从批次生产到工厂化：AI生物制造合资企业中的过程数据与所有权

1. 界定合资企业决策

该决策涉及两方或多方是否应在一个共同控制的实体中整合互补资产，以开发和制造生物制品。各方需要确定哪些资产进入合资企业、哪些权利保留在合资企业之外、未来知识成果如何分配，以及资本、风险和现金如何共享。

AI 生物制造可以结合生物设计、菌株或细胞系工程、发酵或细胞培养、纯化、分析、工艺控制、数字孪生和机器学习。实验室证据可能支持一个有前景的设计。商业价值则需要可靠地转化到设备、材料、操作范围、质量体系和可销售产出中。

交易团队应界定合资企业所涵盖的产品、工艺、地域、使用领域和价值链。还应识别需要共同同意的决策。范围不明确会使一方主张数据或改进属于合资企业，而另一方则主张其属于自己保留的平台。

表1. AI 生物制造合资企业中的权利与价值层

所有权、访问权和允许用途应针对每一层分别明确规定。

2. 从运营模式入手

合资企业可以拥有并运营工厂、在合作伙伴的厂区预留产能、将技术许可引入现有设施，或协调一个合同制造商网络。法律形式应服从运营模式。每种结构都会带来不同的控制、责任、资本和数据后果。

自有设施使合资企业能够直接获取运营数据和劳动力。它还需要资本、验证、许可、质量体系和营运资金。产能模式可以降低资本投入，但数据和运营控制仍由生产合作伙伴掌握。许可模式可以更快扩张，但会提高对审计、报告和强制执行权的依赖。

各方应梳理由谁雇用员工、控制系统、放行批次、持有监管授权、采购物料、签约客户并承担故障成本。权利清单必须能够在这样的运营现实中执行。

3. 定义从实验室到工厂的证据周期

该周期始于生物学目标和候选设计。实验室工作检验功能、产量和早期工艺条件。放大引入更大的反应器、混合、氧传递、排热、剪切、补料、污染控制和下游回收。技术转移将开发知识转化为受控的生产工艺。验证和持续验证可建立可靠运行。

AI 可以支持设计、实验选择、异常检测、参数优化、预测性维护和工艺控制。每种用途都有其背景、输入、输出、决策和负责人。不应将该模型视为单一且无差别的资产。

尽职调查团队应沿完整周期跟踪具有代表性的项目。它应追溯原始输入、数据转换、质量审查、模型版本、工艺决策以及由此产生的产品属性。一次成功的实验室批次只是更长系统中的一种证据状态。

当数据保持可归属、可比较，并与受治理的生产决策相关联时，价值便会产生。

4. 建立资产登记册

资产登记册应识别生物材料、序列、细胞库、实验方案、检测方法、工艺模型、源代码、数据集、专利、商业秘密、设备配置、数字孪生、质量记录、监管申报资料、供应商信息和客户合同。每一项都应列明所有者、贡献者、位置、法律依据和允许用途。

实物资产与数字资产相互关联。数据集若缺少解读所需的材料、实验方案、设备背景和元数据，其价值可能有限。菌株若缺少工艺知识，其价值可能有限。模型可能依赖软件库、云环境和许可数据。

登记册应区分所有权与保管权。存储在合资企业系统中的数据仍可能受贡献者权利约束。保存在合作伙伴工厂的记录可能对合资企业的监管和商业义务至关重要。

5. 区分背景知识产权、投入知识产权和前景知识产权

背景知识产权在合资企业成立之前已存在，或是在其范围之外独立开发的知识产权。投入知识产权是许可或转让给合资企业的那部分知识产权。前景知识产权源自合资企业活动。改进成果可以修改背景资产，同时也可用于合资企业产品。

协议应依据实质而非仅凭日期来界定这些类别。一方可在合资企业存续期间继续开展平行研究。基于合资企业数据训练的新模型可能同时包含背景代码和前景参数。流程改进既可适用于合资企业产品，也可适用于无关产品。

分配方案包括合资企业所有、贡献方所有并向合资企业授予许可、限定领域所有权、共同所有权或按主题事项确定所有权。每种方案都需要有访问、执行和退出条款。共同所有权在不同司法辖区可能产生不同的法律后果，不应将其用作明确商业权利的替代方案。

