Analitycy przewidują boom M&A w farmacji z powodu przyspieszonego opracowywania leków za pomocą AI
Duże firmy wydają dziesiątki miliardów, chcąc kupić czas i technologie, zamiast czekać na wewnętrzne opracowania 8-10 lat. Szczególne zainteresowanie budzą biotechnologiczne start-upy wykorzystujące uczenie maszynowe do badań klinicznych.
Sztuczna inteligencja jako katalizator: dlaczego Big Pharma wykupuje biotechnologiczne start-upy dla szybkości
Wprowadzenie
Przemysł farmaceutyczny wchodzi w okres bezprecedensowej transformacji, w której sztuczna inteligencja staje się nie tylko narzędziem pomocniczym, ale centralnym motorem transakcji fuzji i przejęć. Najwięksi gracze branży – Eli Lilly, Merck, AstraZeneca i Johnson & Johnson – aktywnie nabywają biotechnologiczne start-upy specjalizujące się w uczeniu maszynowym do badań klinicznych, wydając na to dziesiątki miliardów dolarów. Główna motywacja jest prosta i bezlitosna: wewnętrzne opracowanie leku trwa średnio 8-10 lat i kosztuje do 2 miliardów dolarów, podczas gdy nabycie gotowej platformy AI może skrócić ten cykl wielokrotnie.
Kontekst strategiczny wzmacnia tzw. „przepaść patentowa” – do 2030 roku około 190 markowych leków straci ochronę patentową, co zagrozi od 236 miliardów do 400 miliardów dolarów rocznych przychodów. W tym wyścigu z czasem start-upy AI stają się dla Big Pharma nie luksusem, ale jedynym sposobem na uzupełnienie utraconych dochodów, zanim przepaść patentowa zniszczy ich wyniki finansowe.
Szczegóły wydarzenia i chronologia
Luty-marzec 2026 roku stały się okresem przełomowych transakcji, które potwierdziły nowy trend. Na konferencji J.P. Morgan Healthcare Conference w styczniu 2026 roku Eli Lilly i NVIDIA ogłosiły utworzenie wspólnego laboratorium AI o wartości 1 miliarda dolarów w South San Francisco – projekt TuneLab ma skrócić cykl opracowywania leków dzięki bilionom symulacji molekularnych rocznie.
Już w marcu 2026 roku ta sama Eli Lilly zawarła umowę z Insilico Medicine na kwotę do 2,75 miliarda dolarów (około 2,39 miliarda euro). Zgodnie z warunkami transakcji amerykański gigant farmaceutyczny uzyskał wyłączne globalne prawa do opracowywania i komercjalizacji leków stworzonych z wykorzystaniem platformy Pharma.AI. Insilico otrzymało zaliczkę w wysokości 115 milionów dolarów i może ubiegać się o kolejne transze uzależnione od kamieni milowych klinicznych i regulacyjnych. Warto zauważyć, że roczny przychód samego Insilico w 2025 roku wyniósł zaledwie 56 milionów dolarów, a wycena na 2,75 miliarda dolarów odzwierciedla właśnie wartość jego infrastruktury AI, a nie bieżących wyników finansowych.
Równolegle Merck zadeklarował gotowość wydania na przejęcia w 2026 roku ponad 15 miliardów dolarów, koncentrując się na aktywach w późnych fazach rozwoju i platformach AI. Bristol Myers Squibb już sfinalizował transakcje o wartości 30 miliardów dolarów, a Pfizer przeznaczył budżet na rozwój biznesu w wysokości 6 miliardów dolarów.
Osobnej uwagi wymaga kwietniowa transakcja (2 kwietnia 2026 roku) między firmą AI Anthropic a biotechnologicznym start-upem Coefficient Bio o wartości 400 milionów dolarów. Jest ona znacząca, ponieważ kupującym nie była korporacja farmaceutyczna, ale twórca dużych modeli językowych – sygnalizuje to konwergencję sektorów AI i biotechnologii w jeden rynek.
Wpływ i znaczenie
Zachodząca zmiana ma fundamentalne konsekwencje dla całego ekosystemu opracowywania leków.
AI przechodzi z kategorii eksperymentu do kategorii infrastruktury. Jeszcze w 2025 roku algorytmy uczenia maszynowego były postrzegane jako użyteczne, ale pomocnicze narzędzie. Na początku 2026 roku sytuacja zmieniła się radykalnie: AI staje się „systemem operacyjnym” farmaceutycznych prac badawczo-rozwojowych. Platforma Insilico Pharma.AI obejmuje na przykład cały cykl – od identyfikacji celów biologicznych po projektowanie cząsteczek i planowanie badań klinicznych.
Kompresja horyzontów czasowych. Konkretne liczby robią wrażenie. Moderna dzięki uczeniu maszynowemu skróciła selekcję kandydatów na cząsteczki z 18 do 6 miesięcy. Illumina wykorzystuje platformę AI DRAGEN, aby skrócić czas pełnej analizy genomu z 30 godzin do mniej niż 30 minut. To nie stopniowa poprawa, ale skok jakościowy zmieniający ekonomię całej branży.
