21专访丨 安永吴晓颖：AI制药走到价值分水岭 临床数据是“硬通货”

2026年，AI制药行业正站在一个微妙的分水岭上。

一边是传统创新药企在“去泡沫后结构性分化”中艰难转型，Me-too管线承压、融资依然偏冷；另一边，AI赋能的差异化管线频频获得跨国药企（MNC）大额BD订单，英矽智能在半年内接连拿下施维雅、礼来、SK Biopharmaceuticals、武田四笔合作，潜在总价值逼近70亿美元。

当下，晶泰控股、英矽智能、剂泰科技组成的“AI制药三小龙”已齐聚港交所。那么，AI是否正在药物研发领域制造出实质性的“代际差”？资本市场的估值逻辑发生了怎样的本质变化？中国药企出海又面临哪些隐性合规挑战？

2026年世界人工智能大会期间，安永大中华区咨询服务主管合伙人吴晓颖在接受21世纪经济报道记者专访时表示：“我不太认同现在已经形成了实质性的‘代际差’。”面对记者关于AI药企与传统Biotech之间是否已出现估值逻辑和出海议价权“代际差”的提问，吴晓颖给出了明确的判断。

在她看来，目前真正拉开企业差距的，仍然是管线质量和临床数据。“跨国药企愿意支付高溢价，通常看中的是资产能不能解决明确的临床问题。AI在其中提高了发现和优化效率，但很少会因为单纯使用AI而形成交易。”吴晓颖表示。

管线质量仍是核心

但这并不意味着AI的作用可以被忽视。

2026年被行业视为AI制药的“临床验证之年”。多家头部企业管线已进入三期临床，FDA与EMA也在2026年1月联合发布了《人用药品和生物制品研发中人工智能良好实践指导原则》，提出了10条核心原则。

吴晓颖指出，AI带来的变化主要体现在研发体系上。“企业如果拥有了高质量数据，还能把算法、实验验证、临床反馈这些因素连起来，就可能更早发现低价值项目，从而把资源集中到更有潜力的管线上。”

对于市场热议的“中型药企不布局AI是否会被边缘化”的问题，吴晓颖认为，中型药企没有必要都去自建AI平台。

“自建平台投入很大，很多企业也缺少足够的数据和使用频率。更现实的做法，是把疾病理解、核心数据和研发决策能力这些核心优势掌握在自己手里，再根据具体项目引入合适的AI工具或合作伙伴。”吴晓颖说，未来三到五年，AI很可能成为药物研发的基础能力之一。但药企真正需要注意的，还是核心业务能力的短板，比如自身数据长期分散、研发决策效率偏低、管线缺乏差异化。这样的公司即使接入了AI平台，也很难改善出海议价权。

这也意味着，AI能把一家公司原有的能力提升，但很难替代药物研发本身的基本功。

而目前，资本市场的估值逻辑已经发生了本质变化。“现在资本给AI制药企业的估值，首先算的是管线价值。AI只有在能够提高研发决策质量、缩短关键节点时间、减少无效投入时，才会带来额外溢价。算法多先进、平台覆盖多少靶点，这些因素可能很难独立支撑高估值了。”

她强调，在BD谈判中，财务和数据治理两个维度至关重要。“财务要讲清楚每条管线还需要投入多少，首付款和里程碑收入有多大兑现概率。数据治理要证明训练数据来源合规、模型结果可以复现、实验和临床结果能够回溯。”

吴晓颖特别提到，FDA与EMA在2026年发布的AI药物研发良好实践原则，把使用场景、数据治理、模型性能评估等列为重点。“AI无法消除药物研发的不确定性，它真正能做的是更早识别风险，并让这部分不确定性得到更准确的定价。”

MNC排队下单中国AI制药

2026年上半年，跨国药企明显加大了对中国AI制药企业的合作力度。7月2日，石药集团与阿斯利康签署siRNA药物合作协议，总金额达17.7亿美元；同一天，英矽智能宣布与武田制药达成超6亿美元战略合作。

这轮合作升温背后的核心逻辑是什么？

吴晓颖认为，原因多元。“包括算法和数据能力的原因，项目能更快完成从计算预测到实验验证的原因。也有成本优势的因素，但我认为跨国药企更看重的是研发决策能否提前、失败项目能否更早被识别这些真正的价值。”

吴晓颖观察到，这类合作通常不会停留在采购一个软件工具上。跨国药企更愿意围绕明确的靶点或治疗领域，和AI企业共同推进项目，并根据实验和临床结果分阶段去投入。对它们来说，真正有价值的是获得一批新的研发选项，同时还能控制前期风险。

