前几天，Endpoints News报道，美国AI公司Anthropic正在招一名生物医药方向的企业并购负责人。一条招聘启事本身不算大事，但把它放进今年的时间线里，位置就很清楚了：2026年4月6日，它以4亿美元收购了美国生物技术公司Coefficient Bio;4月14日，瑞士药企诺华的首席执行官万思瀚进入它的董事会，路透的表述是第一位加入这家AI公司董事会的制药业高管;2026年6月30日，它发布Claude Science，同时宣布自己要做新药发现，方向是传统药企不愿意碰的被忽视疾病。工具、联合开发、自有资产三种形态它都有了，缺的是把三者串成业务线的人，所以现在招的是做交易的人。

同样的事在中国这边密度更高。2026年6月10日，媒体报道中国互联网公司字节跳动的AI制药业务线启动拆分与独立融资，核心团队、算法、平台和已有管线整体注入新主体，字节保留控股权，这里的"独立"指的是融资层面的独立，不是控制权的转移;9月16日，路透社援引两位知情人士的报道给出了这笔融资的结果：拆出来的公司叫Anew Labs(新生实验室)，总部在上海，首轮融资2.9亿美元，投后估值15亿美元，字节跳动保留56%股份、保持控股地位;本轮由HSG(原红杉中国)、IDG资本和高瓴投资领投，五源资本联合领投，高榕创投、春华创投、博裕资本参与，战略投资者包括中国生物制药和上海未来产业基金;它在北京朝阳园北区建的800张床位三级综合医院，2025年1月拿到北京市卫健委批复，投资约60亿元，据媒体报道技术底座用的是自家的火山引擎，规划2029年底建成投用，对外称要做中国第一家"AI原生"医院。

中国互联网医疗平台京东健康2024年把唐山弘慈收成全资、间接控制唐山市中心医院(唐山弘慈持有该院运营公司70%股权)，2026年4月又在望京开出一家综合门诊，同时投医美诊所;另一家中国互联网医疗平台阿里健康推出面向临床医生的医学大模型"氢离子";中国互联网公司百度支持的生命科学大模型公司百图生科在3月递交港交所上市申请;中国互联网公司腾讯在2026年2月公开了一项完全由AI设计的短序列多肽GLP-1专利。海外的钱也在同步进：英国AI药物设计公司Isomorphic Labs(从谷歌DeepMind分拆、属Alphabet体系)在2026年5月宣布完成21亿美元B轮融资，美国芯片公司NVIDIA和美国药企礼来在1月宣布共建AI联合创新实验室，据双方公告与媒体报道，这笔投入的规模是10亿美元、分五年。

这些动作分开看各有各的理由，放在一起是同一件事：科技公司不再只当供应商，而是拿钱、拿人、拿资产，直接站进生物医药的产业链里。业内把这批公司统称TechBio，也就是以技术栈为主体、把生物学当作要攻克领域的生物医药公司。

TONACEA

01

先把这两个词说清楚

BioTech和TechBio的分别不在行业标签，在主体是谁：BioTech的主体是生物学，技术是工具，护城河在分子、专利、临床数据和适应症权益;TechBio的主体是技术栈，模型、数据、算力、工程能力是它真正的资产，生物学是它要去攻克的领域。

判断标准就一条：把模型和数据拿走，它还剩下什么——剩下分子、专利和临床数据的是BioTech，剩下更主要靠模型、数据和工程能力撑着的是TechBio。这个定义不涉及高低，只涉及它怎么赚钱、按什么逻辑被定价。

TONACEA

02

五个原因，挤在一起

第一个原因，瓶颈换了位置。AlphaFold之后，结构预测这件事被基础设施化了，一个刚成立的团队也能拿到过去只有大药企才有的建模能力;研发的卡点从"能不能设计出分子"移到"能不能验证这个分子"，而验证是典型的数据密集型工作，这正好是科技公司的舒适区，也是它们最有动力去买资产的原因。

第二个原因，账本不一样。Anthropic花4亿美元买一家公司，在它的资产负债表上是一行;同样的钱放在绝大多数生物技术公司账上，就是全部身家。以NVIDIA、微软、谷歌这类公司的体量，10亿到20亿美元级别的投入不需要开董事会开到深夜，而这个量级已经足够在中国买下一家三级医院、在欧洲买下一家多肽CDMO;融资成本的差距，直接决定谁能等。

