2026年10月14日 ·65 分钟·English

从阶段门到信念流：AI 时代研发决策的连续化与动态定价

把决策看作投资，阶段门就是一份只能在少数日期行权的期权。AI 让信念可以随证据近乎连续地更新，但更新得勤并不自动带来价值；价值来自更完整的状态、更合适的决策时点和更合适的持有者，并要扣掉为此付出的成本与摩擦。

science

生物医药研发的决策，大多集中在几个时点上：候选物提名、IND 申报、各期临床的启动与读出、上市申请。两个时点之间，数据在持续累积，但项目的估值和资源配置往往不动，要等到下一次评审才重新定价。一种直观的说法是：今天的研发决策像一个「大跨度的马尔可夫过程」，项目只在几个阶段之间跳转；AI 似乎能把它变成一个连续的马尔可夫过程。这篇文章要检验这个直觉，问题是：如果对项目的判断可以随证据近乎连续地更新，研发资产的价值与决策方式会发生什么变化，这对投资行为又意味着什么？

现在讨论它，有两个原因。一是贝叶斯方法与统计决策理论已经成熟，适应性设计和平台试验在监管层面也有了先例。二是 AI 正在降低整理证据、维护模型和更新判断的人力成本，过去因为精力有限而只能「定期做一次」的事，开始有可能持续去做。

文章分为两篇。上篇整理问题的结构，回顾实物期权、序贯决策、连续时间资产定价和临床试验设计中已有的理论与实践，并说明上面那个直觉哪些部分成立、哪些需要修正。下篇提出一个框架，本文称之为信念流定价（Belief-Flow Pricing），给出它的几条命题，再讨论它对投资与交易行为的影响、风险边界、组织机制、AI 基础设施和实施路径。文中的两个数值示例来自我们自己写的示意模型，只说明机制和方向，不代表任何真实项目的数据。

上篇 · 一、研发决策为什么是块状的

制药企业普遍采用的阶段门（stage-gate）管理，最早由 Robert Cooper 系统化地提出，用于新产品开发：项目被划分为若干阶段，每个阶段结束时由评审会决定继续、终止或返工（Cooper 1990, Business Horizons[1]）。在药物研发里，这些「门」与靶点确认、先导化合物优化、候选物提名、IND、I 至 III 期临床和上市申请大致对应。

阶段门：把开发过程切成若干阶段，只在阶段之间设评审点，由评审决定是否投入下一阶段的资源。它隐含的前提是：重要的信息集中在阶段末尾到达，评审之间可以不做决策。

这种结构背后是一组高风险、长周期的数字。按 BIO、Informa 与 QLS 对 2011 至 2020 年临床项目的统计，从进入 I 期到获批的总体成功率约为 7.9%，平均耗时约 10.5 年（BIO 2021[2]）。Wong、Siah 与 Lo 用另一种方法估计 2000 至 2015 年的数据，得到的总体成功率为 13.8%，其中肿瘤只有 3.4%（Wong et al. 2019, Biostatistics[3]）。前者以「药物与适应症」的组合为单位，把逐期转化率连乘；后者逐条追踪开发路径，并对缺失的阶段信息做了推断，两者的分母不同。按 DiMasi 等人的估计，计入失败项目与资本时间成本后，每个获批新药的研发成本约为 25.6 亿美元（2013 年美元，不含上市后研发）（DiMasi et al. 2016, J Health Econ[4]）。连行业最常用的成功率基准都有这样的口径差异，说明哪怕是「先验」本身，也带着可观的不确定性。

决策之所以呈块状，至少有四个来源。它们的性质不同，后文会分别处理。

第一，信息本身是块状的。 临床试验最关键的疗效证据集中在预先设定的分析时点出现，事件驱动的终点要等事件数累积到一定程度才有统计意义。这部分块状来自生物学和试验设计，不会因为看得更勤而消失。

第二，认知与组织带宽有限。 Herbert Simon 指出，现实中的决策者受信息处理能力限制，追求的是「足够好」而非最优（Simon 1955, QJE[5]）。Christopher Sims 把注意力建模为有容量上限的信息通道，决策者会理性地选择少看、粗看（Sims 2003, J Monetary Econ[6]）。定期评审是组织在注意力约束下的合理安排：把有限的高层时间集中投到少数时点。

第三，统计与监管完整性。 对累积数据反复做显著性检验，会让一类错误率显著膨胀（Armitage et al. 1969, JRSS A[7]）。因此确证性试验要求在方案和统计分析计划中预先规定期中分析与决策规则；在预设分析之外，申办方不应查看按组揭盲的疗效数据。这部分块状是制度设计，目的是保护推断的可信度。

第四，资本与契约是块状的。 风险投资按轮次注资，许可交易按里程碑付款，董事会按季度开会。这些安排与交易成本和可验证性有关：「II 期达到主要终点」这样的事件容易写进合同，一条连续变化的后验概率则不容易。

这四个来源决定了：AI 能直接缓解的主要是第二个；第一个只能通过更好的实验设计和更早可得的数据去改善；第三个和第四个需要制度与契约的配套。把它们混在一起谈「连续决策」，容易高估 AI 的作用。

二、把决策当作投资：从净现值到实物期权

在估值层面，行业的通行做法是风险调整净现值（rNPV）：把每一阶段的成本和成功后的现金流，按阶段成功率逐级折算。教科书式的 rNPV 有一个常被忽略的数学结构：它隐含地把项目看成在「临床前、I 期、II 期、III 期、申报、上市」之间跳转的马尔可夫链，每个状态的转移概率取同类项目的历史均值，并且假定只要技术上没有失败就一律继续。这就是引言所说的「大跨度马尔可夫过程」。

实际的组合管理会更细一些。多数大中型药企以行业基准为起点，由跨职能专家组按靶点验证程度、是否有可用的生物标志物、分子类型和适应症，对单个项目的成功概率做调整，并在年度或半年度的组合评审中更新。但这种调整通常是隐式的：依据了什么证据、调整了多少、事后是否被校准，很少被系统记录。从数学结构看，它仍然是以阶段为骨架、在少数时点上被人工修正的跳转链，而且估值里通常不包含管理者在途中终止、加码或转让的选择权。

这些局限在实物期权理论里早有讨论。一般认为「实物期权」一词由 Stewart Myers 提出，他把企业未来的投资机会看作期权（Myers 1977, J Financial Econ[8]）。McDonald 与 Siegel 证明，当投资不可逆且项目价值有不确定性时，等待本身有价值，最优投资门槛高于净现值为零的点（McDonald & Siegel 1986, QJE[9]）。Dixit 与 Pindyck 的《不确定性下的投资》把这些结果系统化，成为这一领域的标准参考（Dixit & Pindyck 1994, Princeton University Press）。

研发的阶段结构天然是一个复合期权：完成 I 期，换来的是做 II 期的权利而非义务。Geske 给出了「期权的期权」的定价方法（Geske 1979, J Financial Econ[10]），此后有大量工作把复合期权的思想用于药物开发，例如 Kellogg 与 Charnes 用决策树和二叉树方法对 Agouron Pharmaceuticals 做的估值（Kellogg & Charnes 2000, Financial Analysts Journal[11]）。

对本文最重要的是关于进入、退出与调整的结果。Dixit 证明，当进入和退出都有沉没成本时，最优策略不是在一个点上来回切换，而是存在两条边界，中间是一段「不行动区间」（Dixit 1989, JPE[12]）；Abel 与 Eberly 把这一结论推广到存在调整成本和不可逆性的连续投资强度（Abel & Eberly 1994, AER[13]）。价格落在区间内时，即使信息在变，最优选择也是维持现状。这个滞后效应后面会反复出现，它说明「连续观测」与「连续行动」是两回事。

实物期权在制药业的实际采用并不普遍，常见的批评是参数难以估计、模型对管理层不透明。这恰恰是本文要讨论的变化：如果维护一个持续更新的概率模型的成本大幅下降，实物期权的思想才有机会从年度估值报告走进日常决策。