6. 将数据所有权界定为一组权利

“数据所有权”这一表述可能掩盖若干不同权利。各方应分配收集、访问、复制、更正、组合、分析、训练模型、创建衍生成果、披露、发布、商业化、保留和删除的权利。各方应明确负责质量、安全和法律合规的一方。

原始传感器数据、上下文元数据、衍生特征、模型输出和生产决策可适用不同规则。工厂运营方可以保留设备整体数据，同时向合资企业授予特定产品记录。合资企业可能需要永久访问权限，以履行其监管和客户义务。

相关权利应在系统迁移、控制权变更、工厂关闭和终止后继续存续。若缺乏实际可用的导出、数据结构、元数据和身份验证，名义上的权利可能无法行使。

表4. 合资企业最低数据权利清单

应就原始数据、元数据、衍生特征、模型输出和受监管记录分别分配各项权利。

7. 保留数据来源与数据完整性

FDA 的数据完整性指南指出，CGMP 数据应可靠且准确，并鼓励基于工艺理解和商业模式实施风险导向的控制。这对交易的影响是直接的。对于无法确定来源、时间、作者、转换或审核的数据，合资企业无法借助其创造持久价值。

尽职调查团队应测试记录是否可归因、清晰可读、同步、原始且准确，并测试其完整性、一致性、耐久性和可用性。应在实验室、历史数据库、制造执行、质量和分析系统中审查审计追踪、访问权限、时间同步、异常处理和备份。

失败批次、中止运行和不合格结果应保持可见。选择性保留可能破坏模型训练并削弱监管信心。协议应禁止单方面删除与合资企业相关的记录。

8. 创建通用数据模型

实验室和工厂系统通常使用不同的命名、单位、采样率和标识符。通用数据模型应连接生物材料、批次、设备、配方、参数、样品、分析结果、偏差、模型和决策。版本管理应保留方案、软件和工艺定义中的变更。

NIST 的生物经济数据计划强调研究数据管理、元数据标准、基础设施、互操作性和端到端自动化。这些原则支持合资企业价值，因为可复用数据需要共享含义。

合资企业应批准数据模式、参考数据、单位、本体和数据质量规则。各方应出资进行连接遗留系统所需的映射和验证。互操作性工作应列入投资计划，而不是被假定为协同效应。

9. 分配实验室数据

实验室数据可包括设计输入、筛选结果、表达、产量、活性、稳定性、代谢组学、蛋白质组学和检测方法开发。技术方可能希望在其平台中重复使用这些数据。制造方可能需要这些数据用于放大和生产工艺理解。该创业企业则需要这些数据用于其产品。

分配时应考虑客户、捐赠方、材料转让和第三方限制。某些数据可用于创业企业产品，但禁止用于训练通用模型。去标识化并不会自动消除合同限制或生物敏感性。

一份实用的附表可以区分产品特定数据、平台学习数据和汇总运营统计数据。各方应界定创业企业数据是否以及如何改进贡献方的通用平台，以及由此产生的对价或互惠许可。

10. 分配中试和放大数据

放大过程会产生实验室记录中不存在的新知识。混合、氧传递、热量、泡沫、剪切、补料策略、容器几何结构和下游回收都可能改变性能。因此，中试数据可能成为核心的共同贡献。

各方应决定放大曲线、工程关联关系、控制策略和故障分析属于产品特定内容还是可重复使用的制造专有技术。答案可能因要素而异。通用容器表征数据可归工厂合作伙伴所有，而产品特定参数相互作用可归创业企业所有。

访问权限应足以支持技术转移、监管支持和替代生产。排他性可以保护投资，也可能带来集中度风险。介入权和第二来源权应在约定的供应、质量或破产条件下启动。

11. 分配商业工厂数据

商业生产会产生批记录、传感器数据流、报警、偏差、维护、环境监测、放行结果、产量、周期时间、能源、水、废弃物和成本数据。这些证据支持产品质量、工厂改进和商业经济性。

