來源：創業邦

　　丨晨陽

　　編輯丨小龍 子鉞

　　圖源丨Anew Labs

　　從15秒的短視頻，到10年的新藥研發，字節跳動正在把公司裏周期最長的一筆生意，單獨拿出來下注。

　　9月16日，據路透社報道，字節跳動從集團拆分出來的AI製藥公司Anew Labs（新生實驗室），完成首輪外部孖展，金額約2.9億美元，投後估值約15億美元。HSG（紅杉中國）、IDG資本、高瓴投資領投，五源資本聯合領投，高榕創投、春華創投、博裕資本，以及戰略投資者 SBP Group 和國資背景的上海未來產業基金等參投。

　　孖展完成後，字節仍持有56%股份，保持控股。

　　Anew Labs的前身，是字節跳動內部跑了5年的AI for Science藥物發現團隊。

　　2020年底，字節開始招募AI製藥人才；2021年，劉凱牽頭組建正式團隊，核心成員約50人。

　　2026年6月，字節將團隊、算法平台和在研管線整體拆分，Anew Labs正式獨立運營。目前其總部位於上海，並在美國、新加坡設有辦公室。

　　資本為什麼願意給這家公司15億美元估值，押注的究竟是什麼？

　　50個人

　　撐起一家15億美元公司

　　Anew Labs的核心團隊約50人，主要由AI4S算法人才和製藥領域專家組成。

　　2021年，字節由劉凱牽頭組建AI製藥團隊，逐步形成覆蓋算法、計算化學和藥物研發的複合型團隊。此次分拆後，原有團隊、技術平台及在研管線一併進入Anew Labs。

　　公司希望建立的是一套覆蓋藥物發現主要計算環節的AI研發平台，而非單點工具。

　　目前，Anew Labs公開披露的技術平台覆蓋藥物發現的多個計算環節。

AnewFold用於蛋白質及分子複合物結構預測；

AnewSampling聚焦分子動力學模擬；

AnewOmni進行全原子分子建模與生成；

AnewDesign用於抗體設計和優化；

AnewMind則將大模型用於藥物研發中的科學推理與決策。

　　從公開的研究成果看，Anew的技術路線也在從單一的結構預測向分子設計、動態模擬和科學推理延伸。

　　這套技術體系的基礎之一，是字節Seed團隊此前推出的Protenix。

　　2024年，字節Seed團隊開源Protenix，用於蛋白質及生物分子複合物結構預測。此後，相關模型持續迭代。對於Anew Labs而言，Protenix的價值並不只在於模型本身，更在於它證明了字節在生命科學基礎模型上的研發能力，並為後續分子設計和藥物發現提供了技術基礎。

　　Anew Labs目前公開披露了4個藥物研發方向，其中IL-17項目的信息最為完整。

　　IL-17是一類參與人體免疫和炎症反應的細胞因子，與銀屑病、銀屑病關節炎、強直性脊柱炎等多種自身免疫性疾病有關。抑制IL-17，可以降低過度活躍的炎症反應，因此已經成為自身免疫疾病藥物研發中的重要靶點。

　　今年4月，在美國免疫學家協會（AAI）年會上，公司首次披露了臨床前小分子藥物AN-5162。公司稱，這款藥物能夠同時作用於IL-17AA、IL-17AF和IL-17FF三種形式的IL-17。

　　IL-17本身已經是經過臨床驗證的成熟靶點，諾華等藥企已有相關抗體藥物實現商業化。但目前市場上的IL-17藥物主要是抗體，小分子藥物仍存在較大的研發空間。相比抗體，小分子藥物具有口服給藥等優勢，但IL-17不同亞型的結構特徵，也讓小分子設計更具挑戰。

　　AN-5162瞄準的正是這一問題。Anew Labs希望通過同一款小分子覆蓋多種IL-17亞型，並進一步推進臨床驗證。

　　目前，AN-5162仍處於臨床前階段，公司計劃推進IND申報。換句話說，Anew Labs已經完成了從AI模型到候選分子的第一步，但距離證明這款藥物有效且安全，還有臨床試驗這一道更重要的門檻。

　　字節為什麼

　　要把一家「反字節」的公司拆出去？

　　Anew Labs的商業邏輯，與字節跳動最擅長的互聯網生意幾乎處在兩個極端。

　　抖音的產品迭代可以按天計算，算法推薦需要不斷根據用戶反饋調整；廣告、電商和內容業務，可以快速獲得數據、驗證產品，再決定資源投入。

　　藥物研發則完全不同。一個候選藥物從靶點發現、分子設計、實驗驗證，到臨床前研究和臨床試驗，周期通常以年計算。

　　傳統行業裏常用「十年、十億美元」概括新藥研發的高投入和長周期。運用AI可以壓縮其中一些環節，但動物實驗、臨床試驗和監管審批這些環節，必須用時間和數據來驗證，沒法像互聯網產品發布會那樣「發布即上市」。