第三个原因，数据是终局。字节自建医院、京东收医院、阿里做流通、腾讯投上游、百度做底座模型，五条路径表面差异很大，共通点是想拿到别人拿不到的数据：临床、影像、处方、工艺;模型会趋同，因为论文和开源会把差距抹平，数据不会趋同，因为它长在具体的场景里，需要有人一段一段去采。

第四个原因，规则给了口子，而且这条口子在中国开得更具体。818号令是《生物医学新技术临床研究和临床转化应用管理条例》(国务院令第818号)，2026年5月1日施行，把这条路分成两段：临床研究走备案，由具备条件的医疗机构依法备案后开展;临床转化应用走审批，经国务院卫生健康部门审查批准之后，医疗机构在具备规定条件的前提下才能开展、并按规定收取费用。

转化的条件写得不算含糊——按临床转化应用申报指南和形式审查条件，已经列入《生物医学新技术临床研究备案指导清单》的技术，要满足两条之一才纳入审批范围：一是个性化程度高、且国内还没有同类机制原理的药品获得上市许可或启动确证性临床试验，二是用于治疗罕见病、且国内没有同类机制原理的同适应症药品获批或进入确证性临床;申请条件三条必须同时具备，即依法备案并完成临床研究、临床研究证明安全有效且符合伦理原则、临床研究阶段经多中心参与并遵守操作规范独立实施且结论一致，此外还有机构资格、GCP备案专业覆盖、技术负责人资质与13项附件材料这些硬门槛。

这套条件里最值得AI公司盯的是第一个入口：个性化程度高。个体化治疗一人一份设计、一人一批制备，走药品路径时批次一致性和标准化最难跨;818把这类技术单列成可申请转化应用的情形，它给出的思路另辟一路：不去把个体化产品硬做成标准化产品，改用统一的技术平台、统一的临床应用操作规范、统一的质量控制体系，把个性化做成可规范化的临床转化应用——确证性临床研究指导原则对"个性化技术"的定义正是这个意思：技术方案、关键原材料、制备工艺或治疗干预依赖患者独特的临床表型、基因型或生物标志物，相对难以形成统一标准化产品注册上市，但可以通过统一的技术平台、操作规范和质量体系实现规范化临床转化应用。

而"一人一份设计"恰好是AI最擅长的任务类型，新抗原的预测与筛选、序列与结构的设计、每个患者方案参数的生成、放行数据的判读，都是生成和预测问题，不是物理实验问题，个体化治疗每天要做的判断量靠人工团队撑不住;两件事是咬合的，818修路，AI提供可扩展的设计能力。至于中国之外的规则，美国FDA在2025年1月发布过关于在药品和生物制品监管决策中使用人工智能的草案指南，欧洲药品管理局在2023年发布过药物生命周期使用AI的反思文件，欧盟的人工智能法案在2024年生效、义务分批适用，方向同样是把AI装进流程、把责任落到人头上。

第五个原因，资本窗口打开了。中国AI制药公司英矽智能在2025年12月30日登陆港交所，发行价24.05港元，募资净额超过20亿港元，是当年港股规模最大的Biotech首次公开发行之一;另一家中国AI制药公司晶泰控股，据其2025年度业绩公告，当年首次实现全年盈利，收入增至不少于7.8亿元人民币、同比增长约193%，扭转了2024年约15亿元的亏损;做AI制剂与纳米递送的剂泰科技在2025年8月完成4亿元人民币D轮融资，由北京市医药健康产业投资基金和大兴区产业投资基金联合领投，2026年5月13日以07666在港交所主板上市，发行价10.50港元、募资超21亿港元，2026年上半年营收1.54亿元人民币、超过上一年全年47%，9月又先后与绿叶制药签下AI药物递送战略合作、与昭衍生物合资搭建mRNA CDMO平台;二级市场愿意给AI制药估值，一级市场的钱才敢跟着进。

