Anthropic收购Mithril Medicine，AI制药并购四类路径浮现

10月27日，Anthropic把Mithril Medicine收入囊中，消息已对外公开。大模型厂商以往只买计算生物学工具类公司，这次交易把这个惯例打破了。

这家Biotech有个外号叫“一人药企”。创始人靠Claude调配外部CRO和实验资源，靶点发现到小鼠药效验证的整条链路就这么跑通了。两条罕见肌营养不良管线也随交易划到Anthropic名下，成了Claude团队握有的第一批自研药物管线。

眼下盯上AI制药标的的买家不少，并购的路数也变了。过去基本是大药企单向引入AI能力，如今几条主线同时铺开：AI平台出钱买湿实验资产，把验证环节补上；产业方往上游收AI工具和结构化数据集；AI药企之间同业合并抱团；通用大模型企业也跨了进来。

买方阵营一直在扩大。不过这些交易指向同一件事：把可控、能回流、权属清晰的数据资产攥在手里。

全球AI制药并购四类交易汇总（动脉网整理）

文雯是Differentia Bio的创始人。这家公司总部在美国，杭州设有分公司，做的是AI药物研发。前不久她跟我们聊了挺久。

Differentia切入的是药物研发里的决策赋能环节。公开知识库、多组学数据、临床数据加上客户数据被整合到一处，各类模型由此搭起来，形成数字孪生的虚拟实验，模拟不同治疗策略下患者会有什么反应。药企在靶点排序、资产选择、临床试验方案这些关键节点上，靠它拿决策支持。平台目前处在商业化快速增长的阶段，全球已有数十个药企在用。这个位置意味着文雯每天都要跟不同合作方处理数据和模型上的各种问题，并购里到底什么最值钱，她感受得很具体。

文雯说，大家挂在嘴边的数据权属，从来不只指实验原始数据。她把这拆成几个层次：原始数据，分析之后的数据，分析过程中产生的模型资产，以及模型进一步沉淀出的认知和决策知识。其中模型资产和它衍生的知识归谁，涉及所有权、使用权、模型训练权，还有后续商业化权利，正成为AI产业里新的知识产权议题。

买方盯着完整的数据权属不放，看中的其实不是服务器里存着的那堆实验数据。他们要的是一套能不断自我迭代的闭环生产权。原始实验、数据解读、模型训练，整条链的权属都攥在自己手里，才不用受外部合作条款牵制，生物学认知也才能持续往自己这边沉淀。

买方不再只有Big Pharma

2023年，一批纯算法AI药企临床失利，估值跟着崩了。这轮教训落地之后，市场在后续交易里把标准统一了：光为算法模型掏高溢价的日子过去了，能跑通干湿闭环、实验数据链路可控的资产才排在前面。

把2024到2026年公开的代表性交易翻一遍，四类并购路径已经分得很清楚，“大药企花钱买一套AI工具”这种单一剧本不再适用。

第一类是向下并购。AI药企主动去买湿实验资产，属于进攻型布局。

AI模型能在短时间内吐出海量候选分子。可分子合成得出来吗，活性怎么样，毒性高不高，这些全得靠湿实验来验证。

实验要是全交给外部CRO，两个现实痛点躲不开。其一，DMTA（设计-合成-测试-分析）循环被外包流程拖长，迭代速度上不去；其二，大量阴性数据和实验元数据的知识产权归服务方，AI药企拿不回完整数据集，自家模型也就没法迭代。

2025年6月，晶泰科技把英国自动化手性合成企业LCC收了下来，PACE自动化合成引擎、手性分子实体库和配套实验数据库一并到手，湿实验产出的数据可以回流去训练模型。Insitro在2026年初收购CombinAbleAI，目的同样在于补大分子设计能力和生物学数据集，把平台边界往外推。

AI药企向下并购的资产及诉求（动脉网整理）

第二类是向上并购。产业端往上游收AI和数据资产，主要图防守和能力升级。

2025年2月，CRO龙头康龙化成完成对海心智惠的控股，肿瘤AI平台、合规肿瘤患者数据库和临床智能管理系统都拿到手，AI能力被嵌进原有的临床服务链条。罗氏在2026年5月宣布收购数字病理AI公司PathAI，IQVIA也把生命科学垂直大模型公司WhizAI纳入了体系。

产业方买的不是拿来炫技的算法模型，而是能直接嵌进管线、嵌进业务流程的工具和数据集。一位深耕仿制药CRO的从业者跟动脉网反馈：“放到现在，如果自身业务没法和AI有效结合，不管是对外谈合作，还是推进融资，都会变得非常被动。”

产业端向上收购AI与数据资产（动脉网整理）

第三类是横向整合，AI药企同业之间抱团合并。

标志性的一笔是Recursion与Exscientia的合并。2024年11月交易正式交割，Exscientia退市，成为Recursion的全资子公司。

一家擅长表型筛选，另一家握着成熟的AI分子设计与自动化合成体系。合并之后，管线共享，湿实验和临床成本一起分摊。

动脉网整理发现，同赛道的AI药企正在抱团合并。

有业内人士把这笔账算得很直白：“他们看到了技术有一定的互补，或者客户有重叠，成本也是重复的——大家都要算力，计算资源可以复用，那整合就是有意义的。”