三、序贯决策的数学谱系

「何时停止收集信息并做出决定」是统计学和运筹学里一条很长的研究线。它的几个节点，基本覆盖了本文需要的工具（图 1）。

图 1 ｜与本文相关的四条理论脉络：统计决策与序贯分析、动态规划与最优停止、实物期权与资产定价、临床试验设计与监管 · 来源：一目半根据文中所引文献整理绘制

Abraham Wald 在二战期间提出序贯概率比检验：每来一个观测就更新似然比，越过上下两条边界之一就停止并做出结论，否则继续抽样（Wald 1945, Ann Math Stat[14]）。Wald 与 Wolfowitz 随后证明，在一定条件下它是平均样本量最小的检验（Wald & Wolfowitz 1948, Ann Math Stat[15]）。Wald 1950 年的《统计决策函数》把估计、检验和抽样都纳入「在不确定性下选择行动以最小化损失」这一统一框架。

贝叶斯决策理论在 1960 年代成形。Raiffa 与 Schlaifer 的《应用统计决策理论》（1961）和 DeGroot 的《最优统计决策》（1970）给出了先验、似然、后验与效用如何组合成决策的标准写法。Ronald Howard 提出「信息价值」：一项信息的价值，等于有了它之后最优决策的期望收益减去没有它时的期望收益（Howard 1966, IEEE Trans SSC[16]）。这个定义里藏着一个对本文至关重要的推论：对于一个只关心结果的决策者，如果一条信息不可能改变任何决策，它的价值为零。

Richard Bellman 的动态规划给出了求解多阶段决策的递推方法。Karl Åström 把它推广到状态不可直接观测的情形，指出此时应当以「对状态的后验分布」作为新的状态来做动态规划（Åström 1965, J Math Anal Appl[17]），Smallwood 与 Sondik 给出了有限期问题的求解方法（Smallwood & Sondik 1973, Oper Res[18]）。这就是部分可观测马尔可夫决策过程（POMDP），其中的后验分布被称为信念状态。

在连续时间里，停止问题变成自由边界问题。Shiryaev 研究了「尽快发现一个隐藏的变化点」的贝叶斯最优停止，最优规则是后验概率越过某个阈值时报警（Shiryaev 1963, Theory Probab Appl[19]）。在组合层面，Gittins 证明了一类多项目分配问题可以给每个项目单独算一个指数，每次投资指数最高的项目即为最优（Gittins 1979, JRSS B[20]）；但当项目之间切换有成本时，这种指数策略一般不再最优（Banks & Sundaram 1994, Econometrica[21]）。

这些工具很早就被用于临床试验本身。最早的线索甚至早于 Wald：Thompson 在 1933 年就提出按「哪种疗法更好」的后验概率分配受试者，这是今天适应性随机化的源头（Thompson 1933, Biometrika[22]）。Berry 与 Ho 用决策理论推导试验的序贯停止边界（Berry & Ho 1988, Biometrics[23]）；Chick 等人进一步处理了结局延迟到达的情形，此时已入组但结局未出的受试者会改变最优规则（Chick et al. 2017, JRSS B[24]）。经济学中关于「实验」的研究则把它们用于企业决策：Moscarini 与 Smith 研究了在连续时间里如何同时选择实验强度和停止时点（Moscarini & Smith 2001, Econometrica[25]），Keller、Rady 与 Cripps 研究了信息以泊松「好消息」形式到达时的实验问题（Keller et al. 2005, Econometrica[26]），后者与临床读出那种跳跃式到达的证据更接近。Bergemann 与 Hege 则把信念驱动的研发停止问题与分阶段融资放在一起分析（Bergemann & Hege 2005, RAND J Econ[27]）。

把这条谱系放在一起看，结论是清楚的：「在近似连续的尺度上依据后验做决策」在理论上并不新，它的最优结构（边界、阈值、不行动区间、指数）大多已有精确刻画。新的是实施条件：过去维护后验需要专门的统计团队和大量手工整理，只能用于少数关键试验；现在这件事的边际成本在下降。

四、重新表述：阶段标签不是马尔可夫状态

回到「从大跨度马尔可夫过程变为连续马尔可夫过程」这个直觉。它的方向是对的，但需要把两件事分开：状态选得对不对，以及时间分得细不细。

马尔可夫性质不是过程本身的属性，而是「过程加上所选状态」的属性。这里有两层意思。第一层，相对于包含全部试验数据的信息，阶段标签不是充分统计量。两个都处在 II 期的项目，一个已经看到清晰的剂量反应和生物标志物信号，另一个的早期数据模糊，它们未来成功的概率显然不同。第二层，即便只看阶段序列本身，由于同一阶段内的项目潜在质量不同，Kemeny 与 Snell 意义上的「可合并性」（lumpability）条件一般也不成立（Kemeny & Snell 1960, Finite Markov Chains）：在一个阶段停留了多久、此前是否顺利，都带有预测信息，阶段链本身并不是马尔可夫的。需要说明的是，rNPV 给出的是在「只知道阶段」这一粗信息下的平均前景；它的问题在于信息太粗（以及第二节所说的不计入选择权），而不在于平均算错了。

能满足马尔可夫性质的状态，是对项目关键未知量的后验分布，再加上阶段、时间和已投入资源这些可观测的状态。

信念状态：在当前所有证据下，对项目关键未知量（疗效大小、安全性、成本与时间）的后验分布；成功概率等指标由它导出。它与可观测的状态（所处阶段、时间、已投入资源）一起，构成对未来决策而言充分的状态：在模型设定正确的前提下，知道了它们，过去的数据不再提供额外信息。

所以第一步改进是扩充状态：在阶段标签之外加入信念状态。阶段仍然重要，它决定了剩余成本、可选行动和监管要求，但仅凭阶段不足以刻画项目前景。上一节提到，行业里并非没有对同阶段项目的区别对待，只是区别对待依赖专家的隐式判断；扩充状态的增量在于让这种区别显式化、可复现，并能用事后结果检验。第二步才是加密时间。

「连续」也需要拆开。本文区分三种连续性（图 2）：

观测的连续性：数据多久进入系统一次。入组、安全性事件、生物标志物、竞品动态、文献，可以近乎实时地进入，前提是数据合同和数据管道允许。
信念更新的连续性：后验多久重算一次。一旦模型和数据管道就绪，重算的边际成本可以很低；但让它们「就绪」的固定成本并不低，包括数据对接、先验引出、模型验证，以及标准治疗和终点定义变化后的再验证。AI 降低的主要是其中整理和对齐证据的部分。
行动的连续性：资源配置多久调整一次。这受切换成本、不可逆投入、组织节奏和统计完整性约束，最优频率通常远低于前两者。

图 2 ｜三种连续性：观测可以近乎连续，后验信念随证据连续演化并在读出时跳跃；在阶段门体系下，行动只发生于固定时点，在信念流决策下，行动由信念越过边界触发，两条边界之间不触发评审（示意；实际的最优边界一般随时间变化，且行动后边界会移动） · 来源：一目半绘制

AI 主要让前两种接近连续。第三种是否应该连续，是一个需要单独求解的问题，答案通常是否定的：最优策略多半是「持续观测、持续更新、在越过边界时离散地行动」。

在连续时间里，信念状态的演化有一个清楚的数学形态。以最简单的情形为例：项目疗效只有「有效」和「无效」两种可能，观测信号是带漂移的布朗运动，有效时漂移为 μ₁，无效时为 μ₀，噪声强度为 σ。此时「项目有效」的后验概率 π 本身是一个无漂移的扩散过程，瞬时波动率恰为 π(1−π)·(μ₁−μ₀)/σ（Liptser & Shiryaev, Statistics of Random Processes）：在 π 为 1/2 时最大，越接近确定越小。若证据在读出时集中揭示，π 会在那些时点发生跳跃，整体呈跳跃与扩散并存的形态。这就是「连续马尔可夫过程」在本问题中的确切含义：连续演化的是信念，而不是阶段。

这个过程还有一个性质，决定了后文的大部分结论：在决策者自己的先验与模型之下（也就是对按先验抽取的一组项目取平均），后验概率是一个鞅，今天对明天信念的最佳预测就是今天的信念。由此有两个推论。

