跳到主要内容

安斯泰来员工在基于 Open WebUI 的安全、自托管平台上构建了 420 多个自定义 AI 模型

安斯泰来制药

概述​

信息

安斯泰来制药（Astellas Pharma Inc.）如何通过在 Azure 上部署 Open WebUI 构建了一个安全、灵活的内部 AI 平台，使 3,000 多名员工 能够创建、自定义和共享生成式 AI 模型。用户自发构建了 420 多个自定义模型，并在整个组织中报告了 +43 的净推荐值（NPS）。

一览​

  • 用户规模：共计 3,200+ 人；包含 800+ 名可使用前沿模型的高级用户
  • 区域分布：全球（总部位于日本东京）
  • 所属行业：制药/生命科学
  • 部署方式：Azure AKS（私有端点）
  • 模型接入：Azure OpenAI, Gemini, DeepSeek, Perplexity
  • 部署耗时：约 1 个月（2025 年 4 月–5 月）
  • 使用粘性：5 个月内持续保持 30–40% 的周活跃用户（WAU）
  • 关键成效：创建了 420 多个自定义模型，68% 的用户报告了显著的效率提升，NPS 达 +43

关于安斯泰来制药（Astellas Pharma Inc.）​

安斯泰来制药（Astellas Pharma Inc.） 是一家全球性的生命科学公司，致力于处方药的研发、销售和制造。安斯泰来在约 70 个国家开展业务，拥有近 20,000 名员工，其使命是将创新科学转化为全球患者的“价值”。

面临挑战：没有供应商锁定的灵活、安全的 AI​

随着生成式 AI 技术的飞速发展，安斯泰来需要一个能够跟上步伐的平台，同时又不能将组织绑定到单一的模型提供商。该公司在数十个国家开展业务，面临着极其复杂的合规要求，且需要支持跨多种语言和学科的科学工作流。第三方 SaaS 工具提供的集成选项有限，定制受阻，并且缺乏全球性制药企业所需的严格安全与合规控制。

公司的核心目标：部署一个安全的、自托管的 AI 平台，为研发、临床开发、药物警戒、合规等所有部门提供利用前沿模型的灵活性，同时保持对安全性、合规性和数据治理的完全控制。

核心需求

  • 灵活的模型选择：自由选择和无缝切换不同的模型提供商
  • 本地部署模型的选项：能够针对敏感数据分析运行本地托管模型
  • 自定义模型创建能力：能够针对特定工作流定制专属模型
  • 安全共享与协同开发：在指定的用户组内安全地共享和协同开发模型
  • 强大的技术集成：能够与内部和外部系统进行技术对接

解决方案：Azure 上的 Open WebUI​

安斯泰来最终选择了 Open WebUI，因其具备卓越的灵活性、细粒度的权限控制和可扩展的架构，这使得安斯泰来能够将其完全托管在安全的私有环境中，同时支持自定义模型创建和基于用户组的协同工作。

架构亮点

  • 算力与编排：具备根据业务需求自动扩展的 Kubernetes（AKS）集群
  • 存储与数据库：Azure Database for PostgreSQL（支持静态加密，备份策略与内部合规性保持一致）
  • 网络安全：VNet 虚拟网络隔离；使用带私有端点（Private Endpoints）的 Application Gateway 接入 LLM API
  • 秘钥管理：集成 Azure Key Vault 进行安全的凭证管理
  • CI/CD 流水线：使用 Azure DevOps 流水线进行平滑升级、配置部署和治理控制
  • 日志与监控：API 管理服务、Azure 仪表盘、Databricks
  • 安全控制：通过身份提供商（IdP）强制执行多因素认证（MFA）、基于组的 RBAC 以及严格的数据驻留政策

“Open WebUI 允许我们在整个公司范围内安全地创建和共享自定义 AI 模型，同时赋予了我们充分利用任何可用前沿模型的极大灵活性。” —— 安斯泰来生成式 AI 团队负责人

