《Drug Discovery Today》：From diligence to verification: The emergence of the TechBio-Investor
编辑推荐：
生物技术投资通常依赖于尽职调查而非科学验证。
AI协同科学家（AI co-scientists）和代理系统（agentic systems）降低了规模化验证的边际成本。
TechBio公司可以利用规模化验证来评估内部和外部资产。
对外部资产的规模化验证催生了一
生物技术投资通常依赖于尽职调查而非科学验证。
AI协同科学家（AI co-scientists）和代理系统（agentic systems）降低了规模化验证的边际成本。
TechBio公司可以利用规模化验证来评估内部和外部资产。
对外部资产的规模化验证催生了一种新型参与者——TechBio-Investor。
TechBio-Investor可能重塑生物技术投资的经济学与伦理。
**双边问题**
生物技术估值本质上是对科学不确定性进行定价的练习。无论是现金流折现模型、风险调整后净现值计算，还是风险投资条款清单，最终都依赖于一系列关于作用机制是否真实、临床前证据能否转化、生物标志物策略在患者中是否成立、毒性或生产问题是否出现，以及监管机构是否接受申报方案的假设。由于这些假设涉及多个次级不确定性，且管理层通常比投资者更了解情况，导致行业普遍存在估值差距。传统生物技术投资者——包括制药业务拓展部门、企业风险投资、专业生命科学基金、对冲基金、激进做空者和交叉投资者——通过尽职调查以及科学判断来应对这一问题，但其分析基本停留在解释层面。外部投资者通常缺乏生成新证据的基础设施，难以从科学解释转向科学验证；而公司内部评估也可能受乐观情绪、沉没成本偏见、机构承诺和融资压力影响。因此，市场往往信息不足，而公司则可能过度自信，形成所谓的“双边问题”。
**TechBio-Investor的出现**
TechBio通常指将药物发现视为工程和数据问题而非纯生物学问题的公司，其特点是将科学、计算和实验能力内部化，使得大规模生成和解释证据成为常规操作。AI协同科学家（AI co-scientists）和代理系统（agentic systems）能够分解研究目标、生成和排序假设、编写并运行代码、管理长期工作流程，以及构建现代科学所需的软件基础设施。当这些能力与TechBio公司的既有基础设施相结合，并聚焦于评估内外部资产时，便催生了TechBio-Investor（TBI）这一新型混合实体。TBI的独特之处不在于比传统投资者更善于尽职调查，而在于利用为内部研发构建的发现基础设施来评估外部资产，并借此产生可影响估值的新证据。
“边际上”这个限定至关重要。TBI不会常规性地复现竞争对手的开发项目或运行全影子管线，因为那通常不经济甚至不可行。由于专业知识、计算和数据系统的固定成本已经为了内部研发而投入，评估特定外部资产的额外成本可大幅降低。例如，TBI可为某一疾病领域构建定制基准环境，然后用于审视多个外部项目；或建立检测体系后，用相邻实验来辨析市场上的竞争性声明；或使用代理编码工作流来比较不同方案的试验设计、生物标志物策略和临床前证据。目前虽然尚无公司完全实现这种整合，但许多组成部分已在使用中，如自动文献批评和假设生成、竞争格局映射、自动化实验平台，以及将科学读数转化为技术成功概率（PTRS）的定量方法。
文章通过一个假设案例说明TBI的运作：假设一家拥有类器官平台的TechBio公司，当竞争对手公布一项相关通路的II期数据时，传统投资者通过专家网络等方法进行解释性判断，几天内形成观点但不产生新证据；TBI则会用代理系统批判性评估披露信息，识别关键科学假设，再由AI协同科学家设计实验，利用自有类器官面板、机制检测和结构-活性比较等，通过自动化平台以边际成本运行。这种验证的边际成本远低于一个批准药物约10亿美元的研发成本。最终，TBI基于自身实验获得修订后的PTRS，并可将其与市场隐含的PTRS进行比较，差异即成为可交易的科学观点。因此，传统投资者与TBI输出相同类型的更新概率，但方法根本不同：前者依赖对既有证据的解读，后者依赖TBI自身生成的新证据，这种区别是当前实践无法复制的。
**经济逻辑与组织优势**
TBI的商业逻辑源于共享基础设施。传统投资者若要实现从解释到验证的转变，必须组建昂贵的内部能力，但仅用于尽职调查难以合理化；TBI已承担了这些固定成本，因此将同一基础设施应用于外部资产的边际成本相对较低。编码代理进一步降低了劳动力成本，使科学组织更高效。
第二个优势是时机。市场通常在融资、会议数据公布、顶线读出、合作、并购或监管反馈等可视里程碑出现时才更新估值。TBI可以通过识别并测试驱动这些里程碑的隐藏假设，在市场获得外部信号之前更早更新。例如，III期试验可能需数年才能读出，而自动化筛选通常数周即可完成。尽管TBI无法获得竞争对手的内部数据，但能够更早提出更精确的问题，构建更具区分性的测试，从而将内部研发能力转化为外部资本配置的认知优势。
第三个优势在于外部评估能力可反向提升内部判断。发现公司可能因沉没成本、机构承诺或融资压力对自身资产过度乐观。TBI在评估外部资产时形成的相对客观的方法论，可用于内部“红队”审查，降低自我欺骗，改进内部资本分配和投资组合的认知质量。
第四个优势是投资功能产生的增量数据与分析可反哺内部发现。评估外部资产的过程中可能揭示有价值的生物学通路、靶点类别、模态策略、疾病领域或技术瓶颈，有助于内部项目选择和平台开发。这种范围经济意味着投资功能的真实成本低于表面值，因为投资获得的数据可被重新利用，形成更整合的发现-投资模型。
**伦理考量**
TBI有潜力将私人收益与公共福利相结合。它可能引导资本流向科学证据更强的资产，更早纠正过度乐观或缺乏依据的声明，提高公司声明的纪律性，并揭示不当行为或不可重复性。在药物发现失败率高的背景下，避免资源浪费具有重要意义。
然而，TBI也可能产生负面外部性。其关注点可能集中在自身基础设施和商业回报已存在的领域，从而加剧治疗领域之间的不平等；AI系统所依赖的数据可能低估少数群体，引发算法偏见；概率性评估有时会错误地撤资本可成功的项目。此外，做空策略引发法律和伦理问题：TBI若做空竞争对手并发布不利验证证据，可能获利并削弱潜在竞争者，同时涉及重大非公开信息处理、市场操纵风险和证券披露义务。因此，TBI需要确保信息准确、完整，公平呈现证据强度，避免过度宣传，并预先定义证据标准、进行独立审查。同时，它必须披露自身空头头寸和竞争者身份，以便市场权衡其发现。
**结论**
近期技术进展使TechBio能够大规模进行科学验证。除了内部发现，这些能力还可用于外部投资决策。发现与投资之间的协同催生了TechBio-Investor，可能重塑生物技术投资的经济与伦理。规模化验证有助于改善资本配置，引导资金投向更强科学基础的项目，在大多数药物失败的情况下节约资源。同时，也伴随着利益分配不均和TBI在与竞争对手竞争、投资及押注对赌时的内在冲突等风险。
