当人工智能开始"读懂"蛋白质，医药研发的底层逻辑正在被改写。

一家刚被大厂"放出去"的公司，一款进临床的药都还没有，第一轮融资就拿下约20亿元人民币，估值冲到100亿。这个剧本，来自字节跳动。

9月16日，据路透社援引知情人士消息，字节跳动分拆出的AI制药公司Anew Labs（新生实验室）完成2.9亿美元首轮融资，投后估值约15亿美元。这一数字，刷新了今年国内AI制药单轮融资纪录。

01 这是一笔什么样的钱

先看交易结构。本轮由HSG（原红杉中国）、IDG资本、高瓴领投，五源资本联合领投，高榕、春华、博裕等机构参与，中国生物制药和上海未来产业基金作为战略投资方入场。融资完成后，字节跳动仍持有约56%股份，保持控股地位。

换句话说，字节没有把业务"卖掉"，而是让出一部分股权，换回现金和一个15亿美元的估值锚，同时把核心团队、算法平台与已有管线资产整体注入新主体。

这家公司凭什么值这么多钱？公开信息显示，Anew Labs的前身是字节跳动内部运行了5年的AI制药团队：2020年布局，2021年正式组建，规模约50人，由AI4S算法人才与资深制药专家构成。分拆时，团队已发布Protenix、Seedfold等多个蛋白结构预测模型，并披露了IL-17全谱小分子抑制剂等4条候选管线——虽然都还停留在临床前阶段。

字节还承诺继续提供火山引擎的算力支持。模型、管线、算力一起装进新公司，这是它一出生就站在更高起跑线的原因。

图1：资本、技术与资源汇聚到一家AI制药公司，是这轮融资最直观的结构。

02 不只字节：巨头的"AI制药"分分合合

把视野放大，Anew Labs并不是孤例。近年来，全球最受资本追捧的AI制药公司，几乎都从科技巨头体内走出。

海外，谷歌旗下DeepMind在2021年分拆药物发现业务，成立Isomorphic Labs，母公司Alphabet全资持有；Meta在2023年裁撤AI蛋白团队后，8名创始成员另起炉灶创办EvolutionaryScale，先后融资超6亿美元，估值一度达到33亿美元。

国内，百度创始人李彦宏2020年牵头创立百图生科，今年3月已递表港交所；字节系除了Anew Labs，还有9月刚宣布成立的测地智能；由百度AI蛋白团队走出的深旋科技，也在8月完成天使轮融资。

图2：一张由算法、算力和生命科学交织的全球网络，正在各大科技巨头周边成形。

有意思的是，这些公司虽然模式各异，却共享同一套出身：含着科技巨头的"金汤匙"出生，然后离开母体独立融资。为什么巨头做药，都要先"分家"？

03 巨头做不了药？其实是组织方式做不了

最直接的原因，是节奏不匹配。科技巨头按季度和年度考核，药物研发却是以十年为周期的长跑，多数项目在中期就可能被淘汰。巨头不缺算力、资金和人才，缺的是容纳高失败率的评价方式，以及给生物医药人才定价的激励工具——期权和里程碑。

更深层的原因，是技术逻辑分叉。科技巨头擅长把模型做大、靠算力规模逼近上限，但这条路径在药物研发上会失灵：蛋白质和分子的性质由物理规律决定，一个氢键差几埃，候选分子就从能结合变成不能结合。AI制药的终局不在数字世界，而在湿实验室里。

正因如此，独立主体能用Biotech的股权结构招人、让资本市场单独定价，也能让设计、实验和判断坐在同一张桌子上。Anew Labs分拆三个月就拿到2.9亿美元，正是这套逻辑在运转。

04 冷静一下：钱很多，药还没来

但融资狂热不等于成药在望。Anew Labs目前公开的4条管线全部处于临床前阶段，临床资产为零。

融资规模与临床结果之间，也没有直接对应关系。Isomorphic Labs五年融资约26亿美元、对外合作潜在规模接近30亿美元，至今没有一款分子进入人体试验；曾经风光的Recursion在2025年净亏损超6亿美元并大幅削减管线，BenevolentAI也已退市。

分拆改变的是出资人和激励方式，不改变科学的成功率——临床试验的成本与淘汰率，不会因为股权结构变化而消失。

图3：药物研发是一场以十年计的马拉松，AI只是让起跑更快，终点仍在临床试验那一关。

05 对普通人来说，这意味着什么

回到普通人最关心的问题：这和我有什么关系？

如果AI制药真正跑通，受益者会落在每一个患者身上。传统新药研发动辄十年、耗资数十亿美元，AI正在做的事情，是把"找靶点、筛分子"这一步从大海捞针变成有地图的搜索——更短的研发周期、更低的研发成本，最终可能意味着更便宜的药，和更多曾被商业机构忽视的罕见病被纳入研发。

字节斥资60亿元建设AI原生医院（据券商研报提及）、各大巨头竞相布局AI医疗，背后都是同一个判断：AI能改造的不只是写代码和做视频，还有最难的生命科学。

但也要清醒：从AI设计的分子到真正上市的药，中间隔着临床试验这座大山。现在说"AI新药来了"，为时过早；值得观察的是，AI能不能把新药研发的失败率真正降下来。

接下来值得看的，是三个信号：Anew Labs的管线能否进入临床；AI设计的分子能否批量穿越临床试验；巨头与AI制药"分而治之"的模式，会不会成为行业标配。

当算法开始学习生命的语言，医药产业的故事，才刚刚翻到新的一页。