模型与数据处理​

安斯泰来实施了多模型、多提供商的混合策略，为不同的任务匹配最合适的工具：

  • 主干模型：Azure OpenAI 系列模型
  • 研究辅助：Gemini, DeepSeek, Perplexity（用于网页搜索增强）
  • 模型筛选：高级用户可以从所有可用模型中自由选择；对于初学者则提供精心挑选的推荐选项以易于使用。默认模型由用户组分配，并支持手动切换
  • RAG 系统：针对性能优化了嵌入（Embedding）模型和文本分块大小。知识源包括 SOP（标准作业程序）、监管政策文档和外部医学研究数据
  • 敏感数据处理：采取审慎的治理优先方针。所有用户在获得访问权限前必须完成机密数据处理培训；系统会对使用情况进行合规性监控；对共享知识和模型的访问由最小特权原则的运营流程设计来约束

推广采纳与赋能​

安斯泰来采取了全面的推广赋能方法，针对 2,000 多名员工开展了为期两个月的导入项目，内容涵盖功能演示、互动式工作坊和实操课。在系统逐步推广期结束时，全公司范围的赋能培训已全部完成。

培训内容包括：

  • 关于生成式 AI 基础原理的互动课程
  • 关于模型创建和共享的 Open WebUI 操作培训
  • 针对高级使用和答疑的持续性答疑时间（Office Hours）

在随后的几个月中：

  • 5 个月内周活跃用户比例稳定在 30–40%
  • 用户自发地创建了数百个自定义模型，并在部门之间进行了共享
  • 所有部门都采纳了该平台，包括研发、临床开发、医学、销售、市场、法务、合规、药物警戒、行政、公共传播和企业战略部门

“我们收集外部科学信息的效率得到了极大的提高。能够根据具体的使用场景选择和切换模型，使我们的研究工作变得更加高效。” —— 安斯泰来研发部用户

取得成果：民主化、生产力与满意度​

安斯泰来内部 AI 平台 Open WebUI 界面截图

01. 用户驱动的模型创建​

员工可以针对自己的特定工作流定制专属的生成式 AI 模型（例如：研究简报模板、监管文件分析等），而无需漫长地等待 IT 部门的响应。该平台目前托管了 420 多个由用户构建的模型，这是自下而上自发采纳的清晰信号。

02. 自发增长与采纳​

该平台的用户规模自发增长至 3,200 多名总用户，其中高级用户群超过 800 人，展示出整个组织内部因需求驱动的强劲采纳态势。

03. 可衡量的效率提升​

68% 的用户 报告了其在日常工作中的显著效率提升，+43 的 NPS 表明各部门用户均具有极高的满意度。

04. 研究加速​

研发和科学研究团队报告说，在收集和汇总科学信息、临床试验摘要以及多语言医学文献方面的效率得到了大幅提升。

“对于编码任务，效率提升了十倍以上。我现在无法想象没有这个工具该如何工作。” —— 安斯泰来高级用户

热门使用场景​

  • 撰写和审查研发项目的科学研究简报
  • 汇总临床试验报告
  • 针对 SOP 和监管政策文件进行 RAG 检索问答
  • 针对医学研究数据进行外部信息收集
  • 多语言医学文献的翻译
  • 自动生成研究中数据分析流水线所需的代码片段

系统集成​

  • Microsoft Outlook：辅助起草和安排邮件回复
  • Microsoft Teams：在项目讨论中接入协同式 AI 对话
  • SharePoint：在 AI 工作流中安全地读取和检索文档
  • 内部文档管理系统：即时检索企业内部的知识库

安斯泰来为何选择 Open WebUI​

  • 模型自由：自由选择、切换和升级模型，避免被供应商锁定
  • 自定义模型创建：员工可以轻松构建和共享符合其独特工作流的模型
  • 细粒度权限控制：基于 RBAC 和群组的协同工作控制
  • 自托管灵活性：在 Azure 环境内实现完全私有化的部署
  • 深度生态集成：无缝连接现有微软生态系统及内部核心系统
  • 高可扩展性架构：从最初部署自发成长为支撑 3,200+ 用户的健壮平台
提示

正在寻找 企业版计划？ —— 立即与我们的销售团队联系！

获取更强大的功能，包括自定义主题与品牌展示（白标）、服务等级协议（SLA）支持、长期支持（LTS）版本等等！

This content is for informational purposes only and does not constitute a warranty, guarantee, or contractual commitment. Open WebUI is provided "as is." See your license for applicable terms.