TONACEA

03

他们的优势，是真的优势

模型和算力对它们是原生能力，不是采购项。药企买算力和模型要立项、要预算、要跟IT部门排期，科技公司是拿自己团队的产出直接用。

工程迭代的速度不在一个量级：药企的研发节奏以年计，科技公司的产品节奏以周计，模型、数据管道、评测集这些东西可以快速迭代。字节跳动在2026年1月发布的蛋白质结构预测模型SeedFold，公开口径是基于2650万个蛋白质结构训练、在多个基准上超过AlphaFold 3;更早的2025年10月，它的PXDesign平台在6个靶点上做实验验证，5个拿到纳摩尔级(也就是纳摩尔浓度级别就能结合，属于比较强的结合力)的结合物，单个靶点内部的命中率区间是20%到73%，这里的命中率指设计出来的分子里真正结合上的比例，跟"6个靶点做成5个"不是同一个口径。这些数字来自媒体报道和公司口径，需要用后续的重复实验来看，但它至少说明一件事：设计端的工具已经进入可用的区间。

分发能力是另一个被低估的优势。百度支持的百图生科把生命科学大模型做成基础设施，服务超过800家机构，并与法国药企赛诺菲签下10亿美元级别的合作;Anthropic的客户名单里有法国药企赛诺菲、丹麦药企诺和诺德和美国药企艾伯维，美国药企百时美施贵宝把Claude作为共享智能平台部署给3万多名员工。工具生意的规模效应，比一家一家谈管线授权要快得多。

还有一层是资本耐心。生物技术公司通常要在三到五年内给投资人一个退出答案，账上的现金跑道是硬约束;科技公司的耐心要长得多，它们可以承受一个五年不盈利、但能把模型和数据资产做厚的项目。

TONACEA

04

他们的劣势，也是真的劣势

第一，验证这门手艺，不是算力和钱能速成的。药物的成败在临床和工艺，不在预测精度;AI提高的是命中率和速度，抹不掉行业九成左右的临床失败率。到2026年，全球由AI参与设计的候选药物进入临床的数量被行业统计到170条以上，大约是几年前这一数字的七倍，十余款在冲刺III期(III期即上市前规模最大的一轮确证性临床试验);而完全由AI主导设计、已经获批上市的药物还没有一款，"参与"和"主导"是两个口径，不能混着读。差距就摆在这里，剩下的只是时间问题：2026到2027年的III期数据是第一次真正的考试。

第二，数据的可得性被高估了。真实世界数据在公立医院手里，临床数据受人类遗传资源管理和数据出境安全评估约束，工艺数据散在各家工厂的车间里、格式和口径都不统一。这三类数据恰好是最值钱的，也恰好是最难拿的;很多AI公司手里的数据规模听起来很大，但真正能用于训练的、有完整元数据和阴性对照的那部分，比例并不高。

第三，组织与考核的冲突。软件组织考核迭代速度，药物开发考核失败成本;一次入组事故、一批报废的批次、一份被监管发回的资料，代价可能吃掉一整年的模型进展，而把两套考核放进同一家公司，管理难度被普遍低估了。

第四，责任与合规没有现成答案。AI参与申报材料，可解释性、数据治理、证据要求怎么满足，责任最后落在谁头上，FDA那份草案指南讨论的正是这件事;对科技公司来说，这决定它在交易里能拿到哪一段：做工具很安全，做资产就要接住整套责任。

第五，估值逻辑和业务周期的错配。科技股的定价靠增长叙事，生物医药的定价靠现金流曲线;两者都难受的时候，最先被砍的往往是"要用十年才兑现"的项目，而药物研发恰好全部是这类项目。

TONACEA

05

如果我是他们，我会怎么做

第一，走三步，不跳步：先卖工具，再联合开发和大规模落地，最后才自己做资产。Anthropic的顺序就是这个顺序，工具卖给赛诺菲、诺和诺德、艾伯维，落地在丹麦抗体药企Genmab和美国药企百时美施贵宝，做资产则从一笔4亿美元的收购开始;跳步的代价是：跳过工具和落地，直接买管线，等于用最贵的方式买自己最不擅长的能力。

第二，买时间，不买故事。并购的评判标准应该是这个标的是否缩短了"从设计到验证"的链条：有没有真实可用的实验数据，有没有干湿实验闭环，有没有能通过监管审评的文件能力;用科技公司的算法(买团队、买数据、买技术栈)之前，先补上药企的算法(销售峰值、专利期、支付环境)，否则出价一定会偏。

第三，把验证能力买进来或者在体内建起来。临床开发、CMC(化学、生产与质量控制)、法规事务、药物警戒，这四个岗位的密度决定一家AI公司能不能走到临床，而它们的人均经验通常不如一家中型生物技术公司，而补齐这一段最现实的方式，是合作或者收购一支完整团队。