相比之下，本土大型药企的诉求有所不同。“会更贴近自身的研发体系。很多企业希望借助AI来改善靶点选择、优化分子设计和候选物，解决早期研发项目多、决策慢、淘汰不及时的问题。”

2026年上半年，中国创新药对外授权（BD）交易金额达997亿美元，接近2025年全年1357亿美元的73%。全球医药交易TOP10中，中国药企独占8席。但在交易火爆的背后，合规风险不容忽视。

License-out最容易遇到的挑战在于临床数据能否跨境提供、人类遗传资源手续是否完整、知识产权权属是否清楚。“任何一项准备不足，都可能导致首付款到账了，但项目却迟迟进不了全球开发。”吴晓颖说。

而NewCo模式的难点更集中在控制权和治理安排。中国团队保留多少股权、董事席位和决策权，核心技术怎么授权，未来新增的知识产权归谁，融资后的权益如何变化，都需要在交易初期说清楚。

对此，吴晓颖特别提醒，当前各国加强对生物技术、人工智能和敏感数据的审查，“一些看似普通的治理条款，也可能会影响交易审批和后续融资”。

吴晓颖建议，企业在签署条款清单之前，就同步做一次“可交付性体检”，把数据出境、人类遗传资源、知识产权、出口管制、税务和境外审查逐项梳理，并提前明确交割条件、数据隔离方案、权益回收机制。

产业成熟与资本周期双重驱动

随着剂泰科技于2026年5月登陆港交所，“AI制药三小龙”全部集结港股。剂泰科技此次IPO募资超21亿港元，创下2026年迄今港股医疗健康IPO募资之最。

如何看待这轮集中上市潮？吴晓颖认为，背后有多个因素：一是一批企业经过多年投入后，开始拿出临床管线、对外合作和持续收入了；二是港股的融资窗口明显改善；三是一级市场也确实需要退出的渠道。所以这既有产业成熟的成分，也有资本周期的推动。

对于资本市场如何定价AI制药企业，吴晓颖观察到两个视角。“平台部分看客户是否在持续付费、能不能形成重复收入、数据和模型能不能不断积累；管线部分看项目走到什么阶段、临床数据怎么样、企业还保留多少权益。”

她提醒道：“如果只讲平台，市场会担心最终变成研发服务公司；只讲管线，估值逻辑又会接近传统Biotech。最后真正容易获得认可的公司，通常既能证明平台持续产生价值，同时又至少有一两条管线进入临床验证。”

AI制药企业上市后，面临一个独特矛盾：技术黑盒加上长周期临床不确定性，容易引发股价剧烈波动与监管问询。

吴晓颖直指问题核心：这类公司上市后最容易出问题的地方，是把三种价值混淆在一起：一次性的里程碑收入、AI平台能力，以及具体管线的临床价值。这三者兑现的节奏是完全不同的。如果报表和公告没有拆开，市场很容易把短期收入当成持续增长，把模型能力当成管线成功率。那一旦后续数据跟不上，估值回调会很快。

对此，吴晓颖建议，企业必须分拆披露。“里程碑收入要讲清楚触发条件、确认时点和可重复性；研发支出资本化要保持克制，尤其早期项目的技术和商业可行性还没有充分验证时，激进的资本化很容易引发质疑。”

AI已渗透到分子设计、临床试验招募乃至审评辅助环节，在AI重塑CXO价值、大厂纷纷下场建医疗大基建的背景下，传统药企与Biotech该如何重新定位？

吴晓颖的答案清晰：“未来‘AI+研发’生态里，最有价值的角色是能够提出高质量科学问题、拥有独特数据，并把项目推进到关键验证节点的人。”

她认为，传统药企的优势在于疾病理解、临床开发和商业化体系，“更适合做资源整合者”；Biotech要“守住自己的核心价值，把靶点机制、转化医学和差异化管线做深做扎实”；CXO和科技企业提供算法、实验、数据和产能，“帮助项目更快地完成验证”。

对于资源有限的中小企业，吴晓颖给出了具体路径：“靶点有价值，就应该尽早围绕关键里程碑配置外部资源。通过AI平台提升分子发现效率，通过专业的CXO完成实验和开发，通过医院和专家网络验证临床价值，再通过联合开发、阶段性授权或产业资本引入后续资金。”

从“炒概念”到“真落地”，AI制药行业正在经历一场从技术叙事到价值兑现的深刻转变。正如吴晓颖所言，AI无法消除药物研发的不确定性，但它能让不确定性得到更准确的定价。而这，或许正是这个行业走向成熟的真正标志。