国方创新韦亚光：看重AI制药资产验证效率，布局生物学模型与验证通量

化学层接近收敛，生物层价值上限尚未兑现。

本文为IPO早知道原创

作者｜罗宾

据IPO早知道，近日，在第十一届医药创新与投资大会的“投资人经验分享论坛”期间，国方创新合伙人韦亚光发表“AI制药价值分布与投资策略”主题演讲。

韦亚光表示，AI制药行业已经积累了一批临床管线和商业合作案例，但行业仍面临生物学层面的关键挑战，技术突破与资产价值之间尚未完全建立对应关系。2026年，中国AI制药正在进入以虚拟细胞为代表的生物学探索阶段，能否突破生物学因果关系的建模与验证，将影响行业的长期价值上限。

在投资层面，他提出，AI制药公司的估值需要同时考虑资产生成速度、单个资产的潜在价值，以及资产生成效率的变化。对于人民币基金，更应该关注可验证的资产产出和临床进展，以验证与兑现效率作为投资依据。

虚拟细胞成为下一阶段的重要机会

韦亚光首先从行业的进展阶段切入。他表示，AI已经能够在庞大的类药化学空间中，通过计算模型对分子进行筛选、排序和优化，并对结合能、选择性及ADMET等性质进行预测，因此AI对药物研发的推动，在化学层面已接近收敛。“而下一阶段需要突破的是进一步理解生命系统的运行规律，发现人类既有经验之外的生物学机制。”

在此背景下，虚拟细胞是AI制药下一阶段的重要发展方向，“2026年是中国虚拟细胞的元年。多组学、表型组学与虚拟细胞等技术，正在推动AI制药从分子层面的计算与预测，向细胞及更复杂的生命系统建模延伸。”

虚拟细胞的探索重点，是尝试利用AI识别和学习超出人类既有经验分布的生物学规律。通过对生命系统进行全景模拟，研究人员有望发现传统研究方法难以识别的作用关系，进而拓展新的靶点发现和药物干预方向。

近期AIDD的答案是垂直专用模型，而非通用模型

谈到AI制药的技术路线，韦亚光指出，外界容易将AI在制药领域的应用与具身智能混为一谈。但两者对技术能力的要求存在区别。

“具身智能需要海量数据、大量算力和长期训练，很多场景下解决的是覆盖面较广的任务；AI制药需要在特定专业领域解决人类难以完成的问题，强调专业深度与推理结果精度。”

因此，AI制药更适合采用垂直领域的专用模型。通过Multi-Agent架构，可以让不同模态的文本和数据实现互通，将模型能力嵌入具体的药物研发任务中。

这一判断也与AI制药当前的产业瓶颈有关。AI制药当前最稀缺的资源是高质量数据，而非算力或模型能力。由于行业数据孤岛化、质量参差不齐和分布不均等问题，能够掌握独特实验数据，并将AI模型与湿实验结合，形成持续的数据积累和验证闭环，才是企业建立长期竞争壁垒的关键。

“模型可以持续迭代，但具有独占性、难以被其他机构复制的数据资产，才更有可能支撑企业的持续竞争优势。”

估值判断也要结合退出路径

公开资料显示，全球AI新药临床管线从2017年的4条增加至2026年6月的179条，其中9条已经进入III期临床。韦亚光表示，候选分子数量增加，并不意味着有效药物资产同步增加。企业还需要证明其分子能够进入IND、推进临床，并最终形成具有临床价值的产品。

因此最需要关注的是如何将估值水平与退出路径结合起来。

目前AI制药公司的商业模式大致可以分为四类：平台+BD、平台+自研管线、工具或软件服务，以及AI原生生物制药公司。不同模式的收入来源、验证程度和估值锚存在明显区别。

其中，当前相对成熟的模式是平台+BD，以及平台+自研管线。前者通过平台能力获得合作机会和BD收入，后者则通过自有管线积累临床资产价值。纯工具类公司的商业模式相对难以获得投资人的青睐，而传统药企向AI转型，还涉及组织机制和研发流程调整的挑战。

对于估值，单纯采用工具/软件公司的商业化收入倒推，或者完全按照传统生物科技公司的管线风险调整净现值（rNPV）估值，都难以充分反映AI制药平台的资产生成能力。

因此，国方团队的期权组合估值模型将三个因素纳入分析：一是资产生成速度，即平台能够以多快的速度产生候选资产，形成新的开发机会；二是单个资产的潜在价值，即候选资产经过验证后，可能形成多大的临床及商业价值；三是资产生成效率的变化，即平台能否通过模型迭代、数据积累和研发流程优化，形成资产生成的“加速度”。

“这套方法正在把AI平台的技术能力与未来可能产生的资产价值联系起来，同时考虑资产生成的时间和效率变化。”

他进一步指出：部分公司的市场估值已经提前计入了未来资产生成的预期。因此对于投资人而言，需要判断这些预期是否有足够的临床证据支撑，以及未来退出时能否获得相应的市场定价。

韦亚光指出，目前AI制药企业的主要退出渠道仍以港股上市为主，MNC并购退出尚未成为常态。对于工具类和平台型企业，通过孵化形成新的独立资产，也是一种值得关注的退出方式，晶泰科技在这方面提供了案例。

“退出本身是动态的，会受到时间和资本市场政策窗口变化的影响。因此，投资人在进入项目时，就需要将估值水平与可能的退出路径放在一起考虑。”这一点尤其体现在人民币基金的投资策略上。

在他看来，中国企业不必完全按照海外头部公司的估值水平进行定价。“美国市场可以继续探索大模型和前沿技术，承担技术上限探索和全球定价的角色；中国企业则可以发挥应用层优势，通过AI降低研发成本，并结合湿实验、临床探索和项目孵化形成资产价值。这种分工存在各自的发展空间。”

投一级看期权生成速率，投二级看估值/证据比

因此，韦亚光更强调赚验证的钱，避开叙事驱动的估值风险。

具体到投资方法，一级市场需要关注的是“期权生成速率”的可验证证据，即企业能否持续产生有价值的候选资产，以及这些资产能否进入临床验证；二级市场则需要关注“估值/证据比”，判断当前市值与企业已经取得的技术、临床和商业化进展是否匹配。

同时，他指出，应当谨慎看待以名义合同总额作为核心估值依据的项目。BD合同中的里程碑付款和销售分成尚待实现，合同总额不能直接代表实际收入，最终仍需由资产质量和交付能力支撑其价值。

韦亚光表示，分子胶、环肽、ADC及药物递送等领域仍存在估值相对可控的投资机会。其共同特点是具有较明确的技术应用场景，且AI能够在分子设计、组合筛选和工程化优化等环节发挥作用。其中，分子胶由于缺少明确的结构规则、复合物数据复杂，对AI与实验验证闭环的需求尤其突出；环肽和ADC则分别在不可成药靶点拓展、分子组合优化等方面存在广阔应用空间。

国方创新目前的布局也沿着生物学模型与验证通量两条主线展开，覆盖蛋白质设计、器官芯片、生物基础模型、AI+医疗数据及基于PPI数据库的AI靶点发现等方向。

2027—2028年将是多项临床管线成果集中读出的重要观察窗口，届时市场对AI制药公司的定价依据可能进一步向验证能力和资产质量靠拢。