BD 团队、立项委员会、AI4S 研究员、IR / 战略——四种角色都在用，都从同一个工作台里取自己要的那一段。
BD 这个工种最值钱的是判断力，最稀缺的是判断之前不被信息淹没的精力。竞品在研、最近交易、买方动作、临床读出——这些信息散落在十几个数据源里，过去需要 senior 一个人扛。
BD Go 的工作台想替你省掉的就是后者。一个对话框接通了 BD 工作里高频会用到的公开数据源，复杂任务先出计划再跑、简单问题直接答。情报、画像、报告生成留在同一个上下文里，跨多轮对话不掉线。
立项决策最难的不是判断本身，是判断背后的论据能不能交代清楚——为什么这条线、为什么现在、为什么是我们。投决会上一句「差异化窗口」如果没有切片支撑，分量就是直觉。
DEF 把疾病、终点、技术前沿三轴叠在一起，给你看现有管线挤在哪里、空在哪里。AIDD 把候选靶点跑成一份带分数的立项包，每一步的中间产物都摊开。两件工具串起来，立项材料从「叙事」变成「叙事 + 证据」。
AI4S 这个领域过去几年最不缺的是漂亮的 demo，最缺的是别人能在自己机器上重新跑出同一个数的东西。一条流水线如果只在一个团队的环境里跑得通，就还停留在 demo 阶段。
AIDD 把每一步写成独立脚本、每一步落产物文件、每一步的方法学和阈值写进文档。需要 GPU 的步骤上云端，没有 GPU 的环境用本地的轻量替代——产出会标注是哪条路径出来的，不假装一样。AI4S 实验室是 BD Go 的研究端开放平台，欢迎你的团队把跑通的工作流提交进来。
战略和 IR 看的不是单个交易，而是模式：某家 MNC 这一季在补哪条线、某个治疗领域里最近半年的交易溢价怎么走、某条管线和我们手上资产的潜在替代关系。这些判断需要的是横向、纵向都能拉的视图。
BD Go 把全球管线、交易、读出、监管节点放在同一个查询入口。你可以问「过去 18 个月双抗交易的预付款分布」或「某 MNC 肿瘤管线在哪些靶点上有缺口」——结构化结果直接回写到关注列表，下次有动态自动推送。
学术会议是 BD 一年里信息密度最高的几天。AACR / ASCO 几千份 abstract、poster、late-breaking——靠人扫一遍既慢又会漏。重要的不是看完所有，是先看完和你正在跟的靶点 / 适应症 / 中国公司相关的部分。
BD Go 把会议日程接成实时摘要：按公司、靶点、适应症、阶段过滤；中国公司单独聚合一栏；BD 热度高的标记出来。会期开始前就能拉好你的「必看」清单，会期中跟着更新走。
JPM 那一周时间是稀缺资源——每天十几场会、每场会前要把对方的管线、最近交易、上一季业绩看一遍。准备工作如果用传统方式做，一个人一晚上只能过两三家。
BD Go 把这件事压缩成批量任务：把要见的公司清单丢进去，工作台并行拉每家的管线、SEC 申报、最近半年的交易和合作动向，出一张「会前一页纸」。会议中拿到新信息，回到工作台直接更新；会后的 follow-up 草稿也在同一个会话里生成。
传统的靶点立项是这样：BD 拿回来一个候选靶点，先开会讨论要不要做；定下来要做之后，生信、AI 制药、化学、专利各自启动一段工作；几周之后再开会拼成立项材料。整个过程最大的浪费在等和拼。
BD Go 把这条路径串成一条流水线：DEF 先在三轴上切片找差异化窗口，AIDD 把候选靶点跑成抗体或小分子立项包，最后落到一份带分数的报告。每一步的中间产物都可追溯，立项委员会上能直接看到论据。
竞品对标这件事的难点不在于一次做完，而在于持续更新。今天做完一份「我们 vs 五家竞品」的对标，下个月某家发了 Phase 2 数据、某家拿了授权、某家专利到期了——整张表又要重新拉一遍。
BD Go 把对标做成一张可订阅的雷达：把竞品列入关注列表，管线、IP、交易、临床读出有任何变化都会推送过来；自动生成的对标表在每次有新动态时增量更新，不用每次重做。