值得并购的AI药企没几家了

10月27日，Anthropic公开披露收购Mithril Medicine，这笔交易打破了大模型厂商此前只收购计算生物学工具公司的惯例。

这家被称作“一人药企”的Biotech，仅凭创始人借助Claude调度外部CRO与实验资源，就走完从靶点发现到小鼠药效验证的全链路。两条罕见肌营养不良管线随之归入Anthropic，成为Claude团队首批自研药物管线。

当前各方正在追抢AI制药标的，并购的剧本也不再局限于大药企单向引入AI能力，已经演化出多条并行主线：AI平台主动收购湿实验资产补齐验证链路、产业端向上收购AI工具与结构化数据集、AI药企之间同业抱团合并以及通用大模型企业的跨界入场。

买方阵营持续扩容，但所有交易的指向清晰而明确：争夺可控、可回流、权属清晰的数据资产。

全球AI制药并购四类交易汇总（动脉网整理）

一位总部在美国，在杭州设有分公司的AI药物研发公司Differentia Bio的创始人文雯，最近和我们聊了很长时间。

Differentia做的是药物研发中的决策赋能环节——通过整合公开知识库、多组学数据、临床以及客户数据，构建各类模型，形成数字孪生的虚拟实验，模拟不同治疗策略下的患者反应，为药企在靶点排序、资产选择到临床试验方案等关键节点提供决策支持。平台已经在商业化快速增长阶段，服务全球数十个药企。这个位置让她每天都要与不同合作方处理各类数据与模型问题，也让她对并购里真正值钱的东西有很具体的感知。

在文雯看来，大家谈论的数据权属，从来不只是实验原始数据，"它涉及多个层次：原始数据、分析后的数据，以及通过分析产生的模型资产，以及模型进一步形成的认知和决策知识。尤其是模型资产及其衍生的知识归属，包括所有权、使用权、模型训练权和后续商业化权利，正在成为AI产业新的知识产权议题。"

买方之所以执着于完整的数据权属，本质看中的不是一堆存储在服务器里的实验数据，而是一套可以持续自我迭代的闭环生产权：只有牢牢掌握从原始实验、数据解读到模型训练的全链条权属，才能不受外部合作条款的束缚，持续沉淀属于自己的生物学认知。

买方不再只有Big Pharma

2023年大量纯算法AI药企临床失利、估值崩塌的教训落地之后，市场在之后的交易里统一了新标准：不再单独为算法模型支付高溢价，优先收购能跑通干湿闭环、拥有可控实验数据链路的资产。

复盘2024到2026年公开的代表性交易，市场已经分化出四类清晰的并购路径，不再是过去"大药企花钱买下一套AI工具"的简单剧本。

第一类是向下并购：AI药企主动收购湿实验资产，属于进攻型布局。

AI模型可以短时间输出海量候选分子，但分子能不能合成、活性如何、毒性高低，全部要靠湿实验验证。

如果全部依赖外部CRO完成实验，会带来两个现实痛点：一是DMTA（设计-合成-测试-分析）循环被外包流程拉长，迭代速度受限；二是大量阴性数据、实验元数据的知识产权归属于服务方，AI药企无法拿回完整数据集迭代自家模型。

2025年6月，晶泰科技完成对英国自动化手性合成企业LCC的收购，拿到PACE自动化合成引擎、手性分子实体库与配套实验数据库，让湿实验产生的数据回流训练模型。Insitro在2026年初收购CombinAbleAI，同样是为了补齐大分子设计能力与生物学数据集，拓展平台边界。

AI药企向下并购的资产及诉求（动脉网整理）

第二类是向上并购：产业端向上收购AI与数据资产，以防守和能力升级为主要诉求。

2025年2月，CRO龙头康龙化成完成对海心智惠的控股，拿到肿瘤AI平台、合规肿瘤患者数据库与临床智能管理系统，把AI能力嵌入原有临床服务链条。罗氏在2026年5月宣布收购数字病理AI公司PathAI，IQVIA也把生命科学垂直大模型公司WhizAI纳入体系。

产业方买的不是炫技的算法模型，而是可以直接嵌入管线、业务流程的工具与数据集。“放到现在，如果自身业务没法和AI有效结合，不管是对外谈合作，还是推进融资，都会变得非常被动。”一家深耕仿制药CRO的从业者跟动脉网反馈。

产业端向上收购AI与数据资产（动脉网整理）

第三类是横向整合：AI药企同业抱团合并。

标志性事件是Recursion与Exscientia的合并，2024年11月交易正式交割，Exscientia退市成为Recursion全资子公司。

前者擅长表型筛选，后者拥有成熟的AI分子设计与自动化合成体系，合并后共享管线、分摊湿实验与临床成本。

AI药企同业抱团合并（动脉网整理）

业内人士认为，这类整合的逻辑很直接："他们看到了技术有一定的互补，或者客户有重叠，成本也是重复的——大家都要算力，计算资源可以复用，那整合就是有意义的。"

