关键词包括：AI管线估值，rNPV，成本结构。 橡树资本的霍华德·马克斯有一个深刻的洞察：周期从不沿直线演进，而是呈钟摆式摆动。正如我们在个人生活中容易高估一天的成效，却低估一年的积累；在投资领域，分析师和投资者们也常常高估一年内产业的变革速度，却低估十年维度上的结构性转变。
从2024年7月某券商研报警示”AI+制药技术进展不及预期”，到2025年同期普遍宣称AI制药”破局在即”，市场情绪似乎经历了180度大反转。但如果我们诚实地审视现实，或许所谓的”破局”更多是跟随港股创新药ETF自2024年6月以来的估值修复行情，这更像是资本市场的”钟摆效应”，而非产业基本面的质变。
集体情绪如潮水般推动市场剧烈波动，要在这种环境中准确评估产业真实进展，其难度之大不言而喻。笔者正持续在此领域求索，文中或存疏漏与未逮之处，恳请各位海涵斧正。
生物医药管线有其独特的估值框架，AI制药作为新兴范式更增添了评估的复杂性。在本文中，笔者尝试通过一个相对客观的视角，系统性梳理近几年所有以AI制药分子管线为标的的BD交易来寻找一个答案。希望通过这些可验证的商业行为而非市场叙事或情绪波动，来尝试回答：AI制药在产业端究竟走到了什么位置？
生物制药估值逻辑与传统产业存在结构性差异，这一现象的形成可追溯至行业本身的多重特质。参考郑华与涂宏钢所著《医药行业估值》的分析框架，并立足于产业实践视角，这些差异的根源可归纳为以下几个维度：
首先，生物医药研发的固有复杂性与时间的漫长，使得基于当期盈利或现金流的传统估值方法（如市盈率法）难以适用。这促使业界转向以概率加权的风险回报框架来重构价值评估体系，用成功概率分布替代确定性现金流预测。
其次，制药行业在资本市场中呈现出期权资产的极端特征。这体现在三重结构性不确定性上：技术突破周期与商业化盈利周期的时间错配；监管壁垒所形成的信息不对称与准入垄断；以及尽管行业系统性风险系数（β值）相对较低，却面临单项目失败率高、融资周期长的悖论性特征。
最后，制药行业与生俱来的政治属性不容忽视。“生命无价”这一伦理命题超越了纯粹的经济逻辑，而不同政治体制对医疗成本效益的评估标准差异进一步影响着药物的最终收益实现——罕见病药物的开发便是典型例证，其在任何主流经济模型下都难以呈现理想的经济回报。
针对未上市药物管线，业界已形成两大主流估值范式：风险调整净现值法（Risk-adjusted Net Present Value, rNPV）与实物期权估值模型（Real Options Valuation, ROV）。两者均通过概率框架重塑价值逻辑，试图将不确定性纳入可量化范畴。
二者的本质区别在于：rNPV假设时间同质性，通过概率加权将各阶段风险”扁平化”处理；而ROV则强调药物管线与金融期权的结构相似性，对研发里程碑（Milestone）节点的隐含期权价值进行精细拆解。当存在可对标资产时，可比公司法亦可作为补充工具。然而综合考量实操效率与数据可得性，rNPV法因其相对简明的计算框架与较快的执行速度，已事实上成为大型MNC与BioTech们对早期管线进行价值评估的行业标准。
为了清晰地向读者介绍rNPV调整后的估值方法和AIDD管线的真实价值评估，让我们先理解rNPV法的几个核心要素。
其中折现率通常采用WACC（加权平均资本成本）进行计算，生物医药行业的基准区间为10-15%。
我们可以从这两个公式看出：公式(1)本质上是对各阶段现金流（包括研发投入与商业化收益）进行概率加权。在缺乏项目特异性数据的情况下，临床成功概率的先验分布通常基于历史数据的统计期望值。公式(2)则体现了资本的时间价值，由于生物医药项目从临床到商业化往往跨越10-15年甚至更长周期，时间跨度n值较大，复利效应使得远期现金流的折现幅度显著。将两者结合，我们得到rNPV的完整计算框架：
下图展示了一个处于临床二期的虚拟肿瘤管线rNPV简化案例：
回到AIDD行业，《How successful are AI-discovered drugs in clinical trials? A first analysis and emerging lessons》一文对2014-2023年间AI-native Biotech公司的管线进行了系统分析，给出了AI分子在不同研发阶段的成功率。