其一，看得更勤不改变期望的信念。由鞅的可选停止定理，无论多勤地查看、在什么时候停下来，停下时的平均信念都等于最初的先验。查看本身不会让信念平均而言变得更乐观或更悲观，它的作用只体现在据此采取的行动上。

其二，信息有总预算。后验概率在整个项目期内的平方变差，其期望恰好等于期末后验的方差，而后者不超过「项目是否有效」这一事件的先验方差 p(1−p)；只有当期末真相完全揭示时才取到上限。这笔预算花多少、花得多早，取决于数据本身产生得多快、信号多强，而不取决于我们多久计算一次后验：更频繁地重算，只是更细地看到不确定性被消解的过程，并不加快这个过程。让预算更早、更充分兑现的，是让证据更早可得、信号更强的实验：更好的生物标志物、更精准的入组、更早可读的终点、更短的数据延迟。

五、学习如何进入价格

如果把项目的价值写成信念状态的函数，估值问题就进入了连续时间资产定价的范围。

连续时间金融的基本工具由 Black、Scholes 与 Merton 在 1973 年奠定（Black & Scholes 1973, JPE[28]；Merton 1973, Bell J Econ Manag Sci[29]），后来被系统化为动态资产定价理论（Duffie, Dynamic Asset Pricing Theory）。其中与本文最相关的一支，是投资者对资产基本面的参数并不确知、需要从数据中学习时，价格如何形成。Detemple 较早研究了不完全信息下的生产经济定价（Detemple 1986, J Finance[30]），Veronesi 说明了学习会让价格对坏消息和好消息作出不对称的反应（Veronesi 1999, RFS[31]）。Pástor 与 Veronesi 发现，投资者对企业平均盈利能力的不确定性会提高企业的市值账面比，这一效应随企业年龄增长、投资者逐渐学习而消退（Pástor & Veronesi 2003, J Finance[32]）；其机制是在复利增长下，企业价值对盈利能力是凸函数。

研发资产的价值也对信念凸，但来源不同。对任何一个固定的开发策略，期望价值对成功概率 π 是线性的；正因为企业可以在信念变差时终止、在信念变好时加码或转让，按最优策略继续开发的价值 V(π) 才是这些线性函数的上包络，从而对 π 凸。凸性来自选择权，不来自收益分布本身。如果项目无论信念如何都必须做到底，V 对 π 就是线性的，信念的波动也就没有价值。

由此可以写出一个简洁的对应：项目在 t 时刻的价值 P(t) 等于 V(π(t), t)，其中 V 是在当前信念与阶段下按最优策略继续开发的价值。教科书式的静态 rNPV，相当于只在阶段门时点、以阶段标签代替 π，并在「技术成功即继续」这一固定策略下计算这个函数，因此它同时忽略了状态信息和管理者的选择权。

在这个对应里，信号的信息量表现为信念的波动率。由于 V 对 π 凸，在模型校准的前提下，信息量更大的实验会让决策时点上的信念分布更分散，从而提高期权价值。结合上一节的「信息预算」，这里「提高信念波动率」的确切含义是让不确定性更早、更充分地被消解，而不是凭空增加风险。只有来自真实信息的波动才有这个作用：由模型设定错误造成的过度反应同样会让信念波动变大，却会降低价值（见第九节）。

为突出机制，本文的示意模型都不折现，也不区分实际概率与风险中性概率。这在一阶上可以接受：临床成败主要是特质风险，可以按实际概率计算，而把系统性风险留给商业化现金流的折现率。但严格的定价需要在随机贴现因子下进行；Berk、Green 与 Naik 说明，多阶段研发项目的系统性风险会随阶段推进而变化（Berk et al. 2004, RFS[33]）。折现还会提高提前止损的相对价值。

另一个对应来自期权定价本身。只能在若干指定日期行权的期权叫百慕大式期权，可以在任意时刻行权的叫美式期权。前者的行权时点集合是后者的子集，因此价值不会更高；行权日期越来越密时，前者的价值收敛到后者。在一维扩散、停止收益光滑等正则条件下，这一收敛的速度已有精确刻画：价值差与（平均）行权间隔 h 同阶，最优边界的偏移与 √h 同阶（Dupuis & Wang 2005, Ann Appl Probab[34]，该文的设定是行权机会随机到达）；若停止收益本身有跳跃（例如里程碑付款），收敛可能慢到 √h 的量级；用模拟方法给美式期权定价时，也正是以足够密的行权日期去近似（Longstaff & Schwartz 2001, RFS[35]）。阶段门就是百慕大式的：只能在门上行使「终止」「加码」「转让」这些权利。

这一点修正了上一节「看得更勤不改变期望」的推论。在固定策略下期望不变；但当新的决策时点是在原有时点之上增加的（新网格包含旧网格），企业可选的策略集合扩大，最优策略下的期望价值不会下降。这个结论依赖三个前提：网格嵌套、增加决策时点本身没有成本、只有一个目标固定的决策者。仅仅缩短间隔而不保留原有时点，并不保证价值上升；而在多个主体相互作用时，更多的选择权有时反而有害（见第七节命题七之后的讨论）。

六、已经存在的「近连续」实践及其教训

在临床试验和早期开发决策中，「多次查看、依据累积数据决策」已经有几十年的方法学和监管积累。它们是信念流决策最直接的先例，也划出了它的边界。

成组序贯设计回应了 Armitage 等人指出的重复检验问题。Pocock 提出在若干次期中分析中使用相同的名义显著性水平（Pocock 1977, Biometrika[36]），O’Brien 与 Fleming 提出早期严格、后期宽松的边界（O’Brien & Fleming 1979, Biometrics[37]），Lan 与 DeMets 的 α 消耗函数则允许期中分析的时点和次数不必事先完全固定，只要预先规定一类错误如何随信息量的累积而「花掉」，并且何时查看不取决于已经看到的疗效趋势（Lan & DeMets 1983, Biometrika[38]）。这套方法的思想与本文的框架相通：决策时点可以灵活，但「在什么证据下做什么决定」要事先写清楚。

适应性设计与平台试验更进一步。Donald Berry 等人长期倡导在试验中持续更新后验，并据此调整随机化比例、剂量和样本量（Berry 2006, Nat Rev Drug Discov[39]）。乳腺癌新辅助治疗平台试验 I-SPY 2 依据各生物标志物亚型中的后验概率进行适应性随机化；当某药物在某一预设生物标志物特征中、在一项约 300 例的确证性试验中的贝叶斯预测成功概率达到 85% 时，它就「毕业」进入后续确证（Barker et al. 2009, Clin Pharmacol Ther[40]；Park et al. 2016, NEJM[41]）。REMAP-CAP 是在重症肺炎和新冠中运行的贝叶斯适应性平台试验（REMAP-CAP Investigators 2021, NEJM[42]）。英国的 RECOVERY 则是频率学派框架下的适应性平台试验，在疫情早期数月内确认了地塞米松可降低需要吸氧或有创机械通气的住院患者的 28 天死亡率（RECOVERY Collaborative Group 2021, NEJM[43]）。

监管机构对这类设计的接受度在提高。美国 FDA 于 2019 年发布了适应性设计的正式指导原则（FDA 2019[44]）；2026 年 1 月又发布了关于在药物和生物制品临床试验中使用贝叶斯方法的指导原则草案，建议用模拟报告设计在各种真实情景下的操作特性（FDA 2026[45]）。FDA 自 2018 年起设有模型引导药物开发（MIDD）的配对会议项目，ICH 的适应性设计指导原则 E20 草案也已于 2025 年 6 月达到 Step 2 并公开征求意见（ICH E20 Step 2b[46]）。

