限，34%的公司计划今年投资连续色谱技术。与膜过滤相结合，这是经济管理现代单纯抗酶高产出的关键杠杆。

• 尽管BioPlan调查的生物工艺行业有46.5%的人正在测试基于生物基塑料（主要是CDMO）的一次性系统中的连续生物加工，以提升可持续性和效率，但采用率仍低，仅为10%至15%。这是因为在防污染一次性设备中实施的批次处理已经建立起来，且成本效益约提高20%。此外，极高的验证努力也起到了威慑作用。根据BioPlan的调查，市场仍有波动，39%的决策者表示计划在2026年投资于连续下游加工。由于规模经济，不锈钢发酵罐的大规模生产仍在进行，但运营成本和能源成本的增加以及可持续性要求，正迫使企业转向更智能的解决方案和外包。

• 生产力高峰期：在此背景下，连续生物加工行业资深人士Christopher Hwang强调，虽然灌注本质上比饲料批次更复杂，但它远非新鲜事物，自1990年代以来已被商业化使用。“变化的是强化的程度。黄博士说：“目前，多个团队报告的容积生产率超过每天3克，Transcenta/HJB在2024年初可实现高达8克/升。”“在如此高的生产力水平下，单个500升一次性灌流生物反应器结合混合连续下游处理，每年可生产超过700公斤药物。这使得相对较小的一次性设施能够匹配甚至超过规模更大的传统工厂的产量。结果是经济学上的重大转变：显著降低了资本支出和成本总额，提高了运营灵活性，并能够实现任何蛋白质生物制剂的近乎'准时'产能。”

• 可持续性与监管：这一效率的飞跃也应对了对可持续生产日益增长的监管压力。尽管不锈钢厂消耗大量高净水（WFI），高效一次性使用理念却大幅降低了每公斤产品的资源需求，尽管塑料废弃物处理仍是欧盟监管压力下的核心创新话题。这些技术飞跃在必然保守的市场环境中，主要受欧洲可持续性要求的推动，而在这一背景下，这些需求可能促进创新，而非阻碍官僚主义。

• 2026年2月EMA最新法规要求，关于基于因果物理的模拟解决方案的使用，也可发挥积极作用，这些方案旨在限制纯粹的实证湿实验室测试以及动物实验和材料消耗，以增强韧性。

• 虽然领先的设备供应商已经在微型生物反应器中使用基于物理的AI/ML模型（PINN）进行工艺开发，但数字孪生和PINNs——模拟而非经验主义——尚未进入生物工艺控制领域。这部分原因是实时FT-IR传感器成本过高，迫使人们不得不实际应用间接方法来估算关键工艺参数。然而，根据BioPlan的数据，近40%（38.8%）的决策者表示他们正在评估用于生物过程控制和过程文档的个人计算机工具。

美国和欧洲开发的计算机内方法，如物理知情过程建模（PINN），如今已帮助生物反应器的数字复制品——即所谓的数字孪生——在生物过程开发控制策略的制定中占10%到15%的案例。在GMP流程控制方面，先行者CDMO的采纳率较低，仅为3%至5%。然而，通过缩短工艺开发时间带来的潜在效率提升显著更大。

• 例如，Sartorius使用混合模型进行上游优化，预测其Ambr微型生物反应器中细胞培养的生长情况。®

• Cytiva在色谱（下游）中使用PINNs模拟蛋白质的加载和洗脱过程。由于柱中质量传递的物理定律已知，这些定律被传授给神经网络。结果是一个数字孪生，可以实时计算分离柱何时饱和，无需每次手动采样。

• 以PINN为数字引擎的数字孪生系统使得使用标准传感器，并几乎实时地无误计算关键控制参数。西门子通过其自动化平台（如SIMIT和PCS 7）定位为混合建模的集成商。这里，PINNs被用作所谓的软传感器。使用场景：在生物反应器中，存在无法直接测量的参数（例如，细胞的确切代谢速率）。PINNs通过考虑底层热力学原理，从pH、溶解氧和温度等现有数据中计算这些数值。这节省了昂贵的光谱硬件，如$US 10万个FT-IR传感器。

传统保守的生物工艺技术行业中近40%的决策者希望测试这项技术，这显示了其实际潜力：由于该工艺采用计算机模拟，且——与标准人工智能不同——在物理允许范围内，避免了昂贵的湿实验室测试，从而减少原材料和材料的消耗，并通过自动化减轻人员需求。

因此，在决策者中，PINN控制的数字孪生已被视为更高效扩展流程、用可复现仿真取代基于体验的流程开发的首选方法。尽管由于过程的生物变异性和蛋白质微异质性带来的不一致仍是主要挑战，但成本降低首次在独立于中国暴力破解测试基础设施的情况下显得现实。与此同时，对生物工艺开发专家的需求减少。

观察PINNs——主要在欧洲开发——在整个生物制药价值链中的整合，领先的分析公司预测，这些产品有潜力将临床失败率从90%降至75%，并显著缩短上市时间，甚至超过中国的商业检测结构。

这是否会导致出现更快时间线的角色分布，目前仍有猜测，但鉴于此类模型的抗抄性，这似乎相当现实。

生物加工先驱乌韦·戈特沙尔克（Uwe Gottschalk）预计，从监管和行业内部障碍被消除到数据导向生物加工方面取得了巨大进展：“生物加工行业仍然太少将数据作为战略原材料使用。只有通过自动化、人工智能和网络分析的全面整合，才能显著缩短开发时间，使流程更稳健，并在生物加工4.0过程中降低成本。与此同时，该领域面临核心挑战，如治疗性细胞和基因疗法的高制造成本，阻碍了成熟疗法的广泛应用。这一点从曾经很有前途的Bluebird Bio的例子中得到了体现。这里需要新的、以结果为导向的方法来大幅降低成本。”