创业企业应获得履行质量、监管和客户义务所需的完整记录。在保护产品保密性的前提下，设备范围的运营数据的重复使用可仍归工厂运营方所有。产品特定数据、关联关系和改进需要按约定进行分配。

成本数据需要特别关注。如果没有透明的消耗、人工、停机和废品记录，转移定价、代工费和产量保证就很难核实。协议应赋予审计权，并规定共同成本定义。

12. 治理 AI 的训练与改进

一个 AI 模型最初可以是一方的背景资产，并通过创业企业数据得到改进。各方需要界定代码、权重、特征、提示词、评估集、微调版本和衍生模型的所有权。他们还应界定输出的允许用途。

NIST 的 AI 风险管理框架围绕治理、映射、衡量和管理来组织工作。创业企业可以将这些功能应用于模型背景、问责、测试、监测和响应。FDA 和 EMA 的良好 AI 实践原则为药物和生物制品开发增加了生命周期、数据治理和人类问责方面的考量。

改进权应随贡献和商业目的而定。技术方可以保留通用模型改进，同时创业企业获得永久领域许可。产品特定模型可作为创业企业资产保留。附表应处理终止后的再训练事宜。

13. 界定模型的使用场景

每个 AI 系统都应有明确的问题、用户、输入、输出、决策、局限性和监测计划。用于选择实验室实验的模型，与用于调整生产参数的模型并不相同。当输出直接影响产品质量时，后果和控制要求会提高。

FDA 关于 AI 在药品生产中的出版物列出了数据管理、模型开发、验证、维护和监管互动等主题。这些是讨论材料，并不构成对目标系统的批准。该企业应记录自身的使用场景和证据。

人工审核应当明确。操作人员和质量人员需要有权质疑或推翻输出。推翻、警报和模型故障会产生有价值的证据，并应纳入学习记录。

14. 绘制知识产权与权利图谱

知识产权图谱应连接专利、商业秘密、许可、数据权利、软件、材料、模型、工艺诀窍、监管记录和产品权利。它应识别背景所有权、企业可获取的权利、应用领域、地域范围、排他性、再许可、改进和维权。

Ginkgo Bioworks 的公开申报文件描述了 Foundry IP、背景改进和项目技术在各类客户安排中的不同分配。它还描述了涉及技术许可、股权和技术开发服务的合作模式。这些披露说明了结构的多样性；它们并不决定另一家企业应采用的适当分配。

图谱应揭示以下缺口：现金流依赖于由企业外部主体持有的权利。它还应揭示同一出资资产被多次估值所造成的重叠。

经济价值取决于企业能够在开发、生产和退出过程中行使的权利。

15. 将技术转让设计为受控流程

技术转让将开发知识转化为另一个合格团队能够执行的流程。转让包应涵盖材料、方法、关键参数、分析程序、设备要求、控制策略、培训、偏差和验收标准。

ICH Q10 在生命周期质量体系内将药品开发、技术转让和商业化生产联系起来。它强调知识管理、工艺性能、产品质量和管理评审。ICH Q12 将整个供应链中的知识管理与变更管理连接起来。

合资企业应使用包含职责、记录和成功标准的转让方案。转让完成应作为证据里程碑，而不是日历日期。部分转让不应触发全部价值释放。

16. 界定可比性和验证关口

生产场地、规模、设备、原材料或工艺的变化可能影响产品质量。各方应界定证明产出保持可比且工艺受控所需的证据。要求取决于产品、阶段和司法辖区。

验证不仅仅意味着少数几批成功生产。它包括适用质量框架内的工艺设计、确认和持续验证。分析方法和数据系统也需要适当的控制。

里程碑应明确方案、接受范围、审核权限和偏差处理方式。即使批次已放行，在未记录干预后取得的结果仍可能无法通过合同约定测试。

17. 分配监管记录与依赖

监管申报材料可能包含投入的技术、合资企业数据和工厂记录。协议应界定每份申报资料由谁编制、拥有、提交、维护以及可由谁引用。还应涉及检查、往来函件、承诺、变更和撤回。

合资企业可能持有上市许可，同时依赖母公司控制的数据。母公司也可能持有许可，而由合资企业生产。每种架构都会带来持续性和退出风险。交叉引用权、数据访问函和记录保存义务在必要时应在终止后继续有效。

