博文
奇点：万亿赛道——长寿科学进入指数增长期
||
系列：长寿科学新范式（一）
摘要：2026年，长寿经济正在经历一个资本市场意义上的奇点时刻。2024年全球长寿领域融资达84.9亿美元，同比增长约122%。广义长寿市场规模预计2026年达7460亿美元，到2036年有望突破1.7万亿美元。但比数字更重要的是结构的质变：支付主体正从个人消费者转向保险机构、雇主和大型药企，长寿正在从消费叙事进化为机构级资产。本文从市场规模、资本流向、人口结构和技术路线四个维度，系统解构这一第一个奇点信号。
一、重新理解长寿经济的市场规模谈长寿经济的市场规模，首先需要厘清口径。
狭义上，长寿生物科技（Longevity Biotech）专注于直接靶向衰老生物学的疗法开发。据The Business Research Company发布的《Longevity BioTech Market Global Report 2026》，这一细分领域2025年全球市场规模约为209亿美元，2026年预计增长至232亿美元，年复合增长率为11%，到2030年有望达到348亿美元[1]。
但这一数字远未展现长寿经济的全貌。如果纳入与长寿相关的所有健康产品、服务和技术基础设施——从预防医学、再生医疗到AI驱动的健康管理平台——数据的量级将发生根本性变化。据Visiongain于2026年2月发布的《Longevity Market Report 2026-2036》，全球长寿市场规模预计在2026年达到约7460亿美元，并以8.6%的年复合增长率扩张，到2036年有望超过1.7万亿美元[2]。纳斯达克市场评论则引用更激进的预测，认为广义抗衰老市场到2030年将突破4200亿美元[3]。
两个口径之间约30倍的差距，揭示的不仅是统计方法的差异，更是长寿经济边界的模糊性——它横跨消费品、医疗保健、生物制药和数字健康等多个传统行业。这种跨界的特征，恰恰是理解其增长逻辑的关键：长寿不是一个新的市场分类，而是一种正在渗透整个医疗健康产业的底层范式。
而在增长最快的硬科技端——抗衰老药物细分市场，包括细胞修复、基因治疗和senolytics，预计将从2025年的不足1亿美元增长至2040年的近30亿美元[3]，这几乎是一个从零到一的蓝海增量。同期，全球细胞和基因治疗市场据预测将从104亿美元增长至2035年的450亿美元以上。AI驱动的药物发现平台预计将加速至245亿美元的规模。
这些数据共同描绘着一个图景：长寿产业的增长并非线性外推，而是由技术进步驱动的非线性跃升。
二、奇点的三大底层驱动力三个结构性因素在同时发力，将长寿经济推入指数增长通道。
第一，人口结构的刚性需求。 据世界卫生组织数据，全球60岁以上人口已从2023年的11亿起步，预计2030年达到14亿，2050年突破21亿。在美国市场，65岁以上成年人仅占总人口的17%，却贡献了37%的医疗支出[4]。这不是一个可选的增量市场，而是人口结构决定的系统性投资主题。
第二，支付主体的结构性迁移。 Visiongain的分析明确指出，长寿产业正在从消费驱动的健康趋势，进化为医疗保健战略的核心组成部分。保险公司、雇主、药企和医疗机构正在逐步替代个人消费者，成为长寿产品和服务的主要出资方[2]。这一转变的深层逻辑是经济学意义上的——老龄化人口对医疗预算、劳动力生产率和长期照护能力形成持续性压力，预防和早期干预的性价比正在超越晚期治疗。
当一位高净值人士为"生物年龄检测"付费时，这是一个消费行为。当一家保险公司为参保人群的衰老风险评估和干预方案付费时，这是一个机构行为。后者的规模、持续性和市场深度，远非前者可比。
第三，科学可行性拐点。 2023年，Cell期刊发表的经典综述系统阐述了12大衰老标志（Aging Hallmarks），为可量化的衰老评估提供了统一的理论框架[5]。2025-2026年间，从美国国家医学科学院（NAM）发布N-of-1试验在精准医学时代的行动路线图[6]，到中国科学院刘光慧团队的"炎性衰老"研究入选2025年度"中国科学十大进展"[7]，再到SRN-901在自然衰老小鼠中实现中位寿命延长33%的前临床突破[8]，以及基于山中因子的细胞重编程即将启动首次人体临床试验[9]——衰老从"描述"到"干预"的科学路径正在加速闭合。资本不再是押注可能性，而是押注确定性。
（关于衰老测量的技术革命，详见本系列第二篇；关于N-of-1范式及其监管适配，详见本系列第三篇。）
三、资本涌入的加速度2024年，全球长寿领域私募融资达84.9亿美元，涉及325笔交易。相较于2023年的约38.2亿美元，同比增长约122%（增长幅度约为220%）[10]。这一增幅在生物科技整体融资环境并未显著宽松的背景下，显得尤为突出。
https://blog.sciencenet.cn/blog-508476-1533175.html
上一篇：AI的下一个战场不在模型，而在生物数据的\'底座\'
下一篇：世界模型的目标不是预测，而是可驾驭
