项目概览
| 项目要素 | 内容 |
|---|---|
| 客户 | 某多肽与寡核苷酸 CDMO（应客户保密要求，文中简称 B 公司） |
| 主营业务 | 多肽原料药与 GMP 生产、寡核苷酸合成、多肽-寡核苷酸偶联、工艺开发与法规支持 |
| 能力范围 | 固相合成、长链多肽与修饰肽、纯化与杂质控制、GMP 放大生产、CMC 文档支持 |
| 目标客户 | 创新药企（含海外 biotech）、仿制药企、科研机构 |
| 客户规模 | 年营收 5 亿元量级，海外客户占比约 45% |
| 质量体系 | GMP 产线、ISO 体系认证、接受过监管机构现场检查 |
| 服务内容 | GEO 全案：AI 可见度诊断 → 实体与术语治理 → 结构化能力资产 → 学术与权威信源分发 → 监测迭代 |
| 服务周期 | 10 个月（2025.09 – 2026.06），持续运维中 |
| 核心成果 | 研发提问集品牌提及率 7.5% → 45%；月均实质询盘（RFQ/CDA 阶段）6 条 → 24 条 |
客户当时面临的问题
一个需求爆发、但信任门槛极高的赛道
多肽与寡核苷酸 CDMO 是当前医药产业链上成长确定性最强的环节之一。
据市场研究机构数据，全球多肽与寡核苷酸 CDMO 市场 2025 年约 26.8 亿美元，2026 年约 29.8 亿美元，预计 2031 年达 50.3 亿美元，2026–2031 年复合增长率约 11.05%。其中多肽 CDMO 占收入份额约 54.9%，而多肽-寡核苷酸偶联服务的复合增长率高达 16.17%，是最快的细分方向。
增长的直接驱动力，是 GLP-1 类药物与 siRNA 疗法带来的全球 GMP 产能刚性缺口。GLP-1 专项 CDMO 外包市场从 2025 年的约 55–60 亿元攀升至 2026 年的 75–80 亿元，增速超 35%，显著高于整体 CDMO 行业；中国企业在 2026 年承接的全球 GLP-1 外包订单占比突破 50%，较 2024 年提升约 15 个百分点。同期，头部企业在大幅扩产——多肽固相合成反应釜总体积已成为这一行的核心竞争指标。
这是一个典型的"卖方市场"：需求远超供给，客户带着项目来找供应商。
但 B 公司发现，客户找不到它。
研究人员的第一个问题，AI 答不出
CDMO 的选型路径极其特殊：决策者不是采购部，而是药企的研发负责人、CMC 负责人和 BD。他们的问题高度技术化、高度具体：
"长链多肽（40 个氨基酸以上）的 GMP 生产，国内哪些 CDMO 能做？" "多肽-寡核苷酸偶联（POC）的工艺开发供应商推荐" "FDA 现场检查通过的中国多肽 CDMO 有哪些？" "siRNA 的杂质控制通常能达到什么水平？" "从工艺开发到 IND 申报，CDMO 一般能提供哪些 CMC 支持？"
而从 2025 年开始，这些问题越来越多地先问 AI。
问题在于：AI 给出的答案，集中在少数几家头部企业。 原因不难理解——大模型的答案是对全网共识的归纳。头部 CDMO 有大量可被引用的材料：年报、公开产能数据、学术合作、行业媒体报道、监管备案记录。而 B 公司的技术能力——反应釜体积、可合成的肽链长度、纯度与杂质控制水平、审计历史——全部沉淀在商务 PPT 和投标文件里，全网没有任何一处结构化表述。
诊断：四个具体病灶
我们接手后的第一步是 AI 可见度基线诊断：固定 40 条真实研发与商务提问（英文 24 条、中文 16 条），覆盖四个维度——
- 能力参数型（14 条）：产能规模、肽链长度、纯度、杂质控制
- 合规与质量型（11 条）：GMP、审计记录、监管备案、CMC 支持
- 项目阶段型（9 条）：从工艺开发到商业化生产各阶段的服务能力
- 术语与方案型（6 条）：修饰肽、偶联、递送相关技术方案