第四类是跨界入场：即通用大模型/算力厂商补全垂直数据与执行层。

这类买方不沿原有产业链向上补工具，而是从模型和算力侧向生命科学执行层嵌入。收购诉求不是服务既有药企客户，而是让模型获得可回流的湿实验数据、可合规部署的行业Agent和垂直客户入口。

通用大模型/算力厂商跨界（动脉网整理）

通用大模型厂商的入场，不是“产业端向上收购”，而是跨界买方在改变“谁来买”的名单。它们不缺算力和模型，缺的是垂直数据、湿实验执行层和合规场景，因此会进一步推高“干湿闭环资产”的稀缺定价。

但它们的出价逻辑、数据使用边界和整合方式，与MNC、CRO并不在同一张桌子上。

为什么能进入并购视野的AI药企这么少？

买方阵营持续扩容，但真正符合要求的标的却十分有限。

文雯在行业一线的感受是：真正能进入并购视野的AI公司本来就不多，“甚至不算并购，真正商务合作层面被看上的AI公司都不多”。

这是因为大部分AI药物研发公司技术还比较早期，还没有真正为终端药企的研发产生实质价值。药企不买单的情况下，CRO也没有必要与AI药物研发公司合作。

这背后是一套非常务实的算账逻辑。CRO评估AI技术的第一性原理，是"这个技术到底能不能给我的客户解决问题"。团队是否理解药物研发、理解生物学机制，肯定是核心点，但很多AI技术评估下来是没用的，因而压根不会被考虑。

确认有用之后，才是并购、自建还是采购服务的比较："如果我能很低成本采购你的服务，那为什么要收购呢？如果这个服务很贵，我觉得把它买了可以降低总体成本，划算，那才会考虑收购。但现在现实是，大部分AI公司估值还是比较高的，收他们不太划算。"文雯告诉动脉网。

这解释了为什么过去两年CRO大规模在做的，其实是找IT外包团队给自己搭Agent做自动化提效，而不是并购知名的AI制药公司。

而那些没能跨过验证门槛的公司，并没有停在原地等待。它们正在以另一种方式退出牌桌。

2025年4月，Vincerx Therapeutics终止与AI公司QumulusAI的合并意向，启动清算，这是它在不到四个月内的第二次并购失败。同月，Renovaro Biosciences与Predictive Oncology的合并计划受挫，彼时Predictive Oncology市值已萎缩至不足1000万美元。

2026年，AI驱动神经领域药企BioXcel Therapeutics申请美国破产法第11章破产保护，申报现金仅剩1380万美元，债务超过1.07亿美元。梯瓦以5750万美元“抄底”其核心资产。

这些公司不是“未被收购的AI药企”，而是已经失去了被收购资格的AI药企。

即便是那些完成了标志性交易的，整合本身也在制造新的淘汰。Recursion以约6.3亿美元全股票交易收购Exscientia之后，在2025年6月启动裁员，裁撤约20%员工（约160人），同步精简、削减多条临床阶段管线；公司2025年全年净亏损6.45亿美元，股价相较历史高点回撤超过90%。

同业合并的初衷是分摊湿实验与临床的高额投入，但分摊成本有一个前提：管线能够交出预期的临床读出结果。当临床数据不及预期，合并并不会消解底层风险，只是把问题放到一张规模更大的资产负债表里继续承压。

数据权属问题，则把并购门槛推得更高。

Differentia这几年与全球的MNC、Biotech、CRO、大学、医院等不同类型的合作方打交道，对数据归属的差异体会颇深。在他们的实际合作经验中，企业客户，无论是跨国药企还是Biotech，通常都不允许服务商未经授权将项目数据用于其他客户的模型训练或商业化应用。

差异主要体现在数据留存、备份及衍生成果的处理方式上：部分MNC要求项目结束后按合同约定删除原始数据，而一些Biotech则允许在特定条件下保留备份。科研机构和医院的合作模式相对灵活，因为发论文本来就经常需要上传原始数据，所以通常愿意把商业化的权利给企业，但同样需遵守伦理、隐私和数据授权要求。

在文雯看来，原始数据只是价值链的起点。真正产生价值的部分，是"怎么去整合这些数据，以及从数据里得到更有用的认知"。Differentia和客户的约定通常是两层：一层是数据使用——不用客户项目的数据训练模型、服务其他客户；另一层约定衍生沉淀内容，服务方可保留项目里提炼出的可跨项目复用的知识、认知和方法，具体边界取决于合同约定。

这也是数据资产成为AI制药并购重要驱动力的原因。传统外包模式下，服务商通常只拥有约定范围内的数据使用权，既不拥有客户数据，也无权自行转售。对买方而言，并购可获得目标公司自有的数据资产、技术和模型能力，但并不意味着自动获得所有第三方客户数据的使用权；但真正的长期价值不在于拥有数据，而在于能否持续将数据转化为经过验证的科学认知和商业价值。