监管数据独占权和专利权是不同的。交易团队应分别梳理两者，并避免假定拥有其中一项即授予另一项。

18. 构建工艺绩效模型

经济模型应将生物学表现与工厂产出联系起来。关键驱动因素可包括滴度或收率、批次成功率、周期时间、利用率、回收率、质量放行、原材料用量、能源、水、废弃物、人工和维护。模型应识别约束因素。

AI 可改善预测或控制绩效。经济归因需要基线和测量方案。若模型改进与设备维护或新原材料引入同时发生，未经分析不应将全部收益归因于该改进。

合资企业应统一工程、质量和财务定义。在发酵、纯化或最终放行阶段测量的收率可能带来不同的经济结果。批次成功应在约定规则下计入偏差和返工。

19. 分配产能和供应风险

工厂产能可通过所有权、租赁、预留或代工合同投入。合资企业应界定专用产能和共享产能、排产优先级、最低采购量、扩产、维护、停产和不可抗力处理。当另一客户可以挤占时，名义上的产能分配价值有限。

产能价值取决于确认状态。设施可能具有实际产能，却缺乏该产品所需的设备、质量状态、许可或经过培训的人员。模型应区分可用产能、已确认产能和商业可用产能。

供应韧性需要第二来源和介入规划。技术方可寻求向另一场地转移的权利。制造方可寻求收回专用投资。触发条件应在连续性与专有技术保护之间取得平衡。

20. 配置资本并分配超支风险敞口

生物制造资本可包括土地、公用设施、洁净室、反应容器、下游设备、实验室、数据系统、验证和营运资金。各方应明确承诺出资、时间安排、成本基础、采购权限和应急资金。

超支分配应遵循控制权和成因。设计变更、范围扩大、通货膨胀、延误、监管要求和承包商违约可能需要不同处理。自动按比例出资可能奖励薄弱的控制，或迫使一方为其未批准的变化出资。

合资企业应维护完工成本模型，包含已承诺、已支出、预测和或有金额。出资节点可依据工程成熟度、许可、技术转让证据和客户需求设置。未出资应触发稀释、股东贷款、暂停或按约定规则退出。

21. 设计治理体系

共同控制要求对相关活动拥有同意权。保留事项清单应涵盖预算、产品选择、工厂变更、数据使用、知识产权许可、模型部署、监管策略、重大合同、资本催缴、借款、分配和退出。

运营委员会可支持科学、制造、质量、数据和商业决策。其权限应清晰。质量责任不能因委员会职责模糊而被稀释。升级路径应从技术负责人到高管，并在适当情况下进入独立审查。

僵局程序应与问题相匹配。专家裁定可解决技术计量问题。调解可解决商业分歧。买卖或解散机制较为严厉，应考虑监管连续性、员工、供应和知识产权。

22. 评估每一项出资的价值

出资价值应从合资企业可获得的权利和经济利益出发评估。实验室技术可通过增量项目现金流或可支持的许可费节省法估值。工厂资产可通过市场法、收益法或成本法估值，并根据资质和使用情况进行调整。服务应遵循合同经济条款。

历史支出并不确立公允价值。研究支出可能产生有价值的学习，也可能不产生可转让资产。当需求、资质或利用率有限时，工厂重置成本可能超过经济价值。

IFRS 11 根据权利和义务区分共同经营与合资企业。IAS 28 涉及合资企业的权益法会计。IAS 38 和 IFRS 13 为可辨认无形资产和市场参与者价值提供了有用的规范。实际结构需要法律、会计和估值建议。

23. 构建假设性出资案例

设想一家 AI 生物设计公司与一家区域制造集团之间完全假设性的合资企业。双方计划建设 USD 180 million 设施和五个产品项目。管理层将 USD 260 million 的价值归因于未来工厂投资前的合并机会。

证据审查将 USD 62 million 分配至可转让的实验室技术、数据和领域权利。其将 USD 48 million 分配至合格的工厂能力、已承诺产能和制造专有技术。风险调整后的项目经济性贡献 USD 57 million。这些组成部分在考虑义务和重叠项之前形成 USD 167 million。

