科技巨头加码AI制药:从算力模型走向药物研发

AI制药正在成为科技企业与生物医药产业的重要交汇点。过去，科技公司主要提供云计算、算法模型和数据处理工具；如今，部分企业开始组建独立研发团队、开发自有药物管线，另一些则与大型药企共建实验室，将AI直接接入药物发现和实验流程。

字节跳动分拆Anew Labs、英伟达与礼来共建AI创新实验室、Anthropic与诺和开展研发合作，反映出这一变化：科技企业参与的已不只是药物研发所需的计算环节，而是从靶点研究、分子设计逐步延伸至实验验证和候选药物开发。

国内企业：从内部研发团队走向独立药物开发

字节跳动是近期较有代表性的案例。其AI制药团队始于2021年前后，经过数年技术积累，于今年6月分拆成立Anew Labs（新生探途）。据公开报道，公司完成2.9亿美元首轮外部融资，投后估值约15亿美元，字节跳动仍持有约56%的股份。

Anew Labs已建立蛋白质结构预测、分子设计及药物发现相关平台，并布局IL-17等靶点的自研管线。其中，靶向IL-17的小分子项目尝试同时抑制三类关键二聚体，目前仍处于早期研发阶段。对字节而言，这项业务已从内部算法研究，转向需要持续投入实验验证、药学开发和临床研究的独立制药业务。

百度较早通过百图生科布局生物计算，将AI和多组学数据用于药物研发及精准生命科学产品开发。腾讯则更多通过产业投资、云计算和AI技术服务参与相关生态。这些企业的参与方式并不相同，但都在尝试将原有计算技术与真实的生物医药需求结合。

资本投入也在增加。投中嘉川CVSource数据显示，截至今年9月，国内AI制药领域已完成57笔投资，涉及44家企业，披露融资总额达157.65亿元，超过2023年至2025年三年的披露融资金额之和。不过，融资增长代表研发投入增加，并不等同于AI设计药物的临床成功率已经得到提升。

海外企业：模型、算力与药企研发深度结合

海外科技企业的布局更多体现为与药企共同开发研发工具和工作流程。

英伟达与礼来宣布，计划未来五年共同投入最多10亿美元，在旧金山湾区建设AI联合创新实验室。双方将整合礼来的药物研发和制造经验，以及英伟达的BioNeMo平台、加速计算和机器人技术，推动计算设计与真实实验协同开展。

OpenAI推出面向生命科学研究的GPT-Rosalind，重点支持文献证据整理、生物学数据分析、科学假设生成及实验设计，并通过科研工具连接数据库和专业分析流程。AWS推出Amazon Bio Discovery，尝试将计算预测与湿实验反馈纳入统一研发流程；AMD则与MindWalk合作，展示基于其算力运行的ReefIQ生物数据整合工具。

这些平台的共同方向，是让研究人员不必在分散的数据库、预测模型和实验系统之间反复切换，而是围绕具体科学问题组织完整的研究任务。

9月16日，Anthropic与诺和宣布合作，将Claude及Claude Science用于药物发现和开发。双方计划根据诺和科研团队提出的具体问题，联合开发面向生物学推理和研发流程的解决方案，而不是仅向药企提供通用聊天模型。

不过，海外企业也并非全部停留在技术服务层面。由Google DeepMind分拆的Isomorphic Labs既与药企合作，也推进自有候选药物管线。今年5月，公司完成21亿美元B轮融资，资金将用于扩展AI药物设计引擎，并推动相关研发项目向临床阶段发展。

因此，科技企业在AI制药领域的分工，不能简单划分为“国内做药、海外卖工具”。是否持有药物管线、是否承担临床开发风险，更多取决于企业自身的技术积累与商业模式。

AI制药竞争，正在进入研发流程深处

科技企业持续进入生物医药领域，与AI制药本身的技术要求密切相关。药物发现不仅需要计算能力，还需要高质量实验数据、疾病生物学知识和能够反复验证模型预测的研发体系。

单纯预测蛋白质结构或生成候选分子，已经不足以构成完整的药物研发能力。候选药物还必须经过结合活性、选择性、药代动力学、安全性及后续临床验证。模型预测与真实实验之间能否形成有效反馈，将直接影响其研发价值。

由此形成了两类相互关联的业务方向：一类以Anew Labs、Isomorphic Labs为代表，将AI能力转化为自研药物资产；另一类以英伟达、OpenAI、AWS和Anthropic为代表，为制药企业提供计算、专业模型及研发工作流。两者之间并非泾渭分明，合作与交叉正在增加。

对于晶泰科技、英矽智能等较早进入这一领域的AI制药企业，大型科技公司的加入，也意味着竞争从单一算法能力延伸至数据积累、实验体系、研发管线与产业合作。

AI制药的下一阶段，关键已不只是模型能生成多少分子，而是这些分子能否经过实验验证，最终形成具有临床价值的药物。 科技企业能够改变研发工具和组织方式，但药物真正的价值，仍需由可靠的生物学证据和临床结果来证明。