2026年世界人工智能大会期间，AI制药领域的热度再度攀升。然而，在行业喧嚣背后，安永大中华区咨询服务主管合伙人吴晓颖在接受21财经记者专访时，给出了一记清醒的判断：“我不太认同现在已经形成了实质性的‘代际差’。”她明确表示，真正拉开AI药企与传统Biotech之间差距的，不是算法或算力，而是管线质量与临床数据。

估值逻辑争议：AI并非“万能钥匙”

近年来，随着AI技术在药物发现、分子优化等环节的渗透，一批以AI为核心的生物科技公司迅速崛起，部分企业凭借“AI制药”概念获得了显著高于传统Biotech的估值溢价，甚至在某些出海交易中展现出更强的议价能力。市场一度出现“AI药企与传统药企已形成代际差”的声音，认为AI正在重塑制药行业的底层逻辑。

但吴晓颖对此持保留态度。她认为，所谓“代际差”更多体现在商业模式和技术路径的探索层面，而非已固化为不可逆转的行业格局。“AI当然带来了效率提升，但目前还没有哪家AI药企真正实现了从发现到上市的全链条规模化验证。大家仍处于‘证明自己’的阶段。”

跨国药企的“买单逻辑”：临床问题才是核心

针对外界关注的“出海议价权”问题，吴晓颖指出，跨国药企愿意支付高溢价，其核心逻辑并非因为对方是“AI公司”，而是因为其资产能够解决明确的临床需求。“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。”她强调。

这一判断与行业实际案例高度吻合。近年来，多笔高额药物出海交易背后，均以临床数据亮眼、靶点明确、适应症市场空间大等传统因素为支撑。AI的作用更多体现在缩短研发周期、降低试错成本、提升候选分子质量等“隐性维度”，而非直接决定交易价格。

价值分水岭：从“讲故事”到“拿数据”

吴晓颖将当前阶段定义为AI制药的“价值分水岭”。在她看来，早期行业可以靠概念和融资讲故事，但如今投资人、合作方乃至监管机构，都已将目光聚焦于临床阶段的实际产出。“管线推进到哪一期？数据是否扎实？有没有解决未满足的临床需求？这些才是‘硬通货’。”

她进一步分析，AI制药企业要想穿越周期、建立真正的壁垒，必须经历从“算法驱动”到“数据驱动”的转变。单纯拥有算力和模型远远不够，能否获取高质量、多模态的临床数据，并形成闭环迭代，才是决定企业长期竞争力的关键。

行业痛点：数据壁垒与验证周期

尽管前景广阔，但AI制药仍面临多重挑战。吴晓颖指出，目前最大的瓶颈在于数据获取与标准化问题。生物医药领域的数据具有高敏感性、高异构性和低可及性特点，尤其是临床阶段的数据，往往掌握在大型药企和医疗机构手中，AI初创企业难以大规模获取。

此外，AI模型的预测结果与实际临床结果之间的鸿沟仍需跨越。“从分子发现到一期临床，再到三期获批，每一步都充满不确定性。AI可以缩小候选范围，但无法消除风险。”吴晓颖表示。

未来展望：效率红利待释放，合作模式或重塑

展望未来，吴晓颖认为，AI制药行业将进入“效率红利”释放期。随着更多AI辅助设计的药物进入临床验证阶段，行业将逐步积累起可信的数据资产，从而推动估值逻辑从“概念溢价”转向“数据溢价”。

她同时预测，未来AI药企与传统药企之间的合作模式将更为多元。传统药企有望借助AI加速自身管线布局，而AI药企则需借助传统药企的临床开发能力和商业化渠道。“这不是谁颠覆谁的问题，而是如何在各自优势领域形成互补。”

结语

在2026年世界人工智能大会的热闹背后，吴晓颖的冷静发声为行业提供了一个重要参照：AI制药的价值不在于技术本身，而在于能否真正解决临床问题。当潮水退去，只有那些手握“硬通货”——扎实临床数据的玩家，才能在新一轮洗牌中占据主动。