该模型就剩余建设、资质认证、营运资金和开发扣除 USD 71 million。其剔除 USD 24 million，因为共享数据和工艺能力可支持多个组成部分。其加入在既定证据里程碑达成后可获得的 USD 46 million 或有价值，从而形成 USD 118 million 的基础出资参考值和 USD 46 million 的分阶段上行空间。所有数值均为示意性假设。

表 2. 假设性合资企业出资桥

所有金额均为以 USD 百万为单位的示意性管理层假设。

24. 消除各业务层级之间的重叠

同一工艺知识可能体现在技术价值、工厂价值和项目价值中。实验室模型可支持项目预测。放大生产专有知识可提高工厂利用率和产品成功概率。数据集可改善共享的AI以及贡献方保留的平台。

估值团队应建立依赖关系矩阵。应依据所需的数据、知识产权、人员、设备、资本和决策，对每个组成部分进行检验。共享成本应予以分摊。某项收益应在其现金流实现的环节计入。

当拆分过于人为时，可采用合并的合资企业现金流模型作为主要方法。此时，贡献分析可用于确定所有权、特许权使用费和或有对价，而不应机械相加。

25. 设计里程碑经济机制

里程碑应随着不确定性的消除而释放价值。设立阶段可确认已转让的权利、可用人员和已承诺产能。放大生产里程碑可在中试产出成功后触发。转让里程碑可在交付包获接受且接收场地执行完成后触发。验证、监管和商业里程碑可在后续证据出现后触发。

每个触发条件应明确程序、阈值、审核人、时间安排、补救和争议处理。以管理层满意为依据的里程碑难以定价。以在既定质量和规模下达到明确收率为依据的里程碑更具可审计性。

各方应明确由谁控制里程碑的达成。技术贡献方不应因制造合作伙伴延迟生产批次而失去或有价值。工厂合作伙伴不应为其无法控制的生物学结果提供保证。运营契约和依赖关系应随付款计划一并列明。

随着规模、质量、权利和商业证据的完成，贡献价值得以释放。

26. 设定转让定价和服务条款

母公司可向合资企业提供研发、管理、制造、采购、数字基础设施和市场准入。服务协议应明确范围、成本基础、利润率、服务水平、审计、变更和终止。股权所有权并不意味着关联方服务能够自行定价。

技术特许权使用费、代工费和数据访问费应一并检验。较低的制造利润率可由知识产权特许权使用费抵消。较高的服务费可能将价值从少数股东转移出去。董事会需要完整的经济衔接分析。