在试验之外的开发决策中，定量的 go/no-go 标准也已相当普及。Lalonde 等人在推动模型引导开发时，提出以「目标值」（target value, TV）和「最低参考值」（lower reference value, LRV）来写决策标准，并以真实效应超过这些阈值的概率来表达 go/no-go 规则（Lalonde et al. 2007, Clin Pharmacol Ther[47]）；AstraZeneca 的统计团队发表过早期开发中基于这一思路的「继续／再考虑／停止」三区决策框架（Frewer et al. 2016, Pharm Stat[48]）；从 II 期走向 III 期时，用「保证度」（assurance，即对未来试验成功的预测概率）估计 III 期的成功机会也已相当常见（O’Hagan et al. 2005, Pharm Stat[49]）。Pfizer 提出的「三大支柱」（药物暴露、靶点结合、药理学效应）则是把 II 期决策从阶段标签转向机制证据的另一种标准（Morgan et al. 2012, Drug Discov Today[50]）。

这些实践留下四条教训。

第一，连续的是监测，预先规定的是规则。 成组序贯和贝叶斯适应性设计都不允许「看了数据再决定怎么看」，它们把灵活性放在规则之内。

第二，确证性试验里存在信息防火墙。 期中疗效数据通常由独立的数据监查委员会查看，申办方的决策者保持盲态；FDA 的指导原则明确指出，申办方接触期中比较数据可能对试验完整性构成重大风险（FDA 2006, DMC Guidance[51]），2024 年的修订草案延续了这一立场（FDA 2024, DMC Draft Guidance[52]）。因此在 III 期内部，「依据疗效后验连续决策」受到严格限制，企业能连续使用的主要是盲态汇总数据、运营数据、安全性数据和外部证据。即便是盲态汇总数据也可能间接携带疗效信息，例如事件驱动试验中合并事件率明显低于预期；申办方若据此调整组合或交易策略，同样需要预先规定并记录，以免损害试验的完整性。

第三，项目层面的定量决策已有基础。 TV/LRV、保证度和机制支柱这些框架说明，「在信念空间里写边界」并不是新发明。本文所说的信念流决策，是把这类原本只写在单个试验方案或单次评审里的标准，延伸到项目的整个生命周期和组合层面，并让它在两次评审之间持续被检查。

第四，组合层面的改进往往来自更好的决策标准和与之配套的文化。 AstraZeneca 在 2011 年前后引入以「正确的靶点、组织、安全性、患者、商业潜力」为核心的 5R 框架（Cook et al. 2014, Nat Rev Drug Discov[53]），此后公司自己报告，其候选物从提名到完成 III 期的成功率由 2005 至 2010 年的 4% 提高到 2012 至 2016 年的 19%（Morgan et al. 2018, Nat Rev Drug Discov[54]）。同期公司也大幅收缩并聚焦了管线，这一改善不能全部归于决策标准；Morgan 等人特别强调了与之配套的「正确的文化」，即把考核从推进数量转向推进质量。Paul 等人提出的「quick win, fast fail」，核心也是把止损决策前移（Paul et al. 2010, Nat Rev Drug Discov[55]）。

下篇 · 七、信念流定价：一个框架与七条命题

在上篇的基础上，可以给出本文框架的定义。

信念流定价：在阶段之外，以项目的信念状态作为估值和决策的状态变量；估值是信念状态的函数，随证据流入而持续更新；决策是信念轨迹触及预先设定的边界时触发的离散行动，行动集合包括继续、加码、减速、终止和转让给其他开发者。

相对于阶段门，信念流决策的价值变化可以从四个来源和三类成本来理解：

状态：在阶段之外加入信念状态，同一阶段内的项目得到显式、可检验的区别对待。
时点：决策时点变密，从百慕大式期权走向美式期权。
持有者：行动集合中加入「转让」，资产可以在更合适的时点流向更合适的开发者。
信息：更好的实验设计和更短的数据延迟，让信息预算更早、更充分地兑现。
成本：维护模型和评审的成本，行动的切换成本，以及转让时的交易摩擦。

需要说明，这四个来源并不可加。时点加密只有在状态扩充之后才有意义：若状态仍是阶段标签，在两道门之间增加评审点，状态不会变，加密也就没有收益。信号越强，加密的收益越大。转让选项的价值，又取决于能否在合适的时点识别并行动。因此这是一个按顺序逐步加入的增量分解，各项大小与加入次序有关；净价值是它们共同作用的结果减去成本。下面七条命题，是对这个框架的展开。

命题一：在阶段之外加入信念状态，期望价值不会下降。 理由是：「阶段加全部证据」所包含的信息严格多于「阶段」本身，而以更多信息为条件的最优决策，其期望价值不会低于以更少信息为条件的最优决策（Blackwell 关于实验信息量比较的结果是这一思想的一般形式，Blackwell 1953, Ann Math Stat[56]）。这一结论成立的前提是信念模型本身是校准的；用一个设定错误的模型取代专家判断，并不保证更好，这也是第九节和第十二节强调校准与回测的原因。

命题二：期望守恒，价值来自决策。 信念是鞅，更频繁的更新本身不改变期望的信念；对一个风险中性、目标固定的决策者而言，连续观测的价值完全通过它所改变的决策来实现，没有决策变化，就没有价值。因此评估一套连续监测系统，不能看它产生了多少「洞察」，而要看它改变了多少决策、改变得对不对。（在某些偏好设定下，不确定性更早被消解本身也有价值，即使它不改变任何决策，Kreps & Porteus 1978, Econometrica[57]；本文不依赖这一点。）

命题三：在原有决策时点之上加密网格，价值弱上升，增益递减并收敛。 在没有评审成本、且新网格包含旧网格时，最优价值不会下降，但增益递减。在扩散型信息下，粗网格造成的价值损失大致与评审间隔成正比；在本文的模型里，信号越强，这一比例系数越大；当评审间隔远小于信念在边界附近发生显著变化所需的时间，再加密就几乎没有收益。存在评审成本时，价值随评审间隔先升后降，存在最优节奏。

图 3 用一个示意模型说明这一点。设想一组虚拟项目，每个项目有 20% 的先验概率有效，开发期 6 年，每年消耗 1 个单位成本，若有效则在期末获得 40 个单位价值；疗效信号以布朗运动的形式持续到达（有效与无效项目的信号漂移相差 1，噪声强度为每年 1.2，整个开发期累积的区分度大约相当于一项中等把握度的试验），企业可以在每次评审时依据后验决定是否终止。对每种评审节奏，我们用逆向归纳求出随时间变化的最优终止边界。若从不终止，组合的期望价值为 2.0；按近乎连续的节奏评审，期望价值约为 3.15，每周一次已与之几乎相同。每 2 年评审一次时约为 2.85，每年一次约为 3.01。在这一参数下，2 年一次的节奏拿到了连续评审所能获得的终止期权价值的约四分之三，每年一次近九成；粗网格的损失大致与评审间隔成正比，每多一年间隔约损失 0.14。这个比例对信号强度很敏感：信号噪声减半时，2 年一次能拿到约八成；噪声加倍时只有五成多。注意这里比较的是比例：信号越强，终止期权本身越值钱，粗网格损失的绝对值也越大；但信号越弱，有用的信息越稀少，粗网格错过的那部分在全部期权价值中占比越高。

若每次评审对每个项目有 0.02 个单位的成本，最优节奏落在半年到一年之间，每周评审的价值降到约 0.37。这个设定其实很极端：按每周评审计，年化评审成本超过了项目本身的年开发成本。若评审成本降为十分之一，最优节奏缩短到一个季度左右（价值约 3.08）。最优节奏在这里主要由评审成本决定，这正是 AI 降低更新成本能起作用的地方。

图 3 ｜评审节奏与每项目期望价值（示意模型）：信息持续到达时，加密评审的收益递减并收敛；计入评审成本后出现最优节奏；信息只在读出时揭示时，与读出对齐的节奏价值相同，错位的节奏因行动延迟而损失价值 · 来源：一目半绘制（逆向归纳求解的贝叶斯最优终止策略，数值网格误差小于 0.005，非真实数据）

命题四：决策节奏应跟随信息到达，而非日历；先让信息更早可得，看得更勤才有意义。 如果证据是在读出时点集中揭示的，那么两个读出之间无论评审多频繁，信念都不会变化，连续评审没有任何增益。评审时点与读出错位时，读出后要等到下一次评审才能据此行动，期间的投入白白消耗。在图 3 的同一模型中，若信息只在第 2 年和第 4 年两次读出时揭示，所有与读出对齐的评审节奏价值相同（约 2.85），每 1.5 年或 3 年评审一次则降到约 2.4 至 2.5。

