夜雨聆风AI 在大多数行业，最先改变的往往是界面、效率和用户体验；但在制药行业，它真正要触及的，是实验室、管线、工厂，以及整个研发体系的底层逻辑。
最近，两起组织层面的新动作，让 AI 制药再次成为观察焦点。
一边是据多家媒体报道，字节跳动正推动其 AI 制药业务启动拆分与独立融资；
另一边是和铂医药与百图生科于 2026 年 6 月 15 日官宣共建 MegaStream TechBio。
来源：和铂医药官网
它们未必足以单独定义整个行业的拐点，却至少释放出一个越来越清晰的信号：AI 制药的竞争，正在从单点技术验证，进一步转向更重组织、更重闭环、也更重产业化能力的阶段。
这两起事件之所以值得重视，不只是因为又出现了新的合作或融资动作，更因为它们共同指向了同一个问题：
AI 制药今天真正要解决的，早已不只是「模型能不能生成分子」，而是「模型能不能稳定接入研发系统，并持续产出可验证、可推进、可转化的药物资产」。
一、从辅助工具到研发系统
回看 AI 制药的发展，大致经历了三个阶段。
最初，它更像一套辅助工具。无论是虚拟筛选、分子对接，还是 QSAR、ADMET 预测，本质上都是帮助研究者缩小候选范围、提升早期研发效率。
到了 2020 年前后，随着深度学习和蛋白结构预测能力的跃升，AI 开始深入靶点发现、结构生物学与分子生成等更核心的环节。
再往后，生物基础模型、自主实验室、机器人平台与生成式设计逐渐汇流，行业关注的重心也随之变化：大家不再只问模型精度提高了多少，而开始追问，设计、合成、测试、学习的闭环能否稳定跑通。
原因并不复杂。药物不是数字内容。一个分子被「生成」出来，只是起点，不是结果。其后还要经历合成、活性验证、选择性评估、安全性、药代、毒理、工艺开发，直至漫长的临床推进。
AI 在制药业真正面对的难题，从来不是某次推理是否足够惊艳，而是能否持续地把计算结果变成实验结果，再把实验结果转化为下一轮训练与决策的输入。 也正是在这个意义上，组织形态开始变得和模型本身一样重要。
二、字节拆分：大厂能力为何要「组织外化」
先看字节。若相关拆分安排最终落地，它的意义未必首先在「融资」，而更在「拆分」本身。
因为这意味着，大厂内部的 AI for Science 能力，正在尝试从研究条线走向更独立的产业化运营主体。
内容 AI、搜索 AI 可以快速上线、边跑边调；
但药物研发不行。它需要湿实验能力、跨学科协作、知识产权管理、注册路径、BD 转化、临床推进，以及远超互联网产品周期的资本耐心。
一个放在大厂内部的研究团队，即便模型能力很强，也未必天然适配这些更重的产业化职能。
字节此次拆分的核心，正是其内部孵化的 AI 制药平台 ——Anew Labs。
该团队由刘凯于 2021 年牵头组建，他此前曾任火山石投资董事总经理。目前，刘凯带领着一支约 50 人的核心团队，由 AI for Science 算法人才与资深制药领域专家共同构成，分布在上海、新加坡与美国圣何塞。
图：Anew Labs 官网 Team 页面，展示其 Core Team 成员
经过数年积累，Anew Labs 已发布分子结构预测模型 Protenix 和 Seedfold（2026 年迭代至 Protenix-v1/v2）、蛋白 binder 设计工具 PXDesign，以及 AnewSampling、AnewFEP、AnewSynth 等研究成果。
2026 年 4 月，团队在美国免疫学会年会上首次披露 IL-17 小分子项目，全球首次实现用小分子同时阻断 IL-17 家族 AA/AF/FF 三个二聚体 —— 从基础模型到具体靶点验证，团队已展现出从算法到底层管线的贯通能力。
图：Anew Labs 官网管线截图
字节这类动作真正值得关注的，不只是技术如何外溢，而是组织如何重构。
它反映出一种越来越现实的判断：AI 制药要继续往前走，不能只按照互联网项目的节奏推进，而必须进入更贴近制药行业规律的运行方式。
三、MegaStream：从合作项目走向系统共建
再看 MegaStream。根据和铂医药 2026 年 6 月 15 日公告，这不是一个普通的合作项目，而是一家共建的新型 AI 管线研发公司。
和铂医药提供的是全人源抗体平台、靶点生物学积累、全球开发经验与高质量数据资产；
百图生科提供的则是生命科学基础大模型、模型工程能力以及干湿闭环研发系统。
公告显示，双方自 2021 年起已合作超过 10 个项目，这意味着 MegaStream 并非从零起盘，而是对既有协同成果的一次组织升级。
更值得注意的是，它试图解决的并不是某个单一环节的局部提效，而是把数据、模型、实验、管线与团队能力更紧地装入同一个主体之中。
和铂医药公告称，其新一代智能高通量干湿闭环实验室建成后，效率预计提升 500% 以上，未来五年预计沉淀超过 5PB 的高质量 AI-ready 生命科学数据。
来源：和铂医药官网
无论这些目标最终兑现到什么程度，这种思路本身已经说明，AI 制药的竞争正在从「模型外挂式赋能」走向「系统级共建」。
四、从两个案例，看清行业怎么变
把字节和 MegaStream 放在一起看，表面上是两条相反的路径 —— 一个是拆分，一个是合体；但它们的底层指向却高度一致。
字节的拆分，是把大厂内部的 AI for Science 能力从互联网的「快节奏」中剥离，装进一个更适应制药「慢周期」的组织容器里。
MegaStream 的共建，则是把药企的湿实验能力与 AI 平台的大模型能力，通过股权和治理结构深度绑定，从「项目合作」升级为「系统整合」。
前者回应的是「技术如何走出研究条线」，后者回应的是「合作如何超越项目制」。两者殊途同归，指向同一个判断：AI 制药的核心竞争力，正在从模型本身，转向承载模型的组织形态和支撑模型的产业闭环。
当行业走到这一步，竞争的维度也随之改变。接下来的比拼，不再是单点技术的惊艳程度，而是谁能在「数据 — 模型 — 实验 — 管线」之间建立更稳定的正反馈循环 —— 谁能持续地把计算结果变成实验结果，再把实验结果转化为下一轮训练与决策的输入。
它们清晰地表明，头部参与者正在用实际行动重新定义：AI 制药这场竞赛，究竟应该在什么层面上展开。
五、从会做模型到会做药
说到底，AI 制药的长期竞争，不会只比谁的模型更会生成，也不会只比谁的演示更炫目。
它最终比的，仍然是谁更会做药：谁能把模型接进实验，把实验沉淀为数据，把数据转化为资产，再把资产真正推进到临床。到了那时，模型也许会越来越普及，而真正稀缺的，将是实验吞吐能力、专属数据资产、跨学科组织能力，以及把候选分子一路推向临床的产业化能力。
素材说明本文相关事实信息主要来自和铂医药官网公告、Anew Labs 官网公开页面及公开媒体报道；其中涉及字节跳动 AI 制药业务拆分与融资的内容，仍以相关主体后续官方披露为准。文中观点为基于公开资料的行业分析，不构成投资建议。