还有第四类买方——跨界入场的通用大模型与算力厂商，它们要补的是垂直数据和执行层。

这类买方的路径不是沿原有产业链向上补工具，而是从模型和算力一侧往生命科学的执行层里嵌。它们收购并非为了服务既有的药企客户，图的是让模型拿到可回流的湿实验数据、可合规部署的行业Agent，以及垂直客户的入口。

动脉网整理显示，通用大模型和算力厂商正在跨界而来。

通用大模型厂商一入场，“谁来买”的名单就变了，这已经不算产业端向上收购。它们不缺算力和模型，缺的是垂直数据、湿实验执行层和合规场景，结果就是“干湿闭环资产”的稀缺定价被进一步推高。

不过，它们的出价逻辑、数据使用边界和整合方式，跟MNC、CRO并不在同一张桌子上。

为什么能进入并购视野的AI药企这么少？

买方阵营一直在扩容，可真正符合要求的标的十分有限。

文雯在一线跑下来的体会是，能被并购盯上的AI公司本来就少，“甚至说不上并购，商务合作层面能被人看上的AI公司都不多”。

原因在于，大部分AI药物研发公司的技术还比较早期，还没有真正为终端药企的研发产生实质价值。药企不买单，CRO也就没有必要与AI药物研发公司合作。

说到底，这背后是一笔很实在的账。CRO看AI技术，最先问的是“这项技术究竟能不能解决我客户的问题”。团队懂不懂药物研发、懂不懂生物学机制，当然是关键，可不少AI技术评下来根本派不上用场，也就不会被纳入考虑。

先确认有用，接下来才谈是收购、自建还是买服务：“要是我能花很低的成本买到你的服务，那干嘛还要收购？反过来，这项服务很贵，我算下来把它买下来能压低总成本、划算，才会去想收购的事。可眼下大部分AI公司估值偏高，收它们并不划算。”文雯对动脉网说。

这也解释了，过去两年CRO大规模在做的事，其实是找IT外包团队给自己搭Agent做自动化提效，而不是并购知名的AI制药公司。

那些没能跨过验证门槛的公司，并没有停在原地等待。它们正在以另一种方式退出牌桌。

2025年4月，Vincerx Therapeutics终止与AI公司QumulusAI的合并意向，启动清算，这是它在不到四个月内的第二次并购失败。同月，Renovaro Biosciences与Predictive Oncology的合并计划受挫，彼时Predictive Oncology市值已萎缩至不足1000万美元。

2026年，AI驱动神经领域药企BioXcel Therapeutics申请美国破产法第11章破产保护，申报现金仅剩1380万美元，债务超过1.07亿美元。梯瓦以5750万美元“抄底”其核心资产。

这些公司不是“未被收购的AI药企”，而是已经失去了被收购资格的AI药企。

即便是完成了标志性交易的，整合本身也在制造新的淘汰。Recursion以约6.3亿美元全股票交易收购Exscientia之后，在2025年6月启动裁员，裁撤约20%员工（约160人），同步精简、削减多条临床阶段管线；公司2025年全年净亏损6.45亿美元，股价相较历史高点回撤超过90%。

同业合并，本意是共同分担湿实验和临床上的大笔投入。不过分摊有个前提：管线得拿出符合预期的临床读出结果。一旦临床数据不如预期，合并并不能把底层风险消掉，只是把问题挪进一张更大的资产负债表，继续扛着。

数据权属问题，则把并购门槛推得更高。

这几年Differentia跟全球的MNC、Biotech、CRO、大学、医院等各类合作方都打过交道，对数据归属上的差别感受很深。从实际合作看，企业客户不管是跨国药企还是Biotech，一般都不许服务商未经授权就把项目数据拿去训练别的客户的模型，或用于商业化应用。

差别主要落在数据留存、备份和衍生成果怎么处理上：有些MNC要求项目结束后按合同把原始数据删掉，一些Biotech则允许在特定条件下留备份。科研机构和医院的合作方式相对灵活——发论文本来常常要上传原始数据，所以他们一般愿意把商业化权利交给企业，但伦理、隐私和数据授权的要求同样得遵守。

文雯认为，原始数据不过是价值链的起点。真正值钱的地方，在于“怎么整合这些数据，以及从数据里提炼出更有用的认知”。Differentia跟客户的约定一般分两层：一层管数据使用——不拿客户项目的数据训练模型、去服务别的客户；另一层管衍生沉淀的内容，服务方可以保留项目中提炼出来、能跨项目复用的知识、认知和方法，具体界线看合同怎么约定。