数据深度比数据量更值钱

那什么样的AI药企，才算是有价值的并购对象？业内人士给出的评估标准，和资本前几年的审美很不一样。

评估标的时，首先要考察数据的稀缺性、规模、质量与法律权属边界，也就是相关协议对数据使用范围的约定。相较于数据覆盖面，数据连续性更为关键。

不少机构手握数亿条检测记录，体量可观，但数据仅留存检测读数，缺少配套的患者背景信息：没有适应症、既往治疗方案、合并用药等关键信息。即便数据总量庞大，有效信息密度依然很低。

具备高价值的患者数据，需要串联起病例基线、治疗史、质控信息以及长期动态随访结局，追踪患者后续的病情变化。单纯积累大量细胞、动物层面的实验数据，很难形成决定性优势，动态、连续的深度临床数据才是核心。

其次是模型的验证基础。行业共识是，深度数据集的价值远胜于单纯的数据规模。据文雯透露，Differentia在2023年就利用患者多组学的深度数据建模，预测靶点排序并发表了相关成果。而在过去两三年里，排名前二的机制靶点陆续获得了独立临床实验验证。这验证了一个判断：真正深度的数据，比数据量大要有意义得多。

无论数据体量或是模型参数量，最终的评判标尺落脚于人体层面的验证效果，模型经过多少落地项目检验、能否有明确时间戳的前瞻性预测，并后续在患者数据中得到验证。这比单纯在已知结果上进行回顾性拟合，或者仅在细胞或动物实验中验证，更能体现模型的价值，也是拉开差距的核心。

最后是商业化落地能力。收购方在决策阶段，会持续对比收购标的与自研搭建两条路径，测算自研所需投入的人力、时间成本。

标的真实价值的一个直观信号是客户复购：复购意味着技术方案已经在项目里兑现价值，获得产业端的持续认可。Differentia的虚拟实验技术目前实现了100%的客户复购，表明其技术在实际项目中的持续价值。在临床实验中，Differentia可以通过虚拟实验优化患者筛选和试验设计，帮助申办方提高研发效率和控制成本。例如，在具体场景下，可以帮助申办方将临床试验入组人数由200例压缩至120例，直接降低临床投入，形成可量化的成本收益。

产业链正在洗牌

当前，AI制药赛道正在发生清晰的分层。

缺少自有实验体系、没有临床读出能力、只持有算法模型的纯算法AI药企，护城河正在持续变薄。这不是一句预判，而是已经在发生的定价事实。

当买方可以获取平台能力，或者以自建团队替代外部算法时，一个只交付模型的公司很难要求并购溢价。它们的现实出路更可能是参与同业合并、转型为垂直SaaS或Agent工具，或者成为更大平台的一个功能模块，而不是独立标的。

中小型独立CRO则处在双向挤压之中——上游头部AI药企自建自动化实验室分流早期发现订单，龙头CRO通过收购AI公司沉淀自有数据拉开差距。缺乏差异化能力、技术积累和持续客户价值的传统服务模式的CRO企业，会走向被并购或出清。具备专业执行能力、数据整合能力或技术平台优势的企业，才具备属于长期的竞争力。

但另一面是，实验验证本身正在变成瓶颈：AI生成的候选分子越多，对高通量湿实验评价的需求越大，头部CXO的订单反而在放量。被挤压的是没有差异化能力的中小CRO，不是“CRO”这个环节本身。

真正稀缺的，是同时具备自动化湿实验平台、权属清晰的深度数据、人体验证记录和客户复购的资产。这类资产的数量不会因为买方变多而变多。

这也是为什么罗氏愿意为PathAI付出10.5亿美元，阿斯利康把Modella AI整个并入肿瘤研发中心，Anthropic愿意为6个人的Coefficient Bio付4亿美元。买的不是人数，是已经沉淀下来的、很难从零复制的验证能力和数据位置。

而通用大模型厂商的入场，也在改变“谁来买”的名单。

Anthropic在2026年4月收购Coefficient Bio，拿下这支源自基因泰克的计算生物学团队、药物研发全流程know-how与垂直生物学建模能力；OpenAI收购Orchestra Bio，补齐药物研发项目调度、自动化实验链路与闭环执行体系。

这些买方手握算力与基础大模型，短板集中在生物学垂直数据集、可回流训练模型的湿实验执行层。它们的收购逻辑和跨国药企、CRO并不相同，却会进一步推高干湿闭环资产的稀缺定价。

AI制药的并购市场，正在从“买故事”转向“买验证”。模型只是工具，不再是核心护城河；所有并购交易背后博弈的内核，是可控的实验数据权属。

谁能够稳定产出拥有自主知识产权的湿实验数据，完成AI与实验的闭环，谁才具备并购价值，以及长期的产业话语权。

(责任编辑：zx0600)