第四，数据先做"能被机器读"这一步。与其囤算力，不如先把数据格式、口径、可追溯性做出来，自建医院和实验室的价值不在营收，而在于它能不能按统一标准采集数据;顺序反了，就是花钱买回来一堆工具，而最有价值的那部分数据依然躺在别人的系统里。

第五，认真对待中国的产业接口。对AI公司来说，中国的CRO、CDMO和Biotech是最现实的合作对象：从干实验到湿实验的完整闭环在这里，临床资源在这里，产能也在这里，结构上最稳的是"出租平台、联合开发、权益分层"，买断是最后的选择;对国内公司来说，这既是订单，也是一次重新谈定价权的机会。

TONACEA

06

对行业的正面影响

第一，长钱进来了。AI叙事把原本不投医疗的资本——科技基金、主权基金、大厂战投——拉进了生物医药，这类钱的特点是单笔大、周期长、容忍失败。

第二，基础设施被一次性建起来。模型、自动化实验室、数据标准、评测集，这些东西的公共属性很强，后来者不需要从零开始搭。

第三，需求外溢到服务端。AI公司自己不做GMP，不做临床运营，不做注册申报的全套文件，验证环节的需求最终会落到CRO、CDMO和临床机构身上;对国内产业带来说，这是这一轮里最确定的机会。

第四，退出渠道变多。当AI公司以买方的身份出现在交易桌上，生物技术公司的资产——数据、团队、平台、早期管线——多了一个出口，估值方式也从"未来销售峰值"多了一路"对模型的价值"。

TONACEA

07

泡沫：有没有，还是留不留得住

估值和兑现的落差是第一条，前面那组170条管线对0个获批的数字，放在估值这条线上看更刺眼：它意味着这一轮的估值里含了大量的"未来"，而未来要靠III期数据兑付;如果连续几个III期失败，跌的一定先是估值，然后才是融资和招聘。

公开报道里，上一轮的教训已经出现过：英国的AI制药公司Exscientia部分管线终止，随后被美国的TechBio公司Recursion并购整合，同一赛道上的英国AI制药公司BenevolentAI也经历过大比例的价值回撤;上一轮的失败不是没发生过，只是被这一轮更大的资金量盖住了。

同质化是第二条。大家都在同一批靶点、同一批公开数据上训练模型，工具能力迟早趋同，最后拼的还是资产质量和临床执行，这一点在CRO和CDMO那边已经演过一遍：谁都能说自己有AI，产能和交付记录才是议价的依据。

挤出效应是第三条。钱和人才往AI叙事里集中，传统研发、制造、临床运营这些慢活相对被冷落，但药物最终要在车间和病房里做出来;如果这一轮的结果是"算法很热、产能和临床能力更缺"，那它对行业的净贡献会被打折。

也要给泡沫一个公道：泡沫的作用是把基础设施和人才一次性建起来，互联网的经验就是这样，代价是有一部分公司和投资人要付学费;真正的问题不是"有没有泡沫"，而是"泡沫退去之后，哪些资产还在桌上"——工具层最后大概率过剩、要打价格战，资产层永远稀缺，能同时握住数据、验证和合规能力的公司不会多。

TONACEA

08

接下来盯三件事

第一件，2026到2027年的III期数据。AI参与设计的分子第一次成规模地接受临床检验，读出来的数据决定这一轮的说法还能不能立得住。

第二件，大厂分拆和上市的实际结果。字节跳动的AI制药业务独立融资走到哪一步(9月16日已交出第一份答案：首轮2.9亿美元、投后估值15亿美元、字节保留56%股份)、百图生科的上市申请能不能过，决定这些业务从"成本中心"变成"资产"的速度，分拆本身就是一种回答，说明它们认为这条路需要独立的资本市场来供血。

第三件，医院和数据侧的动作。字节那家AI原生医院的建成时间、京东把医院收进来之后的整合效果、数据跨境与人类遗传资源管理在执行层面的松紧，这三样决定"采集—训练—再采集"这套闭环能不能真的转起来。

我的判断是，未来三年最可能的格局是分层：科技公司拿到工具层和数据层的定价权，药企、CDMO和临床机构守住资产层和制造层的定价权，中间的联合开发是最容易谈成的结构性方案;会受伤的是只有AI叙事、没有验证能力的公司;能吃到这一轮红利的，是那些既有真实数据资产、又有交付记录的中国服务方。