数据资产之所以成了AI制药并购的重要推手，原因也在这里。过去的外包模式下，服务商拿到的往往只是合同约定范围内的数据使用权，客户数据不归它所有，它也不能自行转卖。买方发起并购，能拿到目标公司自有的数据资产、技术和模型能力，可这不等于顺带就握住了所有第三方客户数据的使用权。说到底，长期价值不在“拥有数据”，而在能不能把数据持续变成经过验证的科学认知和商业价值。

数据深度比数据量更值钱

那什么样的AI药企才算值得买的标的？业内人士给出的评估标准，和资本前几年的口味差得很远。

看标的，先看数据的稀缺性、规模、质量，还有法律权属边界，也就是相关协议对数据使用范围怎么划。和数据覆盖面比起来，数据连不连续更关键。

不少机构手里攥着数亿条检测记录，体量看着吓人，可数据里只留下检测读数，患者背景信息是缺的：适应症、既往治疗方案、合并用药这些关键项都没有。总量再大，有效信息密度还是低。

高价值的患者数据，得把病例基线、治疗史、质控信息串起来，还要有长期动态随访结局，能追踪患者后续病情变化。光攒细胞、动物层面的实验数据，很难形成决定性优势，动态、连续的深度临床数据才是核心。

再看模型的验证基础。行业里的共识是，深度数据集的价值远高于单纯的数据规模。文雯透露，Differentia在2023年就用患者多组学的深度数据建模，预测靶点排序并发表了成果。过去两三年，排名前二的机制靶点陆续拿到独立临床实验验证。这验证了一个判断：真正深度的数据，比数据量大要有意义得多。

数据体量也好，模型参数量也好，最终评判的标尺落在人体层面的验证效果上：模型经过多少落地项目检验、能不能给出带明确时间戳的前瞻性预测、后续能否在患者数据里得到验证。这比在已知结果上做回顾性拟合，或者只在细胞、动物实验里验证，更能体现模型的价值，也是拉开差距的核心。

最后是商业化落地能力。收购方做决策时，会反复对比收购标的和自研搭建两条路，测算自研要投多少人、花多少时间。

标的是不是真值钱，客户复购是个直观信号：复购说明技术方案已经在项目里兑现了价值，产业端持续认可。Differentia的虚拟实验技术目前客户复购达到100%，说明其技术在实际项目中的持续价值。临床实验里，Differentia可以通过虚拟实验优化患者筛选和试验设计，帮申办方提高研发效率、控制成本。比如具体场景下，能帮申办方把临床试验入组人数从 200 例压到 120 例，临床投入直接降下来，形成可量化的成本收益。

产业链正在洗牌

眼下，AI制药赛道正在明显分层。

那些没有自有实验体系、没有临床读出能力、只握着一个算法模型的纯算法AI药企，护城河正越变越薄。这不是预判，是已经在发生的定价事实。

买方能拿到平台能力，或者干脆自建团队替掉外部算法时，一个只交付模型的公司很难要到并购溢价。它们的现实出路，更可能是同业合并、转做垂直SaaS或Agent工具，或者变成更大平台里的一个功能模块，而不是作为独立标的。

中小型独立CRO则被两头夹着——上游头部AI药企自建自动化实验室，分流早期发现订单；龙头CRO通过收购AI公司沉淀自有数据，把差距拉开。缺差异化能力、缺技术积累、缺持续客户价值的传统服务模式CRO，会走向被并购或出清。有专业执行能力、数据整合能力或技术平台优势的企业，才具备属于长期的竞争力。

但另一面是，实验验证本身正在变成瓶颈：AI生成的候选分子越多，高通量湿实验评价的需求越大，头部CXO的订单反而在放量。被挤的是没有差异化能力的中小CRO，不是“CRO”这个环节本身。

自动化湿实验平台、权属清晰的深度数据、人体验证记录、客户复购，四样凑齐的资产才真正稀缺。买方再多，这类资产也不会跟着变多。

这也是为什么罗氏愿意为PathAI付出10.5亿美元，阿斯利康把Modella AI整个并入肿瘤研发中心，Anthropic愿意为6个人的Coefficient Bio付4亿美元。买的不是人数，是已经沉淀下来、很难从零复制的验证能力和数据位置。

通用大模型厂商的入场，也在改变“谁来买”的名单。

Anthropic在2026年4月收购Coefficient Bio，拿下这支源自基因泰克的计算生物学团队、药物研发全流程know-how与垂直生物学建模能力；OpenAI收购Orchestra Bio，补齐药物研发项目调度、自动化实验链路与闭环执行体系。

算力和基础大模型，这些买方都有；缺的是生物学垂直数据集，还有能回流训练模型的湿实验执行层。它们出手的逻辑跟跨国药企、CRO不一样，但干湿闭环资产的价格会被它们继续往上抬。

AI制药的并购，风向已经从“买故事”换成“买验证”。模型退成工具，不再是核心护城河；交易桌上真正较劲的，是实验数据权属能不能控住。

谁能稳定产出拥有自主知识产权的湿实验数据，把AI与实验的闭环跑通，谁才具备并购价值，以及长期的产业话语权。