数字健康并购新难题：如何穿透“AI清洗”识别真实价值？

引言

当一家数字健康初创公司宣称自己是“AI公司”时，它究竟是在描述核心技术，还是在套用一个时髦的估值标签？在并购交易中，“AI清洗”（AI washing）正在成为买方必须警惕的现象——部分被收购方将简单的第三方API封装伪装成专有基础模型，从而追求不成比例的高溢价。但这一迷雾正在被投资者和监管者同时驱散。

行业背景

据医疗科技法律服务机构Jones Day最新发布的《Vital Signs: Digital Health Law Update》报告，数字健康领域的跨境和境内交易持续活跃，但AI资产的评估与并购后整合的复杂性远超过传统软件。定义一个AI公司的真正护城河——从专有基础模型到数据资产——成为交易谈判的核心。许多标的企业声称拥有AI技术，却只有提示词（prompts）和API层。从行业来看，这不仅是估值问题，还可能演变为责任隐患。

关键动态

AI尽职调查：风险量化优于完美清算

真正有价值的AI资产往往建立在干净、来源清晰的专有数据之上，例如患者交互日志、标注临床数据集或健康知识库。然而，买家在常规交易时间表内无法对训练数据做到穷尽审计。法律界人士认为，仅仅通过医疗系统合作获得HIPAA保护记录或EHR API的使用权，并不代表获得了将其用于商业模型训练的权利。数据来源若不合法，可能导致算法遭到监管处罚甚至强制销毁。

因此，行业正从“问题消除”转向“风险量化”模式。买方需要评估风险量级、发生概率和潜在责任，再借助定制化的陈述保证与赔偿条款来分配风险。值得注意的是，发现数据问题并不等于交易死亡——与重写整个代码库不同，机器学习模型通常可以通过再训练、微调或隔离问题组件来补救。交割前的“隔离+再训练”和交割后的“分阶段释放对价”都是可行方案。

监管动态：FDA与EMA为AI医疗划定更清晰边界

在2026年初，监管机构明显加快了规则更新的步伐。1月6日，FDA发布《General Wellness: Policy for Low Risk Devices》最终指南，明确低风险健康产品的监管豁免范围。1月29日，更新后的《Clinical Decision Support Software》指南进一步细化了临床决策支持软件的“非设备”标准，并将“时间关键型决策”从自动豁免项调整为一个风险考量因素，这为面向临床医生的CDS工具提供了更大的灵活性。

跨大西洋层面，EMA与FDA于1月14日联合发布了《药物开发中AI良好实践指导原则》，为AI在药物研发的应用提供了共同的监管愿景。3月18日，FDA又就“新方法学”（NAMs）推出草案指南，鼓励以器官芯片、类器官和计算建模等人类相关方法取代部分动物实验，这是FDA Modernization Act 2.0后的重要落地步骤。

此外，一封针对HIV家用检测套件制造商的警告信再次引发对实验室开发测试（LDT）监管未来走向的争论。在2025年该项法规被法院推翻后，FDA正试图从硬件组件等角度寻找执法切入点。与此同时，FDA于4月28日宣布启动真实世界临床试验（RTCT）的概念验证，探索AI和实时数据驱动的临床试验新模式。

市场影响

对数字健康的买方而言，这些动态意味着投资决策的维度必须扩展：不仅需要评估算法的临床价值，还必须核实其数据链条的合法性、模型的防御深度和未来合规成本。医疗AI创业公司的融资叙事也将变化——单纯谈算法性能将不再有说服力，投资者会追问“训练数据从哪里来？”“专有模型如何估值？”那些拥有干净的产权数据与可解释性工具的公司将更容易获得溢价。与此同时，医院和医疗系统在签约联合开发时应更加审慎，明确是否授权将真实世界数据用于商业AI训练，否则将来可能面临合作伙伴的法律追索。

挑战与风险

一个不容忽视的挑战是大型AI模型的训练数据来源过于复杂，可能包含受版权保护的资料、未经充分授权的个人信息以及合同限制的数据。即便算法表现优秀，“毒树之果”隐患仍可能引发侵权索赔和未来版本的强制下线。另外，过时的隐私政策和新兴的监管框架之间存在真空，既有适用于药物研发的AI原则，也即将出台产业专属细则，企业必须同时跟踪多个司法管辖区。

未来展望

未来3-5年，可以预见数字健康并购中的AI资产将逐渐形成一套类似“环保审查”的标准流程——数据供应链审查、模型防御度评估、再训练风险报价，全部进入交易文件。监管层已在药物研发的AI应用上实现跨机构协调，下一步极有可能推广至医疗器械和诊断工具。FDA对实时临床试验的兴趣，或推动临床试验从“回顾性分析”走向更多动态自适应设计，从而加速数字疗法的验证。资本方面，那些只靠包装概念的公司估值将被修正，而能够提供强数据壁垒和合规弹性的企业会真正受益。

结语

医疗科技并购的下一章，将属于那些把“AI”从口号变成资产、把合规作为护城河的玩家。监管的技术中性，与买方渐趋务实的风险定价，正在共同塑造一个更健康的数字健康市场。