同一张图还显示了一个互补关系。以「只在读出时揭示、每 2 年评审」为起点（约 2.85）：只把评审加密到每周，价值不变；只让信息在读出之间持续到达、而评审仍是每 2 年一次，价值也不变（同样约 2.85）；两者同时做，价值才升到约 3.15。也就是说，在这个模型里，更早可得的信息和更密的决策时点单独都不产生价值，必须配套，这也是前文所说「四个来源并不可加」的一个数值例证。这条命题说明，信念流决策更准确的描述是「事件与信念驱动的决策」：评审由信息事件和信念变化触发，而不是由时钟触发。对多数项目而言，首要的约束是信息本身到达得太晚、太集中，所以缩短数据延迟、设计更早可读的终点，是让加密决策时点有意义的前提。

命题五：换手时机可以被更精细地选择，但收益要扣除摩擦，并受融资约束限制。 同一资产在不同开发者手中，期望价值的增长速度不同。早期发现型公司在靶点生物学和化学优化上可能更有效率，大型药企在大规模临床执行、注册和商业化上更有优势，资本成本也不同。

先看一个确定性的极简设定（图 4）：资产在原开发者手中的期望价值增长速率随开发推进而下降，在潜在接手方手中较平稳；若转让没有成本，且转让价格只决定双方如何分配剩余，那么使联合价值最大的转让时点 τ* 在两条速率曲线相交处，联合价值 V(τ) 在极值附近近似一条开口向下的抛物线。若只能在间隔为 h 的时点决策，错过极值的损失与 h 的平方成正比：若能事先预见最优点、选最近的时点，期望损失约为

V″

·h²/24；若只能在看到信号后于下一个时点行动，约为

V″

·h²/6。这正是用稀疏的网格去找二次函数极值的问题：网格越粗，越可能错过真正的极值点。在图 4 的设定下，阶段门只允许在第 0、2、4、6 年做决定，真正的最优转让时点在第 3 年；在第 2 年转让损失约 0.16 个单位，在第 4 年转让损失约 0.10 个单位，约为最优联合价值的 1.3%；按月评估的损失则不到 0.001 个单位。

图 4 ｜换手时机的确定性示意模型：上图为资产在原开发者与潜在接手方手中的期望价值增长速率，两条曲线相交处即无摩擦时的最优转让时点；下图为不同转让时点对应的联合价值，阶段门只能在菱形标出的时点决策（模型期限 8 年，图中显示前 6 年） · 来源：一目半绘制（示意模型，非真实数据）

这个确定性设定只用来展示几何结构，有三点需要补充。第一，在确定性设定里 τ* 事先可知，损失只来自决策时点与 τ* 的错位；现实中两条曲线的位置取决于尚未揭示的证据，τ* 是一个随信念演化的随机停止时刻，这时问题变成最优停止，粗网格的损失与 h 同阶而非与 h² 同阶（命题三和图 3），所以在评审间隔不大时，图 4 这类确定性计算很可能低估了粗网格的代价。第二，转让难以逆转，又有交易成本，按 McDonald 与 Siegel 的逻辑，最优规则是「接手方的价值优势超过交易成本与等待的期权价值时转让」，通常晚于两条曲线相交的时点。第三，现实中很多转让并不发生在曲线相交处，而是由现金跑道决定：一家只有单一资产的公司，往往在融资窗口关闭、现金所剩无几时被迫寻求合作；买方也有自己的时钟，例如面对专利到期时补充管线的需求。原开发者的价值增长速率应当把资本成本和融资风险计算在内。

交易摩擦中，信息不对称是被研究得最多的一类。Akerlof 的「柠檬」模型指出，卖方比买方更了解资产质量时，交易可能萎缩（Akerlof 1970, QJE[58]）。研发许可市场是否存在这种逆向选择，实证上有争议。Danzon 等人发现，通过合作开发的化合物在 II、III 期的成功率高于自有项目，尤其是在由大企业接手时（Danzon et al. 2005, J Health Econ[59]）；但这既可能说明逆向选择不严重，也可能反映接手方更强的执行能力，二者难以区分。另一些研究给出了相反的信号：Pisano 在一篇工作论文中报告了支持柠檬假说的证据（Pisano 1997, Harvard Business School working paper），Hermosilla 则发现，大药企在自身 III 期失败后短期内仓促许可引进的药物，后续成功的概率明显更低，他把这解释为买方在管线压力下降低了标准（Hermosilla 2021, Management Science[60]）。后一种机制也说明，转让时点常由买卖双方各自的时钟而非资产本身决定。

命题六：存在切换成本时，连续观测需要配套的不行动区间。 继承 Dixit 以及 Abel 与 Eberly 的结论，当加码和减速都有调整成本或不可逆性时，最优策略在信念空间里是两条边界夹着一段区间。观测越连续，信念在边界附近的小幅抖动越容易被看到；若没有明确的不行动区间，组织会被噪声牵着来回调整。连续观测并不要求连续反应，它反而要求把「什么时候不动」写得更清楚。

命题七：信息处理能力普遍化之后，超额回报转向信息生成。 Grossman 与 Stiglitz 指出，如果价格已经完全反映了所有信息，就没有人有动力付费获取信息，因此均衡中市场不可能完全有效，信息获取者需要得到补偿（Grossman & Stiglitz 1980, AER[61]）。借用这一均衡逻辑作类比：当整理公开文献、竞品动态和历史试验数据的成本被 AI 大幅压低，处理公开信息所能获得的租金也会随之下降。持续的优势更可能来自生成新信息的能力：独有的数据、信号更强的实验设计、更快的试验执行，以及能更早区分有效与无效的生物标志物。有一个可以参照的先例：Ewens、Nanda 与 Rhodes-Kropf 发现，云计算降低了初创企业的试错成本之后，风险投资转向了「小额、多试、快速止损」的模式（Ewens et al. 2018, J Financial Econ[62]）。需要注意，云计算降低的是做实验的成本，而不只是处理信息的成本；这个先例说明的是，一旦信息生成变便宜，融资结构会随之改变。在生物医药里，处理信息的成本可能先降，而试验本身的成本未必同步下降。在信念流的语言里，前者对应于让信息预算在更短时间、以更低成本被更充分地兑现，而不仅仅是更勤地查看它。

一个必要的限定：选择权并不总是越多越好。 命题一和命题三的「弱更好」，只在单一决策者、偏好时间一致、没有策略互动时成立。在多主体环境中，少一些选择权有时更好。能够随时再评估、再注资，会削弱事前终止威胁的可信度，形成软预算约束（Dewatripont & Maskin 1995, Rev Econ Stud[63]）；鼓励探索的激励合同，需要承诺容忍早期失败（Manso 2011, J Finance[64]）；偏好时间不一致的决策者会过早行权，侵蚀等待的期权价值，因而能从限制自身未来选择的承诺中获益（Grenadier & Wang 2007, J Financial Econ[65]）。在存在信息不对称的转让市场中，转让时点本身会传递信号：质量高的卖方愿意等待更多消息，而限制后续的交易机会有时反而能提高效率（Daley & Green 2012, Econometrica[66]；Fuchs & Skrzypacz 2015, J Econ Theory[67]）。资产在开发者之间流动也不必然是社会收益：有研究发现，部分收购的目的是搁置与收购方产品竞争的项目（Cunningham et al. 2021, JPE[68]）。阶段门的一部分价值，正来自它作为承诺装置的作用；信念流决策中预先规定的决策章程（见第十节），可以看作在保留灵活性的同时重建这种承诺。

八、对投资与决策行为的影响

估值从轮次定价走向路径定价。 对上市公司而言，股价本来就在连续地为信念定价，读出前后的价格跳跃就是前文跳跃与扩散过程的市场版本。变化更大的是未上市公司和企业内部的项目估值。投资基金按会计准则需要定期以公允价值计量持仓，但实践中常以最近一轮融资价格为锚，两轮之间很少大幅调整。在信念流体系下，估值是信念状态的函数，可以形成一条连续的时间序列。这让投资者能更早看到项目前景的变化，也让估值本身变成需要审计的对象：谁维护模型，谁就在很大程度上决定了价格。