税务和转让定价要求因司法管辖区而异。随着职能、资产和风险发生变化，应对安排进行记录并更新。商业治理应防止单方面变更关联方收费。

27. 保护保密信息与网络安全

生物设计、工艺配方、模型权重、工厂配置和客户数据可能高度敏感。访问应遵循角色、目的和系统。合资企业应界定安全协作环境、出口管制、事件响应、审计和第三方访问。

运营技术和实验室系统除保密性外，还会带来安全与连续性方面的担忧。网络分段、身份管理、补丁管理、备份与恢复应覆盖完整数据路径。远程供应商访问应受控并记录日志。

事件可能同时影响各母公司和合资企业。协议应界定通知、调查、补救、监管机构和客户沟通、成本与责任。证据保全至关重要。

28. 规划发表与科学传播

科学发表可支持招聘、公信力和生态系统发展，也可能披露可专利或保密信息。合资企业应采用具有明确时间安排、删减和申请权利的审查流程。

各方应区分公开科学成果与客户和工厂信息。学术合作方和赠款条款可能产生额外的发表义务。延迟审查不应成为永久否决，除非商业理由明确。

模型透明度应与受众和后果相匹配。监管和质量审查人员可能需要比公开论文更深入的证据。传播政策应保持陈述准确，并避免将演示视为经过验证的商业能力。

29. 界定控制权变更权利

母公司可能被竞争对手、供应商或客户收购。协议应处理控制权变更后的转让、访问、董事会权利、保密、许可和终止。自动终止可能破坏合资企业价值和供应连续性。

竞争对手控制可通过信息隔离墙、有限的治理访问或收购选择权来管理。控制权变更也可提供扩大资本或市场准入的战略机会。该机制应保持客观价值。

对生产至关重要的许可应在获准变更期间保持可执行，或触发过渡期。贷款人和投资者在为合资企业融资时会检验这些连续性权利。

30. 设计退出与终止后权利

退出规划应在设立时开始。选项包括出售、上市、母公司收购、资产出售、解散或由一方继续经营。协议应处理估值、转让限制、优先购买权、拖售权、随售权、僵局和破产。

数据和知识产权需要分离计划。合资企业可保留产品记录，而母公司收回背景资产。前景改进可按领域回授许可。监管、客户和质量记录可能需要长期保留。基于混合数据训练的模型需要约定处理方式。

过渡服务应涵盖系统、生产设施、人员、供应和监管支持。无法实现分离的企业，其融资能力和退出价值都会较弱。各方在作出承诺前应对成本和时机进行建模。

31. 建立董事会仪表盘

董事会仪表盘应连接技术绩效、数据权利、质量、资本和现金。开发指标可包括从设计到结果的时间、成功转移、放大转化和工艺能力。工厂指标可包括批次成功率、收率、放行时间、利用率、偏差、成本、能源、水和废弃物。

数据和AI指标可包括完整性、来源例外、模式符合性、模型性能、覆盖、漂移、访问事件和未解决的权利。商业指标可包括合同量、价格、利润率、营运资金和已收现金。

每个指标都需要定义、负责人、分母和决策。汇总的实验或批次数量可能掩盖失败和返工。董事会应看到趋势和证据缺口。

表 3. 合资企业董事会控制体系

各项指标将运营证据与治理及资本决策联系起来。

32. 执行前100天

前100天应建立控制，同时不中断科学或供应。优先事项包括资产与权利确认、访问权限、质量岗位、数据保存、转移规划、资本基线、合作伙伴沟通以及关键岗位招聘。

该企业应选择具有代表性的项目，并测试端到端可追溯性。应尽早解决缺失的同意书、未记录的代码、不兼容的数据模式以及界定不清的改进事项。董事会应批准统一的权利登记册和完工成本模型。

系统整合应在验证之后进行。在定义和控制措施达成一致之前迁移实验室或工厂数据，可能会破坏数据溯源。并行运行与对账有助于保持连续性。

33. 承认局限性

生物制造涵盖制药、食品、化学品、材料、农业及其他用途，并受不同的监管、安全和商业条件约束。适当的质量与数据控制取决于产品和司法管辖区。本框架并不验证特定创业企业、工艺、模型或设施。

上市公司披露文件可说明商业模式和合同安排。它们属于管理层披露，并不独立验证业绩或价值。监管与标准材料可能发生变化。应针对实际产品和场地确认现行要求。

假设数值用于演示分配和估值机制。真实交易需要针对具体资产的证据、权利、合同、工程、资本、税务、会计和市场假设。

34. 对公用事业和环境强度定价

生物制造的经济性可能取决于蒸汽、电力、冷却、水、气体、废水处理和废物处置。企业应在可行情况下按产品、批次和工艺阶段衡量消耗量。场地平均值可能掩盖对某一项目造成不成比例影响的约束或成本。

公用事业数据还可以改进工艺模型和产能规划。因此，所有权和访问权应与生物和质量数据一并处理。工厂合作伙伴可以保留全厂基础设施信息，同时向企业提供足够的产品层面证据，以核实成本、可持续性声明和扩张需求。

定价机制应明确成本传导、效率收益和资本回收。资助水回收或能源项目的一方可能寻求优先回报。企业应保留客户、贷款人和监管报告所需的证据。

35. 分配责任与保险

批次失败、污染、产品缺陷、网络事件、监管行动和供应中断可能造成的损失超出企业的股权。责任分配应遵循控制权、违约、过失、产品责任和约定风险上限。赔偿需要通知、抗辩、减损和追偿程序。

