字节把“最不字节”的业务拆了，估值100亿

当AI制药开始从“能不能发现分子”走向“能不能持续做出药”，一家公司的价值，最终要由它能够持续产生多少经过验证的药物资产来回答。

文丨 晨阳

编丨小龙 子钺

文章来源｜创业邦（ID:ichuangyebang）

从15秒的短视频，到10年的新药研发，字节跳动正在把公司里周期最长的一笔生意，单独拿出来下注。

9月16日，据路透社报道，字节跳动从集团拆分出来的AI制药公司Anew Labs（新生实验室），完成首轮外部融资，金额约2.9亿美元，投后估值约15亿美元。HSG（红杉中国）、IDG资本、高瓴投资领投，五源资本联合领投，高榕创投、春华创投、博裕资本，以及战略投资者 SBP Group 和国资背景的上海未来产业基金等参投。

融资完成后，字节仍持有56%股份，保持控股。

Anew Labs的前身，是字节跳动内部跑了5年的AI for Science药物发现团队。

2020年底，字节开始招募AI制药人才；2021年，刘凯牵头组建正式团队，核心成员约50人。

2026年6月，字节将团队、算法平台和在研管线整体拆分，Anew Labs正式独立运营。目前其总部位于上海，并在美国、新加坡设有办公室。

资本为什么愿意给这家公司15亿美元估值，押注的究竟是什么？

50个人撑起一家15亿美元公司

Anew Labs的核心团队约50人，主要由AI4S算法人才和制药领域专家组成。

2021年，字节由刘凯牵头组建AI制药团队，逐步形成覆盖算法、计算化学和药物研发的复合型团队。此次分拆后，原有团队、技术平台及在研管线一并进入Anew Labs。

公司希望建立的是一套覆盖药物发现主要计算环节的AI研发平台，而非单点工具。

目前，Anew Labs公开披露的技术平台覆盖药物发现的多个计算环节。

AnewFold用于蛋白质及分子复合物结构预测； AnewSampling聚焦分子动力学模拟； AnewOmni进行全原子分子建模与生成； AnewDesign用于抗体设计和优化； AnewMind则将大模型用于药物研发中的科学推理与决策。

从公开的研究成果看，Anew的技术路线也在从单一的结构预测向分子设计、动态模拟和科学推理延伸。

这套技术体系的基础之一，是字节Seed团队此前推出的Protenix。

2024年，字节Seed团队开源Protenix，用于蛋白质及生物分子复合物结构预测。此后，相关模型持续迭代。对于Anew Labs而言，Protenix的价值并不只在于模型本身，更在于它证明了字节在生命科学基础模型上的研发能力，并为后续分子设计和药物发现提供了技术基础。

Anew Labs目前公开披露了4个药物研发方向，其中IL-17项目的信息最为完整。

IL-17是一类参与人体免疫和炎症反应的细胞因子，与银屑病、银屑病关节炎、强直性脊柱炎等多种自身免疫性疾病有关。抑制IL-17，可以降低过度活跃的炎症反应， 因此已经成为自身免疫疾病药物研发中的重要靶点。

今年4月，在美国免疫学家协会(AAI)年会上，公司首次披露了临床前小分子药物AN-5162。公司称，这款药物能够同时作用于IL-17AA、IL-17AF和IL-17FF三种形式的IL-17。

IL-17本身已经是经过临床验证的成熟靶点，诺华等药企已有相关抗体药物实现商业化。但目前市场上的IL-17药物主要是抗体，小分子药物仍存在较大的研发空间。相比抗体，小分子药物具有口服给药等优势，但IL-17不同亚型的结构特征，也让小分子设计更具挑战。

AN-5162瞄准的正是这一问题。Anew Labs希望通过同一款小分子覆盖多种IL-17亚型，并进一步推进临床验证。

目前，AN-5162仍处于临床前阶段，公司计划推进IND申报。换句话说，Anew Labs已经完成了从AI模型到候选分子的第一步，但距离证明这款药物有效且安全，还有临床试验这一道更重要的门槛。

字节为什么要把一家“反字节”的公司拆出去？

Anew Labs的商业逻辑，与字节跳动最擅长的互联网生意几乎处在两个极端。

抖音的产品迭代可以按天计算，算法推荐需要不断根据用户反馈调整；广告、电商和内容业务，可以快速获得数据、验证产品，再决定资源投入。

药物研发则完全不同。一个候选药物从靶点发现、分子设计、实验验证，到临床前研究和临床试验，周期通常以年计算。

传统行业里常用“十年、十亿美元”概括新药研发的高投入和长周期。运用AI可以压缩其中一些环节，但动物实验、临床试验和监管审批这些环节，必须用时间和数据来验证，没法像互联网产品发布会那样“发布即上市”。