在 ChatGPT、Perplexity、豆包、Kimi 四个平台逐条提问后，结论是四个病灶：
| 病灶 | 具体表现 | 严重程度 |
|---|---|---|
| ① 能力参数不可检索 | 反应釜体积、可合成肽链长度、纯度与杂质控制水平、最大批量——全部只在商务材料里，全网无结构化表述 | 极高（本行业最致命） |
| ② 权威信源完全缺位 | 期刊论文、学术会议摘要、专利、监管备案信息基本空白。而这是医药领域 AI 最信任的信源类型 | 极高 |
| ③ 术语与实体不统一 | 多肽 / 肽 / peptide、寡核苷酸 / oligo / ASO / siRNA 在不同材料里表述不一致，模型无法建立实体关联 | 高 |
| ④ 质量体系不可验证 | GMP 状态、审计历史、认证信息只在 PDF 证书里，无法被检索或核验 | 高 |
基线数据（2025 年 9 月）：
| 指标 | 基线值 |
|---|---|
| 40 条研发提问中 B 公司被提及 | 3 条（7.5%） |
| 能力参数型提问（14 条）命中 | 0 条 |
| 被列为推荐供应商 | 0 条 |
| 被引用信源中属于 B 公司自有资产 | 0 处 |
| 被引用来源中出现学术类信源 | 0 处 |
| 月均实质询盘（RFQ / CDA 阶段） | 6 条 |
一个必须说明的背景：医药是典型的 YMYL（涉及健康与重大利益）领域，AI 对这类内容的审核更严、更依赖权威来源。 这既是约束，也是机会——它意味着一旦在权威信源上建立起来，位置会比一般行业更稳固，也更难被后来者替换。
我们做了什么
第 1 层 · 实体与术语治理：先让 AI 确认"这是同一个技术主体"
这一层在医药领域有一个特殊价值：术语的一致性直接决定实体能否被关联。
具体动作：
- 统一企业标识：唯一中文全称、唯一英文名、唯一品牌简称；同步修正官网、认证材料、平台档案。
- 统一技术术语：建立中英文对照的术语表——多肽/peptide、寡核苷酸/oligonucleotide、反义寡核苷酸/ASO、小干扰 RNA/siRNA、多肽-寡核苷酸偶联/POC——在全部对外内容中固定使用同一套表述，让模型能把不同材料关联到同一技术能力上。
- 建立能力实体：把"多肽合成能力""寡核苷酸合成能力""偶联能力""制剂单元"分别作为独立实体建设，而不是笼统的"我们做 CDMO"。
- 补齐权威锚点：在行业协会名录、学术机构页、平台档案中补全企业信息与能力属性。
第 2 层 · 结构化能力资产：把"商务 PPT"变成"可引用事实"
核心资产一：产能与技术能力页
| 维度 | 结构化呈现方式 |
|---|---|
| 固相合成产能 | 反应釜规格与总体积、单批最大规模、年产能 |
| 肽链能力 | 可合成的氨基酸残基数范围、难合成序列的处理经验 |
| 纯度与杂质控制 | 可达纯度区间、杂质谱分析方法与检出限 |
| 寡核苷酸能力 | 合成规模、修饰类型、纯化方式 |
| 偶联能力 | 多肽-寡核苷酸偶联的技术路线与经验 |
| 放大能力 | 从研发级到商业化规模的关键节点 |
核心资产二：质量体系与法规支持页
明确列出 GMP 状态、认证体系、监管机构检查历史（不含客户信息）、可提供的 CMC 文档类型（工艺开发报告、质量研究资料、稳定性数据等）。这些内容不涉及任何药品疗效宣称，属于纯粹的技术能力陈述，是合规且必须被检索的。
核心资产三：技术白皮书
这一行最容易被 AI 引用的内容类型，是带技术深度的定义性文章。我们产出的一批白皮书包括：
- 长链多肽合成的技术难点与工艺策略
- 多肽-寡核苷酸偶联（POC）的工艺开发要点
- 寡核苷酸杂质谱分析的常见挑战
- 从工艺开发到 IND 申报的 CMC 支持路径