保险可以包括财产、营业中断、产品责任、临床风险、网络、环境和董事责任保险。应在财务交割前测试可获得性和除外责任。不应假定保险赔款能覆盖所有技术或质量故障。

经济模型应包括免赔额、未投保风险敞口和恢复时间。即使母公司控制相关活动，责任上限也可能将风险转回企业。治理和定价应反映该分配。

36. 在锁定资本前检验需求

技术上可行的工艺并不能证明存在可支撑工厂投资的价格需求。企业应明确客户、产品、数量、规格、审批路径和合同状态。意向函和预测应与有约束力的承购安排保持区分。

产能可以通过试点、示范、模块化扩建或合同制造分阶段形成。融资计划应使不可逆资本与证据相匹配。需求可信时，专用设备可降低灵活性并提高控制力。柔性设备可支持多个项目，但可能需要更多换产和验证。

董事会应按合格需求审查利用率，而不是按理论罐体容积。产品延迟、客户集中度和价格压力应纳入下行情景。

37. 围绕证据构建融资结构

该合资企业可使用母公司股权、股东贷款、项目债务、设备融资、赠款、客户预付款或战略投资。每种来源在担保、契约和控制权方面具有不同影响。贷款人会检验技术转让、合同、完工成本、许可、保险和介入权。

偿债安排应遵循满足运营和维护需求后的可用现金。项目里程碑可能波动，不应在没有充分保护的情况下支撑固定债务。建设融资可在竣工并在约定条件下满足资格要求后转换。

运营所必需的数据和知识产权许可应具备可融资性。补救权、转让权和连续性权利可决定贷款人是否认可抵押品价值。母公司终止权应与融资文件相容。

38. 将尽职调查转化为交易文件

每项重大尽职调查发现都应在合同或估值层面得到应对。缺失的数据权利可能需要取得同意或予以排除。未经证实的规模化主张可以转化为里程碑。产能约束可能改变资本计划。质量体系缺口可以成为交割条件、契约或托管安排。

主要文件应作为一个体系协同运作：股东协议、出资协议、知识产权和数据许可、技术开发协议、制造和供应协议、服务协议、融资文件和退出时间表。各文件中的定义应保持一致。

投资委员会应获得一份从管理层主张到基础价值、分阶段价值、剩余资本和风险分配的桥接分析。该记录使投标和所有权决策可供审计。

39. 以在规模化后仍存续的权利作结

实验室成果通过受控的放大、转移、验证、生产和销售链条转化为商业价值。各方应分配每个阶段所产生的数据和权利。仅靠所有权表述并不足够；访问权、许可使用、改进、监管依赖、退出和存续决定经济控制权。