据路透社报道，知情人士称，AI药物发现与字节核心业务遵循不同的行业逻辑和管理方式，因此拆分有利于支持业务长期发展，即字节不再用互联网公司的考核周期管理这家公司。

而外部融资，给Anew Labs带来另一套资本结构。

本轮投资人里，既有HSG、IDG资本、高瓴、五源等财务资本，也有中国生物制药这样的产业资本，还有上海未来产业基金。

从AI生成一个候选分子，到把它做成真正的药，中间还隔着合成、药理、毒理、临床开发和商业化。产业资本的加入，可以帮助一家AI公司补上后半段的能力。

字节没有把控股权卖掉，融资完成后，它仍然持有56%。

所以这次分拆更接近一种“控股孵化”：字节把这项业务从大厂内部的研发项目，变成一家拥有独立资本、独立激励和独立行业资源的公司，同时保留对项目长期下注的控制权。

这种模式早有先例。2021年，GoogleDeepMind将AI制药业务拆成Isomorphic Labs；2026年5月，Isomorphic Labs又完成21亿美元B轮融资，资金继续用于AI药物设计引擎和内部药物管线。

大模型公司逐步开始把AI for Science，从内部研究能力变成可以独立融资、独立建立管线的公司。

虽然Anew Labs现在的规模还远小于Isomorphic，但它已经走上了同一条路。

Anew Labs的真正挑战：把模型能力变成药物资产

过去几年，AI制药公司的商业模式正在发生变化。

早期公司更多提供蛋白结构预测、分子生成、虚拟筛选、药物性质预测等工具，收入主要来自软件授权、技术服务或与药企的合作。随着模型能力不断向药物研发环节深入，一批公司开始从“提供研发工具”转向直接参与甚至主导药物管线开发。

Anew Labs选择的是后一条路线。

这也决定了它的技术评价标准不能停留在模型指标上。蛋白结构预测得有多准、分子生成效率有多高，最终都需要落到一个更严格的问题：模型产生的候选分子，能否经过实验验证，进入真实的药物开发流程，并最终形成具有临床价值的药物资产。

AnewSampling所代表的分子动态研究，就是这一问题的一个缩影。

药物发现面对的并不是静态的蛋白质结构。蛋白质、配体以及周围环境会持续发生变化，分子之间的结合过程也具有动态特征。要对这些过程进行建模，需要大量计算，也需要足够高质量的实验数据。与互联网软件不同，药物研发中的数据无法仅靠扩大训练规模获得，很多关键数据必须通过实验产生。

因此，AI制药的研发效率，很大程度上取决于模型与实验之间能否形成持续的数据循环：

AI设计分子—实验验证—数据回流—模型迭代—再次设计。

这也是Anew Labs从字节跳动内部研发团队独立出来之后，需要建立的能力。字节积累的模型、算法和计算基础，为它提供了研发起点；但如果最终商业模式是围绕药物资产展开，实验体系、管线推进和临床开发同样决定公司的长期价值。

放到中国市场看，Anew Labs面对的也已经不是一批单纯比拼模型能力的AI创业公司。

英矽智能走的是“AI发现+自主管线+对外授权”的路线。9月10日，其核心管线Rentosertib进入III期临床，AI生成药物开始进入更高阶段的临床验证。公司同时通过管线授权、联合开发等方式实现商业化，已经把AI研发能力与药物资产变现连接起来。（阅读拓展：）

晶泰科技的路径有所不同。公司以AI、计算和自动化实验平台切入药物研发，为药企提供研发服务，同时参与管线合作。2025年，晶泰科技实现收入8.03亿元，同比增长201.2%，并实现全年盈利。对于这类公司而言，商业化重点并不完全取决于自有药物能否进入临床，而在于平台和研发服务能否持续为药企创造价值。（阅读拓展：）

百图生科则从生命科学基础模型切入，将模型能力与生物实验、抗体发现和药物开发结合起来，持续向产业化环节延伸。

三家公司已经形成了不同的商业路径：有人把AI能力转化为自有管线，有人通过技术服务和合作开发获得收入，也有人试图从基础模型一路连接到实验和药物研发。

Anew Labs进入的，正是这样一个已经开始验证商业模式的市场。

从Protenix这样的基础模型，到AN-5162这样的候选药物，Anew Labs已经走过了从算法研究进入药物发现的第一段路。接下来，它需要面对的是药物行业最严格、周期也最长的验证：实验数据是否支持模型判断，候选分子能否顺利进入临床，以及这些管线最终能否形成具有商业价值的药物。

当AI制药开始从“能不能发现分子”走向“能不能持续做出药”，一家公司的价值，最终要由它能够持续产生多少经过验证的药物资产来回答。