← 返回熵猫洞察
研发变革

东北制药:把 80 余年「瑕疵样本库」炼成视觉 AI 灯检机,单支 72 张照片毫秒剔除

📅 2026-10-31 · ⏱ 7 分钟 · ✍ 熵猫管理变革研究院
东北制药:把 80 余年「瑕疵样本库」炼成视觉 AI 灯检机,单支 72 张照片毫秒剔除

本期案例:东北制药——产线引入视觉 AI 智能灯检机,单支注射液留 72 张照片、毫秒检测自动剔除,设备持续自主学习。熵猫以「研发变革 / 数据资产化(老数据炼成新能力)」视角拆解……

你见过一家 80 年老药企,把几十年的「瑕疵样本库」炼成 AI 眼的吗

而且这双眼,不知疲倦,还越用越聪明。

东北制药,这么干了。

东北制药,把被忽视的老数据,盘活成新能力

东北制药,拥有 80 余年历史的民族制药企业,102 分厂长期生产注射液等无菌制剂,过去质检高度依赖「老师傅的人眼」,易疲劳、有波动。

它在产线引入视觉 AI 智能灯检机,把企业数十年积累的海量药液图像数据与质检专业知识录入模型、反复迭代训练;设备可在持续运行中自主学习、越用越智能。

账本说话:单支注射液被瞬时留下 72 张照片,毫秒间完成检测并自动剔除不合格品,质检稳定性持续提升。

01 最该学的是:对抗熵增,不一定要换赛道

太多企业觉得转型就得追新概念,东北制药反着来:盘活手里的老数据、老经验。

最传统的药企,也能用几十年的存量长出新能力——这是「守着金矿要饭」和「挖出来」的分界。

02 给老板的提醒:你手里的老数据,盘活了吗

东北制药给所有老板的提醒:你工厂里几十年的工艺数据、老师傅的经验,是不是还锁在纸和脑子里?

把它炼成 AI 资产,比追一个新概念更扎实——传统企业最大的金矿,常是被忽视几十年的老数据、老经验。

熵猫洞察

东北制药这课,讲的是研发变革里很硬的一条:对抗熵增不一定要换赛道。传统企业手里最大的金矿,往往是被忽视几十年的「老数据、老经验」。

我们帮老板做数智化转型,常先问:你手里的老数据,盘活了吗,还是还在吃灰?

我们专注对抗组织熵增、驱动企业有序增长——用老板真实课题,现场跑通增长。

对企业的参考建议

① 别只盯新概念,先看手里的老数据、老经验能不能盘活。

② 把隐性经验录进模型,做成可继承的系统能力,不是买设备凑数。

③ 质检稳定性先挂硬指标(剔除率、稳定性),别停在演示。

④ 老数据也能长出新能力,关键在「炼」不在「换」。

一句话总结

东北制药这步:80 年瑕疵样本库炼成视觉 AI 灯检,单支 72 张照片毫秒剔除——老数据,也能长出新能力。

熵猫能帮你做什么

熵猫管理变革研究院以华为方法论(BLM / IPD / 铁三角)为底座,提供数智化转型咨询、研发变革工作坊、经营破局诊断。我们专注对抗组织熵增、驱动企业有序增长——用老板真实课题,现场跑通增长。

如果你的企业正面临研发变革的类似课题,资源该压在哪一环、组织该怎么调?欢迎基于你的真实课题,和我们做一次战略破局 / 经营破局 / 组织变革工作坊。更多数智化转型 / 数据资产化 / 视觉AI灯检实战案例与方法,见官网 scat-manage.com。

常见问题

这篇文章的核心观点是什么?

东北制药(拥有 80 余年历史的民族制药企业,102 分厂长期生产注射液等无菌制剂,过去质检高度依赖「老师傅的人眼」,易疲劳、有波动)。动作:在产线引入搭载视觉 AI 技术的智能灯检机,把企业数十年积累的海量药液图像数据与质检专业知识录入模型、反复迭代训练;设备可在持续运行中自主学习、越用越智能。关键成效:单支注射液被瞬时留下 72 张照片,毫秒间完成检测并自动剔除不合格品,质检稳定性持续提升。成功根因:把几十年积累的工业数据与隐性经验盘活成「存量资产」——最传统的药企,也能用老数据长出新能力;不是买设备凑数,而是把经验做成可继承的系统能力。熵猫点评:东北制药说明一件事:对抗熵增不一定要换赛道。传统企业手里最大的金矿,往往是被忽视几十年的「老数据、老经验」。把它炼成 AI 资产,比追一个新概念更扎实。

熵猫咨询怎么看研发变革?

熵猫咨询的判断是:研发变革 不能停在口号,要用验证过的方法论落到实处——战略假设拆解看清前提、压力测试压出脆弱点、变异度管理补管理缺口、活系统让组织像生命体一样自主运转。东北制药(拥有 80 余年历史的民族制药企业,102 分厂长期生产注射液等无菌制剂,过去质检高度依赖「老师傅的人眼」,易疲劳、有波动)。动作:在产线引入搭载视觉 AI 技术的智能灯检机,把企业数十年积累的海量药液图像数据与质检专业知识录入模型、反复迭代训练;设备可在持续运行中自主学习、越用越智能。关键成效:单支注射液被瞬时留下 72 张照片,毫秒间完成检测并自动剔除不合格品,质检稳定性持续提升。成功根因:把几十年积累的工业数据与隐性经验盘活成「存量资产」——最传统的药企,也能用老数据长出新能力;不是买设备凑数,而是把经验做成可继承的系统能力。熵猫点评:东北制药说明一件事:对抗熵增不一定要换赛道。传统企业手里最大的金矿,往往是被忽视几十年的「老数据、老经验」。把它炼成 AI 资产,比追一个新概念更扎实。

企业面对研发变革,应该从哪里入手落地?

建议三个动作:一是「结构先于答案」,先搭清问题框架再找解;二是「匹配大于完美」,选适配自身阶段的方案而非最先进;三是「实绩重于假设」,小步快跑验证。重点方向可关注:研发变革、东北制药、数据资产化。

← 返回熵猫洞察