AI 可以改进实验选择、工艺理解和工厂决策。其价值取决于合法数据、明确界定的情境、经测量的绩效和可问责的使用。模型、实验室和工厂构成一个证据体系。

持久的合资企业为每位出资方就所转让资产和未来工作提供公平回报。它还保护合资企业运营、融资、改进和退出的能力。价值取决于从批次生产到工厂生产仍可使用的权利和证据。

数值为示意性管理层假设，单位为百万 USD。

参考文献

1. 美国食品药品监督管理局。先进制造技术认定计划。最终指南，2024年12月。 https://www.fda.gov/regulatory-information/search-fda-guidance-documents/advanced-manufacturing-technologies-designation-program
2. 美国食品药品监督管理局。药物开发中的人工智能。 https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development
3. 美国食品药品监督管理局。药物制造中的人工智能。2023年3月。 https://www.fda.gov/media/165743/download
4. 美国食品药品监督管理局。数据完整性与药品CGMP合规：问答。2018年12月。 https://www.fda.gov/regulatory-information/search-fda-guidance-documents/data-integrity-and-compliance-drug-cgmp-questions-and-answers
5. 美国食品药品监督管理局药品评价与研究中心（CDER）监管先进制造评估倡议框架。 https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/cders-framework-regulatory-advanced-manufacturing-evaluation-frame-initiative
6. 美国食品药品监督管理局与欧洲药品管理局。药物开发中良好AI实践指导原则。 https://www.fda.gov/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development
7. 国际人用药品注册技术协调会。ICH Q10 药品质量体系。 https://database.ich.org/sites/default/files/Q10_Guideline.pdf
8. 国际人用药品注册技术协调会。ICH Q12 药品生命周期管理的技术与监管考虑。 https://database.ich.org/sites/default/files/Q12_Guideline_Step4_2019_1119.pdf
9. 国际人用药品注册技术协调会。质量指南。 https://admin.ich.org/page/quality-guidelines
10. 美国国家标准与技术研究院。生物经济数据。 https://www.nist.gov/mml/bbd/standards-bioeconomy/data-bioeconomy
11. 美国国家标准与技术研究院。人工智能风险管理框架。 https://www.nist.gov/itl/ai-risk-management-framework
12. 美国国家标准与技术研究院（NIST）AI 资源中心。AI 风险管理框架资源。 https://airc.nist.gov/
13. IFRS基金会。IFRS 11 合营安排。 https://www.ifrs.org/issued-standards/list-of-standards/ifrs-11-joint-arrangements/
14. IFRS基金会。IAS 28 对联营企业和合营企业的投资。 https://www.ifrs.org/issued-standards/list-of-standards/ias-28-investments-in-associates-and-joint-ventures/
15. 国际财务报告准则基金会。《国际会计准则第38号——无形资产》。 https://www.ifrs.org/issued-standards/list-of-standards/ias-38-intangible-assets/
16. 国际财务报告准则基金会。《国际财务报告准则第13号——公允价值计量》。 https://www.ifrs.org/issued-standards/list-of-standards/ifrs-13-fair-value-measurement/
17. Ginkgo Bioworks Holdings, Inc. 截至2025年12月31日止年度的年度报告。美国证券交易委员会。 https://www.sec.gov/Archives/edgar/data/1830214/000162828026012346/dna-20251231.htm
18. Ginkgo Bioworks Holdings, Inc. 截至2024年12月31日止年度的年度报告。美国证券交易委员会。 https://www.sec.gov/Archives/edgar/data/1830214/000162828025007819/dna-20241231.htm
19. Ginkgo Bioworks, Inc. 与 Amyris, Inc. 合作协议。美国证券交易委员会。 https://www.sec.gov/Archives/edgar/data/1365916/000117184318002791/exh_1050.htm
20. 世界知识产权组织。医疗健康相关发明的专利保护。 https://www.wipo.int/web-publications-preview/patenting-healthcare-related-inventions/en/introduction.html
21. 世界知识产权组织。2026年世界知识产权报告。 https://www.wipo.int/web-publications/world-intellectual-property-report-2026/en/executive-summary.html

关于作者

Chennakeshav（CK）是一位企业融资与投资银行高管，拥有25年以上全球经验，涵盖M&A、增长资本与企业战略领域的交易发起、结构设计与执行。他曾为创始人、企业和基金领导价值创造委托——将董事会视角与一线执行及交割相衔接。

他的职业生涯横跨摩根士丹利、汇丰、劳埃德银行集团、EWEC、ADQ 投资组合公司和 Emirates Growth Fund，覆盖科技、媒体与电信、房地产、金融科技、深科技、清洁科技、基础设施与能源领域。他曾与高管、私募股权与风险投资基金、主权财富基金和家族办公室合作，为复杂的基金募集和成长期企业提供融资，并领导M&A尽职调查、并购后整合和业务转型举措以创造价值。

在Matchpoint Partners，他担任管理合伙人，领导公司的企业融资、M&A与资本募集业务。他拥有伦敦商学院 MBA 学位和 VTU 工程学位，并正在伦敦大学学院（UCL）攻读法学硕士（LLM）。

作为活跃的初创企业导师，CK 在 Techstars、DIFC FinTech Hive、Startup Grind、Founder Institute 和 IN5 担任导师，并担任伦敦商学院驻场创业者导师（EMiR），还担任创业世界杯评委。

https://www.linkedin.com/in/ckadya/

https://www.matchpoint-partners.com/team/ck-adya.html

本文是持续探讨私募和另类市场结构的系列文章之一。文中观点仅代表作者本人。本文仅供参考，以概括性语言描述市场结构，不构成投资、法律、税务或监管建议，也不构成对任何证券、投资载体或交易对手的推荐。