Zmiana natury M&A. O ile wcześniej firmy farmaceutyczne kupowały pojedyncze obiecujące cząsteczki lub aktywa w późnej fazie rozwoju, o tyle teraz przedmiotem transakcji coraz częściej stają się platformy – technologie zdolne do generowania wielu leków na różne choroby. ING prognozuje wzrost liczby transakcji o 15% w 2026 roku (do około 520 transakcji) i łącznej wartości do 230 miliardów dolarów.
Czynnik chiński. Udział chińskich firm biotechnologicznych w globalnych transakcjach outlicensingowych wzrósł z 3% w 2020 roku do 40% w 2026 roku. Transakcja Eli Lilly z Insilico (mającym chińskie korzenie) i listopadowe partnerstwo tej samej Lilly z szanghajskim Xtalpi na kwotę 345 milionów dolarów potwierdzają, że napięcia geopolityczne nie powstrzymują logiki komercyjnej.
Reakcje kluczowych graczy
Stanowiska wiodących firm demonstrują kilka strategicznych wzorców.
Eli Lilly wybrała drogę agresywnego skoku technologicznego. Oprócz dwóch wyżej wymienionych transakcji, firma zainwestowała w IPO Insilico na giełdzie w Hongkongu i utworzyła z NVIDIA fizyczne laboratorium AI. Jak stwierdził wiceprezes Lilly ds. poszukiwania cząsteczek Andrew Adams, „możliwości Insilico w zakresie poszukiwania leków za pomocą AI są potężnym uzupełnieniem naszego doświadczenia w rozwoju klinicznym”.
Merck koncentruje się na onkologii i immunologii, przygotowując portfel nowych produktów o wartości 70 miliardów dolarów, aby zrekompensować utratę patentu na Keytrudę w 2028 roku. Firma uruchomiła 16 globalnych badań III fazy nad swoim kandydatem ADC sac-TMT.
Pfizer i Bristol Myers Squibb stosują inną taktykę – masowe jednorazowe przejęcia. Pfizer po konkurencyjnej walce z Novo Nordisk kupił Metserę za kwotę do 10 miliardów dolarów, a BMS wydał 30 miliardów dolarów na dywersyfikację portfela.
Giganci technologiczni również wchodzą na rynek. Transakcja Anthropic-Coefficient Bio oraz udział Amazon/NVIDIA w rundach OpenAI pokazują, że granica między laboratoriami AI a firmami farmaceutycznymi zaciera się. Coefficient, nabyty przez Anthropic, specjalizował się w projektowaniu białek – i teraz ta kompetencja jest integrowana z ekosystemem Claude.
Regulatorzy sygnalizują elastyczność. FDA zatwierdziła już 46 produktów terapii komórkowej i genowej do sierpnia 2025 roku, a ARPA-H finansuje opracowanie „agentowego AI” do leczenia chorób przewlekłych.
Prognoza i wnioski
Rok 2026 z dużym prawdopodobieństwem stanie się przełomowy dla farmacji napędzanej AI z kilku powodów.
Po pierwsze, tempo transakcji przyspieszy w drugiej połowie roku. ING wskazuje, że obniżka stóp Fed w 2026 roku zmniejszy koszt kapitału i zwiększy apetyt na ryzykowne przejęcia. Dodatkowym katalizatorem jest administracja USA z jej przychylnym nastawieniem do megatransakcji.
Po drugie, konkurencja o platformy AI będzie się zaostrzać. Liczba dojrzałych start-upów AI-biotech z udowodnioną skutecznością kliniczną pozostaje ograniczona, a popyt ze strony Big Pharma nadal rośnie. To nieuchronnie podbija wyceny i może doprowadzić do powstania „bańki” w segmencie AI-biotech.
Po trzecie, ryzyka regulacyjne pozostają niedoszacowane. Jak zauważa ING, inwestorzy mają tendencję do ignorowania ryzyk politycznych do momentu ich materializacji – a tymczasem trwające negocjacje cenowe w ramach Inflation Reduction Act i potencjalne uproszczenie wprowadzania biopodobnych leków na rynek mogą obniżyć przyszłą rentowność nabywanych aktywów.
Dla branży jako całości główny wniosek jest następujący: AI fundamentalnie zmienia „logikę ryzyka” inwestycji farmaceutycznych. Firmy wykorzystujące modele predykcyjne do optymalizacji celów i projektowania badań mogą budować bardziej przekonujące uzasadnienie inwestycyjne niż tradycyjne biotechnologie. Farmacja, przez dekady działająca według modelu „jedna cząsteczka – jedna choroba – dziesięć lat opracowywania”, przekształca się w branżę technologii platformowych, gdzie kluczowym aktywem staje się nie konkretny lek, ale zdolność do szybkiego i przewidywalnego generowania nowych leków za pomocą AI.
— Editorial Team