　　據路透社報道，知情人士稱，AI藥物發現與字節核心業務遵循不同的行業邏輯和管理方式，因此拆分有利於支持業務長期發展，即字節不再用互聯網公司的考覈周期管理這家公司。

　　而外部孖展，給Anew Labs帶來另一套資本結構。

　　本輪投資人裏，既有HSG、IDG資本、高瓴、五源等財務資本，也有中國生物製藥這樣的產業資本，還有上海未來產業基金。

　　從AI生成一個候選分子，到把它做成真正的藥，中間還隔着合成、藥理、毒理、臨床開發和商業化。產業資本的加入，可以幫助一家AI公司補上後半段的能力。

　　字節沒有把控股權賣掉，孖展完成後，它仍然持有56%。

　　所以這次分拆更接近一種「控股孵化」：字節把這項業務從大廠內部的研發項目，變成一家擁有獨立資本、獨立激勵和獨立行業資源的公司，同時保留對項目長期下注的控制權。

　　這種模式早有先例。2021年，Google DeepMind將AI製藥業務拆成Isomorphic Labs；2026年5月，IsomorphicLabs又完成21億美元B輪孖展，資金繼續用於AI藥物設計引擎和內部藥物管線。

　　大模型公司逐步開始把AI for Science，從內部研究能力變成可以獨立孖展、獨立建立管線的公司。

　　雖然Anew Labs現在的規模還遠小於Isomorphic，但它已經走上了同一條路。

　　Anew Labs的真正挑戰：

　　把模型能力變成藥物資產

　　過去幾年，AI製藥公司的商業模式正在發生變化。

　　早期公司更多提供蛋白結構預測、分子生成、虛擬篩選、藥物性質預測等工具，收入主要來自軟件授權、技術服務或與藥企的合作。隨着模型能力不斷向藥物研發環節深入，一批公司開始從「提供研發工具」轉向直接參與甚至主導藥物管線開發。

　　Anew Labs選擇的是後一條路線。

　　這也決定了它的技術評價標準不能停留在模型指標上。蛋白結構預測得有多準、分子生成效率有多高，最終都需要落到一個更嚴格的問題：模型產生的候選分子，能否經過實驗驗證，進入真實的藥物開發流程，並最終形成具有臨床價值的藥物資產。

　　AnewSampling所代表的分子動態研究，就是這一問題的一個縮影。

　　藥物發現面對的並不是靜態的蛋白質結構。蛋白質、配體以及周圍環境會持續發生變化，分子之間的結合過程也具有動態特徵。要對這些過程進行建模，需要大量計算，也需要足夠高質量的實驗數據。與互聯網軟件不同，藥物研發中的數據無法僅靠擴大訓練規模獲得，很多關鍵數據必須通過實驗產生。

　　因此，AI製藥的研發效率，很大程度上取決於模型與實驗之間能否形成持續的數據循環：

　　AI設計分子—實驗驗證—數據迴流—模型迭代—再次設計。

　　這也是Anew Labs從字節跳動內部研發團隊獨立出來之後，需要建立的能力。字節積累的模型、算法和計算基礎，為它提供了研發起點；但如果最終商業模式是圍繞藥物資產展開，實驗體系、管線推進和臨床開發同樣決定公司的長期價值。

　　放到中國市場看，Anew Labs面對的也已經不是一批單純比拼模型能力的AI創業公司。

　　英硅智能走的是「AI發現+自主管線+對外授權」的路線。9月10日，其核心管線Rentosertib進入III期臨床，AI生成藥物開始進入更高階段的臨床驗證。公司同時通過管線授權、聯合開發等方式實現商業化，已經把AI研發能力與藥物資產變現連接起來。（閱讀拓展：拉脫維亞人，20多歲實現財務自由，又在中國幹出一個IPO）

　　晶泰科技的路徑有所不同。公司以AI、計算和自動化實驗平台切入藥物研發，為藥企提供研發服務，同時參與管線合作。2025年，晶泰科技實現收入8.03億元，按年增長201.2%，並實現全年盈利。對於這類公司而言，商業化重點並不完全取決於自有藥物能否進入臨床，而在於平台和研發服務能否持續為藥企創造價值。（閱讀拓展：馬化騰親自拍板，押注三位80後MIT博士，啱啱收穫一個IPO）

　　百圖生科則從生命科學基礎模型切入，將模型能力與生物實驗、抗體發現和藥物開發結合起來，持續向產業化環節延伸。

　　三家公司已經形成了不同的商業路徑：有人把AI能力轉化為自有管線，有人通過技術服務和合作開發獲得收入，也有人試圖從基礎模型一路連接到實驗和藥物研發。

　　Anew Labs進入的，正是這樣一個已經開始驗證商業模式的市場。

　　從Protenix這樣的基礎模型，到AN-5162這樣的候選藥物，Anew Labs已經走過了從算法研究進入藥物發現的第一段路。接下來，它需要面對的是藥物行業最嚴格、周期也最長的驗證：實驗數據是否支持模型判斷，候選分子能否順利進入臨床，以及這些管線最終能否形成具有商業價值的藥物。

　　當AI製藥開始從「能不能發現分子」走向「能不能持續做出藥」，一家公司的價值，最終要由它能夠持續產生多少經過驗證的藥物資產來回答。