AI 制药估值难题与核心逻辑解析

多数 AI 制药企业的业务范畴主要涵盖创新药管线、产品商务拓展（BD）、CRO 服务以及软件或大模型中的单项或多项组合。

针对创新药管线，通常依据管线阶段进行估值；临床前阶段的创新药一般不予估值，而拥有 I 至 III 期数据的项目，则可参照创新药管线的标准方法进行评估。

关于 BD 业务或出售现有 PCC 的业务，目前尚未形成公认的估值体系。无论是首付款的倍数还是总交易额的倍数，其合理性都难以充分论证。由于 BD 首付款及总包金额目前较难证实具备可持续性，唯有在积累数年相对稳定的 BD 业绩后，才可能形成稳固的估值模型。

CRO 业务同样需要更长时间的历史数据积累，以佐证其收入的可持续性。

至于软件或大模型领域，其成熟度则更为早期。

因此，AI 制药公司的估值颇具挑战性，目前仍处于探索期。从股价表现来看，许多公司更多是受流动性和边际变化驱动，很难测算绝对价值。

若拥有全球范围内的 II 期临床数据，通常能为其平台赋予一定的溢价。

近期深入调研了大量国内外 AI 制药企业，形成如下观点：

1）现阶段 AI 主要解决的是化学层面的问题，如成药性、类药性、药代动力学（PK）及毒性筛选，这些多集中于临床前及 I 期阶段；而 AI 尚难攻克生物学层面的难题，如靶点准确性、人体内的机制有效性及患者异质性，这些主要集中在 II 期及以后。因此，AI 制药大概率能提升 I 期成功率，但是否能显著提高整体研发成功率，仍需更多数据佐证。上一轮 AI 制药的核心产品因大量 II 期数据未达预期，导致 Relay、Recursion 等公司股价大幅下挫。鉴于此历史教训，若平台产出的药物缺乏积极的全球 II 期数据，不应给予过高的平台溢价。

2）判断一个 AI 制药公司的平台是否可行，最终需依靠产出上市药物来验证，但这往往耗时至少十年。因此，短期内可通过 PCC 的质量与数量进行验证。PCC 的质量可借助与药企的合作来认证，跨国药企（MNC）的合作可视为强力背书。目前大多数 AI 制药公司采用 CRO 模式，即产出 PCC 后出售给药企，或与药企直接合作交付特定数量的分子。若仅停留在简单的 CRO 服务层面，其市场空间实质仅是制药行业早期研发投入的一部分。

3）部分企业正探索通过销售软件或大模型的模式，薛定谔（Schrödinger）的业务演变可为此类软件公司的发展提供参考。若自身拥有模块，可将其嵌入大模型并与大模型厂商进行分成，这或许具备想象空间，未来或可按 Token 收费分成，但目前该商业模式的落地仍需持续探索。