数据显示：
- 临床前→Phase I：成功率从35%提升至55%，相对提升约57%
- Phase I→上市批准：累积成功率从10%提升至30%，相对提升达200%
按照累积成功概率（PoS）提升纳入rNPV模型可以得到：对于处于临床前阶段的资产，由于需要经历的不确定性节点最多，AI技术对各阶段成功率的复合提升效应最为显著，理论上可使rNPV提升约3-4倍。相比之下，已进入临床后期的资产（如Phase II/III），由于大部分技术风险已被验证或排除，AI带来的增量价值有限，估值提升幅度预期较小。
但现实是否真的如此？让我们回顾AI制药公司近年来的BD交易，基于国金证券与医药魔方公开披露数据，对AI制药公司的管线资产BD交易进行回顾性分析。
为确保研究聚焦性，对纳入标准做如下界定：
- 转让方需拥有至少已完成IND申报的管线资产，并且交易标的为管线资产的任何形式权益转让。
- 转让方的管线资产交易排除捆绑AI技术平台的整体交易。
在此框架下，笔者通过公开信息交叉验证与事实核查，并补充早期AI公司资产交易数据，最终筛选出符合上述定义的8笔交易案例。
可以看到，排除因财务困境导致的低估值资产处置后，具有市场竞争力的交易呈现两种典型模式：
- AI+差异化技术平台：即使剥离AI标签，产品本身凭借独特的技术优势仍具备显著竞争力。
- AI+潜在Best-in-Class分子：分子本身因为AI优化展现出可能成为同类最优（BIC）的药效学或安全性特征。
值得注意的是，从首付款占总交易额的比例来看，上述交易并未显示出明显的”AI溢价”效应。这提示市场对AI制药资产的估值仍主要基于管线本身的临床价值与差异化特征，而非单纯的AI技术赋能。基于rNPV模型的理论分析中，AI可能支撑约3倍的估值溢价尚需更多临床数据予以验证。
值得注意的是石药集团的口服小分子Lp(a)抑制剂YS2302018，在其与AZ交易新闻稿中明确强调端到端AI设计属性，其交易条款最可能为行业提供AI溢价的参考基准。
我们可以采用可比公司法快速对该分子进行溢价估计来判断这一结论。以恒瑞医药授权默沙东的HRS-5346（同为口服小分子Lp(a)抑制剂，中国临床II期在研）作为对照标的，进行rNPV估值校准。
带入小分子药物整体成功率和心血管药物各阶段成功率的参考数据：
- 心血管药物Phase I → Phase II：50.0%；Phase II → Phase III: 21%
- 小分子药物Phase I → Phase II：50.6%；Phase II → Phase III: 25.6%
临床阶段调整：将HRS-5346视为”已完成Phase I、Phase II进行中”的资产，对标YS2302018的临床前阶段。
HRS-5346的理论估值约为YS2302018的2-10倍（倍数区间取决于是否将石药在中国同步推进的Phase II研究视为降低Phase II失败风险的正向先验信息）。在此对照下，YS2302018高达1亿美元的首付款确实体现出一定的AI技术溢价。
这一案例初步验证了一个渐成共识的趋势，对于小分子药物，端到端AI设计已开始在交易估值中体现为成功概率提升的量化因子（其物理化学性质及ADMET参数的可预测性为AI模型提供了较成熟的应用场景），其他药物技术溢价的形成需要更长的临床数据积累周期。
正如开篇所言，AIDD的高楼并非一夜而成，周期从不沿直线演进。从支付端来看，中国相对较低的人均收入使得大多数国人很难支付创新药的费用，从而限制了中国生物制药公司的发展空间。然而，这一困境也许会因为AI制药逐渐破除”十年、十亿美金、十分之一成功率”的铁律而出现转机。效率优势传导至下游，将重塑整个产业的竞争格局与可及性边界。
对于从业者而言，这意味着需要摒弃对短期”破局”的执念，以更长的时间尺度审视产业演进。
愿每一位躬身入局者，都能在这场十年长跑中，见证并成就这场静水深流的变革。