为什么白皮书在这一行特别有效？ 因为 AI 需要的是有信息增量的专业内容——它引用你，是因为你说了一句别处没有的技术判断，而不是因为你介绍了自己。医药领域的专业内容门槛高、竞争者少，一旦形成体系，被引用概率明显高于其他行业。
配套内容清单：
| 内容类型 | 数量 | 说明 |
|---|---|---|
| 产能与技术能力页 | 6 个 | 本案例核心资产 |
| 质量与法规支持页 | 4 个 | GMP、审计、CMC 文档能力 |
| 技术白皮书 | 12 篇 | 带技术深度与数据，最易被引用 |
| 术语表（中英对照） | 1 个 | 解决实体关联问题 |
| 项目阶段服务说明 | 5 个 | 按工艺开发→临床→商业化分阶段 |
| FAQ 知识库 | 58 条 | 以研发与 BD 的提问原文为标题 |
第 3 层 · 技术底座
| 动作 | 说明 |
|---|---|
| Schema 结构化数据 | 部署 Organization、Service、FAQPage、Article、BreadcrumbList |
| PDF 转结构化 HTML | GMP 证书、体系认证、能力说明从 PDF 转为可解析页面 |
| 术语一致性校验 | 建立术语库，对全站内容做一致性检查（本行业特有的技术动作） |
| AI 爬虫放行 | 检查并修正 robots.txt，确保 GPTBot 等 AI 爬虫未被误拦 |
| 多语种 | 英文为主（海外客户占比高），中文同步 |
| 性能与架构 | 核心页面加载优化、内链按"技术主题簇"重组 |
第 4 层 · 权威信源分发：医药领域的信源权重完全不同
这是本项目与其他行业最大的差别。在医药领域，学术信源的权重高于一切商业内容。
第 4 层｜监管与备案信源
监管机构可查信息、备案登记、GMP 检查记录
→ 可信度天花板
第 3 层｜学术与专利信源
期刊论文、学术会议摘要（TIDES、CPHI 等）、公开专利
→ 医药领域 AI 最信任的信源类型
第 2 层｜行业媒体
医药专业媒体与行业报告
第 1 层｜官方与平台信源（地基）
官网、行业协会名录、平台档案、领英
→ 实体确认层，必须一致
需要特别说明学术信源的价值。医药领域的 AI 回答，高度依赖论文、专利与会议摘要。 一家 CDMO 如果从来不产出学术内容、也不参与学术活动，它在 AI 的语料里就等同于"不存在技术能力"。我们推动 B 公司系统性地参与行业会议、发布技术摘要、公开可披露的工艺研究成果——这类内容的引用价值，远高于任何一篇自我宣传。
同期，内容中也纳入了真实的行业背景判断，让内容本身具备信息增量。例如 GLP-1 外包渗透率的变化趋势、全球产能缺口的结构、口服小分子 GLP-1 兴起对 CDMO 边界的影响——这类"信息增量"是模型最愿意引用的内容类型，因为它提供了别处没有的判断，而不是复述共识。
第 5 层 · 监测与迭代
- 每月用同一组 40 条提问复测四个平台；
- 记录三项指标：是否提及 / 出现位置 / 被引用的信源是谁；
- 单独跟踪"能力参数型"与"权威信源型"提问的命中率——这两类是本行业最具商业价值的指标；
- 计算"答案份额"，对未覆盖的技术主题补充内容；
- 发现 AI 对能力的描述有误时（例如把产能规模说小、把技术能力说错），追溯并修正源头页面——在医药领域，能力描述错误不只是营销问题，它可能影响客户的合规判断与信任基础。
成果
项目周期：10 个月
| 指标 | 基线（2025.09） | 结果（2026.06） | 变化 |
|---|---|---|---|
| 研发提问集品牌提及率 | 3 / 40（7.5%） | 18 / 40（45%） | +37.5 个百分点 |