这在会计上并非没有先例。在企业合并中，分类为负债的或有对价（例如以临床或注册里程碑为条件的后续付款）需要在每个报告期按公允价值重新计量，实践中通常用按情景概率加权或期权定价的方法估计；合并中取得的在研项目（IPR&D）作为无形资产确认后，需要至少每年、并在出现触发事件时做减值测试。这些估值都要接受审计。（在美国会计准则下，通过资产收购取得、没有替代用途的 IPR&D 会直接费用化，不在此列，而多数许可交易属于这种情形。）一旦企业内部有了一条持续更新的信念轨迹，审计师和监管者自然会问：当后验概率大幅下降时，是否构成减值的触发事件，是否构成需要披露的重大信息？

融资与交易契约需要重新设计。 里程碑之所以流行，是因为它们可以被验证。许可合同中的里程碑其实已经在细化，例如以特定终点达到约定阈值、或获得某项监管认定作为付款条件。但只要证据的生成仍由一方控制，争议就会转向「另一方是否尽到了合理的开发努力」，近年不少围绕并购或有对价的诉讼都集中在这一点上，例如 Alexion 收购 Syntimmune 的里程碑付款案：特拉华衡平法院 2024 年认定，买方出于并购后整合的考虑终止项目，未达到合同约定的「商业上合理的努力」标准（Cleary Gottlieb 2024[69]），以及下文提到的 BMS 收购 Celgene 的 CVR 案。后验概率若要成为契约的触发条件，前提是模型、数据和更新规则对双方都透明且可复现。不完全契约理论以「无法验证的变量难以直接写进合同」为出发点，并指出此时剩余控制权的配置会影响各方的事前投入（Grossman & Hart 1986, JPE[70]）；在生物技术联盟中，终止、加码等控制权如何分配，本来就是合同谈判的核心（Lerner & Merges 1998, J Ind Econ[71]）。因此，「信念的可验证性」以及「信念越界时由谁决定」，会成为信念流定价能否走进交易的关键。

组合管理从年度预算走向持续再配置。 Gittins 指数给出了一个理想化的参照：如果项目之间独立、切换没有成本，每次把资源投给指数最高的项目即为最优。现实中切换有成本，团队和外包合同也不能随时调走，所以组合层面的连续化同样需要不行动区间，「近似最优」通常意味着在少数可调的资源（预算余量、外包产能）上优化。可以期待的变化是，资源再配置不再只发生在年度预算周期，而是在项目信念越过边界时触发局部调整。

BD 与许可交易的时点被重新选择。 资产在开发者之间流动已是行业常态：按 IQVIA 的统计，2024 年在美国上市的 48 个新活性物质中，有 41 个（85%）由新兴生物医药公司发起，而由新兴公司发起并自行上市的占 63%（IQVIA 2025[72]）。两者之差意味着约五分之一的新药由新兴公司发起、经许可或并购后由其他公司上市；新兴公司之间的转让不在这个差值里，所以它只是换手比例的一个下限（这一推算为本文所做）。命题五意味着，资产转让不必等到「读出之后的窗口期」：当原开发者与潜在接手方的价值增长速率即将相交，双方就有动力提前接触；不过，卖方在读出前主动寻求交易，本身也可能被买方解读为不利信号（见第七节），共享的数据室和预先约定的分析方法有助于缓解这一点。在真实交易中，买卖双方很少共享模型本身，因为卖方的先验和价值函数会暴露它的保留价格，并购尽调中的敏感信息还要通过「清洁团队」隔离；更现实的形态是双方共享同一份数据室和预先约定的分析方法，各自保留自己的价值函数。这会推动一种更细的产业分工：发现型公司、临床开发型公司、商业化型公司之间的边界，由交易摩擦与时点加密收益的相对大小决定，这与交易成本理论的逻辑一致（Coase 1937, Economica[73]；Williamson 1985, The Economic Institutions of Capitalism）。

行为偏差会以新的形式出现。 连续估值有可能缓解承诺升级：Staw 的经典实验显示，对一项失败决策负有个人责任的决策者，倾向于继续向它追加投入（Staw 1976, OBHP[74]）。如果止损边界在项目开始前就写进决策章程，并由信念轨迹自动触发评审，立项人的沉没成本偏差会受到约束。但连续估值也可能带来相反的问题。Benartzi 与 Thaler 提出「短视损失厌恶」来解释股权溢价之谜（Benartzi & Thaler 1995, QJE[75]）；随后的实验发现，反馈和评估越频繁，受试者越少承担风险（Thaler et al. 1997, QJE[76]；Gneezy & Potters 1997, QJE[77]）。这些证据来自个人决策，外推到组织需要谨慎，但方向值得警惕：若组织按连续变动的估值考核团队，可能过早砍掉本来值得继续的高风险项目。合理的做法是，考核依据决策质量和预测校准度，而不是估值本身的短期涨跌，这也与 Manso 关于容忍早期失败的结论一致。

市场层面可能出现同质化风险。 如果多数机构使用相似的数据、相似的先验和相似的模型，它们的信念会高度相关，决策也会同步：同一类靶点被同时追捧或同时抛弃。古德哈特定律提醒，一个统计规律一旦被用作控制目标，就会失去原有的稳定性；当信念模型影响融资和考核时，团队有动力选择让模型「好看」的终点和数据。这些都是连续化之后才会放大的问题。

九、风险与边界

多次查看与一类错误。 贝叶斯后验本身不依赖于何时停止查看：只要先验与模型成立，后验概率在整个项目组合上是校准的。但这不等于频率意义上的一类错误不会膨胀。以「后验概率超过某阈值即宣布有效」为规则反复查看，在药物实际无效时误判为有效的概率会随查看次数上升（Ryan et al. 2020, BMC Med Res Methodol[78]），所以监管机构建议贝叶斯设计用模拟报告操作特性，其中包括零假设下误判有效的概率。在本文的二点模型里，这个概率有上界：后验赔率曾经超过先验赔率 k 倍的概率不超过 1/k，监测越连续、期限越长，越接近这个上界。

追逐噪声。 模型几乎总是近似的。连续更新会放大设定错误的后果，例如低估了噪声、忽略了批次效应或中心效应，信念会对噪声过度反应。贝叶斯方法同样需要频率意义上的校准检验：后验说 30% 的事情，长期来看应该大约有 30% 发生。

越界即加码带来的选择偏倚。 由越过上边界触发的加码，天然倾向于选中被高估的项目：恰好在越界时停下来，估计值往往偏高，这是 II 期到 III 期成功率落差的来源之一。分层模型或经验先验下的收缩估计可以部分校正，前提是先验合适。加码边界的设计应当考虑这一点。

先验的来源。 用历史试验构造先验，能显著提高早期判断的效率，但历史数据和当前项目之间的可交换性是一个假设：适应症、患者人群、终点定义和治疗标准都在变。动态借用（根据当前数据与历史数据的一致程度调整借用比例）可以部分缓解，但不能消除这个风险。

数据延迟与在途受试者。 临床数据从采集到清理有天然的延迟，未经清理的数据可能含有系统性错误；「实时」的信念如果建立在未清理的数据上，可能比按期清理后的信念更差。延迟还不只是数据质量问题：已入组但结局未出的受试者，会改变最优的停止规则（Chick et al. 2017）。

监管完整性与受试者保护。 如第六节所述，确证性试验中的疗效数据受防火墙保护。信念流决策在临床开发中的主要应用场景是早期探索性研究、开放标签的单臂研究、盲态和运营数据、安全性监测、外部证据和组合层面的资源配置，而不是在确证性试验中途依据揭盲疗效数据调整策略。

组织激励。 如果项目团队的奖金和晋升仍然与「推进了多少项目进入下一阶段」挂钩，再清楚的止损边界也会被绕开：团队会推迟提交不利证据，或争论模型的设定。AstraZeneca 把考核从推进数量转向推进质量，被它自己视为成功率改善的关键条件之一。信念流决策若不配套调整激励，很容易沦为在现有流程旁边多出的一张报表。

数据权属。 临床数据多数由 CRO 采集和清理，传输频率写在服务合同里；合作开发项目的数据受联盟协议约束，一方未必有权随时获取另一方的数据。对外包比例很高的新兴公司来说，「近乎实时的观测」首先要求重写 CRO 和合作伙伴的数据条款，而不是先建模型。

披露与法律风险。 对上市公司而言，一条有版本记录、持续更新的内部成功概率，可能构成重大非公开信息，影响内幕交易窗口与公告时点；一旦发生证券诉讼，这些记录也可能被调取，用来论证公司「早已知情」。审计层越完善，这个问题越突出。信念流决策的落地需要法务与信息披露团队从一开始就参与，界定哪些信念属于内部管理估计、如何与对外披露的口径衔接。

组织的频繁转向成本。 每一次调整都消耗团队的注意力和信任。频繁改变方向的组织，可能在执行层面损失的比决策层面得到的更多。

十、新的决策机制：信念流决策

如果上面的分析成立，组织层面需要的不是「更频繁地开评审会」，而是一套让信念持续更新、让决策在需要时才发生的机制。先看一个例子。

设想一个实体瘤抗体偶联药物（ADC）正处在 II 期剂量扩展阶段：两个剂量组按随机分配入组（这也符合 FDA 对肿瘤药剂量优化的期望），开放标签，主要关注经确认的客观缓解率（ORR）。立项时，决策章程按剂量组分别写明：目标值为 ORR 35%，最低参考值为 20%；若「真实 ORR 不低于 20%」的后验概率跌破 10%，启动终止评审；若「真实 ORR 不低于 35%」的后验概率超过 80%，启动加码评审，讨论提前准备 III 期的工艺放大和与监管机构的沟通；两者之间维持现状。为避免过早触发，章程规定每组至少累积 15 例可评估患者后才检查边界。章程同时附上模拟结果：在「药物无效」「疗效中等」「疗效良好」几种情景下，这套边界误杀和误放的概率各是多少。以均匀先验、每组最多 40 例、每入组一例查看一次粗算：若真实 ORR 恰为 20%，这套边界在某一时刻触发加码评审的概率约为 3%；若真实 ORR 恰为 35%，触发的概率约为 44%；若从第 5 例就开始查看，这两个数字分别变为约 12% 和 57%。这正是第九节将要讨论的多次查看问题，起始样本量的选择本身就是误放与迟滞之间的权衡。因为是开放标签研究，申办方可以合规地随入组持续看到应答数据，这正是信念流决策最适用的场景。以上数字均为示意。

假设到高剂量组第 18 例可评估患者时（此时越界需要至少 8 例确认应答，即观察 ORR 约 44%），其后验越过加码边界，而低剂量组仍在区间内，评审被触发，而不必等到原定的年底组合会议。评审要回答的不只是是否推进，还有以哪个剂量推进：两组的疗效差异要与间质性肺病等毒性的差异放在一起权衡。评审的核心量也不是 ORR 的后验本身，而是据此推算的 III 期主要终点（例如无进展生存期）的保证度，它要把 ORR 与生存终点之间桥接的不确定性计算在内；越界时看到的 ORR 估计还带有第九节所说的选择偏倚，需要打折。若这项研究还可能用来支持加速批准，应答评估应以独立中心阅片为准，申办方的连续查看也要写明不影响阅片的独立性。三个月后，一个同靶点的竞品在学术会议上公布了更高的缓解率和更低的间质性肺病发生率：本项目自身的疗效证据没有变（若模型借用同靶点的外部数据，后验甚至会略升），但商业价值函数变了，原先以竞争格局为参照的目标值也需要上调。这是另一类触发：变的不是信念，而是边界。评审的结论可能是继续开发但收窄适应症，也可能是启动对外授权的准备。同一个项目进入随机对照的 III 期后，疗效数据交给独立的数据监查委员会，信念模型只能使用盲态运营数据、安全性数据和外部证据，更新的节奏自然慢下来。

从这个例子可以抽出信念流决策的五个组成部分。

第一，决策章程。 项目启动时，在信念空间里写明几类边界：后验成功概率或预期疗效低于多少时启动终止评审，高于多少时启动加码评审，介于两者之间时维持现状；以及在什么条件下启动对外转让的评估，包括与公司战略不再匹配这类与信念无关的条件。章程要附上模拟得到的操作特性，并预先规定、修改留痕。这相当于把 TV/LRV 和成组序贯设计的思想推广到项目和组合层面，同时也是第七节所说的承诺装置。

第二，模型的所有权与独立性。 维护信念模型的团队应当独立于项目团队。更贴切的参照是金融机构里模型开发、独立验证与业务使用三方分离的安排（美联储与货币监理署 2011 年发布的模型风险管理指引 SR 11-7 是这一做法的典型规范，Federal Reserve 2011[79]；它已于 2026 年 4 月被修订后的 SR 26-2 取代，Federal Reserve 2026[80]），而不是数据监查委员会：后者的独立性来自它能看到申办方看不到的揭盲数据，而信念模型团队看到的仍是申办方可以看的数据。项目团队可以提交证据，通过结构化的专家引出（例如 SHELF 方法）提供先验，也可以质疑模型，但不能直接修改后验；双方有分歧时，按章程升级到组合委员会裁决并记录在案。模型本身需要独立验证，明确它适用于哪些决策、不适用于哪些决策；若模型输出要用于支持监管提交，还要参照 FDA 关于人工智能用于监管决策的指导原则草案中基于「使用情境」的可信度评估框架（FDA 2025[81]）。这份草案不涵盖只用于内部运营、不影响患者安全和研究结果可靠性的用途，纯粹的组合决策模型不在其列；但模型一旦进入安全性监测等受 GCP 约束的流程，还要满足电子记录与计算机化系统验证的要求（例如 21 CFR Part 11）。

第三，人机分工。 模型负责整合证据、更新信念、计算信息价值和提出建议；人负责定义价值函数（公司愿意为什么样的风险收益付出多少）、设定边界、批准越界后的行动，以及判断模型之外的因素，例如战略匹配、伦理和声誉。需要注意，价值函数里的商业假设同样需要校准：在 rNPV 中，峰值销售、定价和市场份额对估值的影响往往不亚于技术成功概率，而上市前的销售预测历来误差很大（Cha et al. 2013, Nat Rev Drug Discov[82]）。如果只校准技术概率，商业预测仍由项目团队自报，估值的独立性就只完成了一半；商业假设也应留存版本，并在上市后对照实际销售复盘。

第四，事件触发而非日历触发。 评审由四类事件触发：信念越过章程边界；高信息价值的新证据到达（例如竞品读出、关键生物标志物数据）；价值函数本身变化（例如竞品获批改变了标准治疗，医保或价格政策改变了预期回报，公司战略重心调整）；模型的校准出现明显偏差。常规的定期评审可以保留，但其功能从「做决策」转为「检查模型和章程是否仍然合理」。

第五，与现有阶段门共存。 阶段门不会消失，因为监管节点、契约节点和资本节点仍然是离散的。信念流决策在阶段门之间运行，让阶段门评审从「第一次认真看数据」变成「确认一条已经持续跟踪的轨迹」。

十一、AI 基础设施

支撑信念流决策的基础设施可以分为五层（图 5）。

图 5 ｜信念流决策的 AI 基础设施分层：数据自下而上流动，决策者通过价值函数与决策章程约束决策层，通过交互层获取信息 · 来源：一目半绘制

数据层：统一的证据图谱。 把内部实验数据、临床运营数据、安全性数据、真实世界数据、竞品与文献信息，以结构化、带溯源的方式接入。临床数据在这方面已有现成的标准，例如 CDISC 的 SDTM 与 ADaM、不良事件编码用的 MedDRA、真实世界数据常用的 OMOP 通用数据模型；难的是把文献、竞品披露和内部早期研究数据对齐到同一套概念上。大模型可以承担大量的抽取和对齐工作，但它会出现看似合理的错误抽取，需要按比例抽样人工复核并记录错误率，每条进入模型的证据都需要可追溯到原始出处。还有两个工程问题常被低估。一是数据不出域：未公开的临床数据和重大非公开信息能否发送给外部模型服务、供应商是否留存，需要合同与部署方式双重保证。二是版本漂移：底层模型升级后，抽取和对齐的行为会改变，已测得的错误率随之失效，因此需要锁定版本，升级前用固定的测试集重新验证。