| 能力参数型提问命中（共 14 条） | 0 条 | 7 条 | 从 0 到 1，价值最高 |
| 合规与质量型提问命中（共 11 条） | 0 条 | 5 条 | 从 0 建立 |
| 被列为推荐供应商的提问数 | 0 | 6 | 进入候选池 |
| 被引用来源中出现学术类信源 | 0 处 | 9 处 | 关键结构变化 |
| 月均实质询盘（RFQ / CDA 阶段） | 6 条 | 24 条 | 增长 300% |
| 海外询盘占比 | 31% | 54% | 客户结构升级 |
| 白皮书月均下载 | — | 340 次 | 新增专业内容入口 |
几个值得注意的细节：
- 学术信源的建立是最慢、但回报最高的动作。 前四个月几乎没有可见变化，第五个月起，随着技术摘要与白皮书被引用，能力型提问的命中开始集中出现。这是医药行业 GEO 的典型节奏——它更像种地，不像投放。
- 技术白皮书的引用效果远好于企业介绍类内容。 12 篇白皮书中的 5 篇，成为了 AI 回答"技术难点类"问题时的稳定引用源。这印证了一个判断：在专业门槛高的行业，AI 引用的是"知识"，不是"介绍"。
- 术语统一带来的收益被低估了。 在治理术语之前，B 公司的多肽能力与寡核苷酸能力在 AI 眼中似乎是两家不同公司的能力；统一之后，模型开始把它们关联为同一个技术主体的完整能力图谱。
- 本行业周期最长，成果应落在"技术对话"而非"签约"。 从接触到进入供应商短名单，通常需要技术评估、保密协议、方法学验证等多轮环节，周期常在 6–12 个月。因此可量化成果集中在实质询盘、保密协议签署、技术评估请求上。
这个案例说明了什么
1. 在医药领域，GEO 的核心不是"曝光"，是"权威性"的语料化。
医药是 YMYL 领域，AI 的答案更依赖权威来源。这意味着行业会议、技术摘要、专利、白皮书这类内容，权重远超宣传性内容。一家 CDMO 如果在学术语料里没有踪迹，它在 AI 眼里就不具备技术能力——这和它实际的技术水平无关，只和它的语料有关。
2. 在合规边界之内，可被检索的东西比很多人想象的更多。
医药领域对宣传有严格限制，但这不意味着"没什么可做"。产能、纯度、杂质控制、体系认证、审计历史、CMC 文档能力——这些是纯粹的技术事实，合规、客观、且必须被检索。 恰恰是这些被企业锁在商务 PPT 里的内容，最需要被结构化公开。
3. 术语一致性是医药 GEO 的隐形基础设施。
多肽、寡核苷酸、偶联这些概念在中文、英文、缩写之间有大量变体。术语不统一，模型就无法把分散的能力关联成完整的技术画像。 这是一项看起来枯燥、但收益很高的工作。
4. 这一行的 GEO 窗口期正在关闭。
GLP-1 带来的产能缺口让 CDMO 处于卖方市场，但客户依然需要通过检索来找到你。随着赛道热度上升，头部企业的语料优势会快速固化。在"谁被 AI 认为是可靠技术方"这件事上，先进入者会获得持续的引用惯性。
方法可复用性说明
本案例的方法适用于以下类型的企业：
- CDMO / CRO 等医药研发与生产服务企业；
- 生命科学仪器、试剂、耗材、生物制品等专业技术型企业；
- 决策者为研发、技术、临床与注册人员，采购依据为技术能力与合规资质的企业；
- 处于 YMYL 领域、内容受严格合规约束、但在技术事实层面存在大量可公开信息的企业；
- 拥有学术资源（论文、专利、会议）但未将其纳入品牌语料建设的企业。
不适合 GEO 的场景也如实说明：业务完全来自战略合作与长期绑定的 CDMO（客户关系已锁定，无需公开获客）；不具备可公开技术能力的中介型服务商；以及处于临床前早期、尚无可披露技术积累的平台型早期公司。
本案例仅涉及技术能力与制造服务的可公开信息，不涉及任何药品适应症、疗效或安全性表述。
本文档由赛泊斯 GEO 团队整理。