模型层：分层贝叶斯模型与机制模型。 在项目层面，用分层贝叶斯模型把同一靶点、同一适应症、同一分子类型的历史数据作为先验来源，并显式地估计借用程度。在机制层面，药代动力学与药效学模型、疾病进展模型和定量系统药理学模型，可以把早期数据转化为对后期结果的预测，保证度这类预测概率是这一层的标准输出之一。机器学习模型可以用于从历史项目特征预测阶段成功概率，但它的输出应当作为先验的一个来源，而非直接替代后验。

决策层：信息价值引擎与策略优化。 对每个项目计算：当前信念下各行动的期望价值；继续收集各类信息的期望信息价值；距离章程边界有多远。在组合层面，在资源约束和切换成本下求解近似最优的配置。这一层的输出是建议和触发信号，而不是自动执行的指令。

审计与权限层：信念的版本管理、事后校准和访问控制。 每一次信念更新都有版本、有输入证据、有模型版本；每一次决策都记录当时的信念、可选行动和最终选择。项目结束后，用实际结果检验当时的预测是否校准，例如计算 Brier 分数和校准曲线。这一层还要管理权限：哪些人能看到哪个项目的后验，盲态与非盲态数据如何隔离，合作方的数据如何按合同限定用途，属于重大非公开信息的估值由谁接触。这一层是信念流定价能否进入契约和外部估值的前提。

交互层：面向决策者的界面。 决策者需要看到的不是一个数字，而是信念的分布、它最近为什么变化、离边界还有多远、哪些信息最值得去获取。界面的设计目标是降低注意力成本，正对应上篇所说的第二个块状来源。

十二、实施建议

信念流决策不需要一次性替换现有体系，可以分三步推进。

第一步：影子运行。 选一个治疗领域，在现有阶段门流程旁边并行运行信念模型，记录模型在每个时点的信念和建议，但不改变实际决策。临床阶段的完整决策周期往往要数年，一个治疗领域每年的关键读出也只有少数几次，单靠自有项目，校准检验的样本太小。一个更快的办法是：对每一次即将到来的读出（包括竞品的公开试验）预先记录模型的预测，读出后计算 Brier 分数，在一两年内积累几十到上百个检验点。

第二步：校准与回测。 用历史项目回测模型：在当时可得的信息下，模型能否更早识别最终失败的项目，同时不误杀最终成功的项目。重点检查校准度而非区分度，因为决策依赖的是概率本身。回测的前提是时点快照的数据：只能用当时实际可得、处于当时状态的数据和文献，而不是后来清理过、补全过的版本，否则会有前视偏差。多数企业的历史项目档案并不满足这一点，重建快照本身就是一项不小的工程。

第三步：有限授权。 先把流程性的动作交给章程边界自动触发，例如自动召集终止评审、自动通知经授权的 BD 人员准备数据包（通知范围受权限层约束，因为对上市公司而言，准备对外授权本身就可能是重大非公开信息）；再逐步放开低风险的资源决策，例如调整非关键实验的优先级。高风险和不可逆的决策（终止关键项目、对外转让）仍由现有的组合或投资委员会做出；当决定与模型建议不一致时，须书面记录理由，并在事后校准时复盘。

可以用来评估效果的指标包括：止损提前量（失败项目被识别出来的时间比阶段门体系早多少）；误杀率的代理指标（被终止的项目没有结局，误杀只能间接估计，例如同靶点、同机制的竞品后来是否成功，被终止后对外授权的资产是否在别处获批，或影子运行期间模型建议终止而实际继续的项目最终如何）；进入 III 期项目的 III 期成功率；从数据截止到做出相应决策的时间；以及读出预测的校准度。「单位资本消解了多少不确定性」也是有用的指标，但要用模型之外可验证的口径（例如读出结果实际消解的不确定性）来衡量，以免模型自己给自己打分。

结论与仍然开放的问题

回到开头的直觉。今天的研发决策确实像一个大跨度的跳转过程，但要让它「连续」，首先要换的是状态，其次才是时间。AI 让研发项目的信念可以近乎持续地更新，这有可能提高资产的价值，但价值的来源需要说清楚。看得更勤本身不产生价值，因为在决策者自己的模型下信念是鞅；价值来自几个相互依存的方面：在阶段之外加入显式的信念状态，让决策时点从少数几个门扩展到近似连续，把「转让给更合适的开发者」纳入可以随时评估的选择，以及让信息更早可得、信号更强。这些增益要扣除评审成本、切换成本和交易摩擦，受生物学信息到达节奏和监管完整性的约束，并且在多主体环境中需要用预先规定的规则来维持承诺。

因此，信念流定价描述的不是「更快地下结论」，而是让项目的置信度在任何时候都可见、可审计，让决策在真正需要时发生。

连续的应当是信念，离散的仍然是行动；决策节奏应当跟着信息走，而不是跟着日历走。

这个框架有几处局限需要说明。

第一，文中的命题大多来自已有理论在研发场景中的组合与推演，图 3 和图 4 的数值来自示意模型。它们说明了机制和方向，但增益的实际大小取决于具体的信号强度、成本结构和交易摩擦，需要用真实的组合数据去估计。

第二，本文把价值函数视为给定的，示意模型也没有折现。现实中，企业对风险的偏好、战略考量和外部融资约束都会改变价值函数，而这些恰恰难以模型化。

第三，本文主要讨论单个企业的决策。当很多机构同时采用相似的信念模型，资产价格和交易行为会相互影响，这时需要的是均衡分析，本文只做了定性讨论。

要点

阶段标签不是马尔可夫状态；连续化的第一步是在阶段之外加入显式、可校准的信念状态，第二步才是加密时间。
观测和信念更新可以接近连续，行动通常不应连续；切换成本要求明确的不行动区间。
在决策者自己的模型下信念是鞅，看得更勤不改变期望；价值来自更完整的状态、更细的决策时点、更合适的持有者和更早可得的信息，并要扣除评审成本与交易摩擦。
在示意模型里，更早可得的信息与更密的决策时点是互补的：单做任何一项都不增加价值，两者配套才有价值；评审节奏应由信息到达和信念变化触发，而非日历。
选择权在多主体环境中并不总是越多越好；预先规定的决策章程既是边界，也是承诺。
信念流定价要进入契约、会计和外部估值，前提是模型、数据与更新规则可验证、可审计，并处理好披露与权属问题。

仍然开放的问题至少有三个。其一，信念能否成为可交易的对象。并购中发行的或有价值权（CVR）已经是一种以特定临床或注册事件为标的、由市场持续定价的工具，例如 BMS 2019 年收购 Celgene 时发行的 CVR：它在纽约证券交易所上市交易，约定三款在研药物须在期限内获批，否则失效。其中 liso-cel 未能在 2020 年底前获批，这批 CVR 于 2021 年 1 月终止，随后引发了关于「勤勉努力」义务的诉讼；该诉讼一审被驳回，2026 年 8 月又被上诉法院恢复审理（BMS 2021, SEC 8-K[83]；Fierce Pharma 2026[84]）；Fernandez、Stein 与 Lo 也设想过以大规模研发组合为基础的融资结构（Fernandez et al. 2012, Nat Biotechnol[85]）。如果研发资产的估值是一条连续的、可审计的信念轨迹，以它为标的的工具会不会更普遍？其二，当处理公开信息的能力趋于普及，研发行业的竞争是否会更集中地转向数据与实验能力？其三，监管体系能否接纳在项目层面而非单个试验层面预先规定的决策规则，从而让信念流决策覆盖更长的开发链条？