字节分拆AI制药业务

2026年6月，字节跳动把在内部运转了约五年的AI制药业务整体拆分出去。 团队、算法平台和在研管线全部装进一家新公司Anew Labs，中文名“新生实验室”。 9月，据报道，Anew完成2.9亿美元首轮融资，投后估值约15亿美元。 字节保留56%的股份，继续控股。 Anew手里最靠前的资产，是一款IL-17小分子，目前还在临床前的先导优化阶段，离第一个临床试验尚有距离。 但据一位参投人透露，这轮额度是从一百多家机构的竞争里抢来的。

一个没有临床数据的项目，拿到十几亿美元估值和上百家机构的追逐，本身就是这一轮AI制药热的缩影。 字节不是唯一下场的大厂，只是动作最彻底的一家。 百度创始人李彦宏牵头创立的百图生科，据报道已在今年3月秘密向港交所递表。 腾讯过去更多以投资人的身份出现，是英矽智能IPO的基石投资人。 今年2月，它公开了一项完全由AI设计的短肽GLP-1减重药专利，开始自己做分子。 阿里和京东则仍以医药流通和服务为主。 几家的路径各不相同，变化的方向却很一致：大厂不再只给药企提供算力和工具，而是开始直接持有药物资产。

同样的剧本也在海外上演，且资金体量更为庞大。 DeepMind分拆出来的Isomorphic Labs今年5月完成21亿美元B轮。 Chai Discovery 7月完成C轮，估值38亿美元，约为七个月前的三倍。 基模御三家也亲自入场：Anthropic花约4亿美元，买下一家不到10人的公司Coefficient Bio； OpenAI在10月宣布收购Orchestra Bio。 算力的一方同样没有缺席。 英伟达和礼来宣布，五年内投入最高10亿美元，共建AI实验室。 二级市场也给这个赛道留出了位置。

晶泰科技、英矽智能、剂泰科技三家AI制药公司，已经先后在港股挂牌。 五年过去，这一轮究竟是旧剧本的重演，还是真正的产业拐点？ 在这场全球竞速里，中国公司又站在什么位置？ 从“能预测”到“能设计”：这一轮技术变在哪里 新药研发是一门昂贵而缓慢的生意。 一款药要从靶点发现走到分子设计与优化，再经过临床前研究、申报和三期临床，才能上市。 德勤测算，全球前20大药企2024年单个新药的平均研发成本约22.3亿美元，整个周期通常要10到15年。 更大的问题是成功率，进入临床的药物，最后能获批的只有一成左右。

II期是最大的关口，通过率约28%。 钱和时间大量耗在临床，失败又恰恰集中在这里。 而AI制药想解决的，就是把失败提前，让它发生得更早，也更便宜。 这个想法并不新。 2012年到2022年间，上一代AI制药公司已经做过不少尝试。 有人用机器学习预测分子性质； BenevolentAI用知识图谱和文献挖掘寻找靶点； Recursion用大规模细胞成像做表型筛选； Exscientia和英矽智能则较早押注生成化学。 这些工具各自解决研发链条上的一段问题，彼此并不连通。 转折出现在2020年。

DeepMind的AlphaFold 2基本解决了单链蛋白质的结构预测问题，它让业界第一次相信，生物学里最基础的结构问题，可以直接由模型算出来。 2024年推出的AlphaFold 3把预测对象扩展到蛋白质与小分子、核酸组成的复合物，此后的分子设计模型，大多沿着这条路继续往前走。 资本对上一代技术的热情来得快，退得也快。 2021年是高峰，国内AI制药企业融资约62亿元，此后行业融资迅速降温，2023年全球AI制药融资额降至约36亿美元，同比下滑超过四成。

2024年，全球融资额回升至约58亿美元，同比增长61%，但资金主要流向美国，中国企业仅获得全球约一成的融资额。 退潮的原因，在标杆公司身上看得很清楚。 Exscientia 2020年把首个“AI设计”的分子推进临床，完成I期后，2022年被合作方住友终止。 BenevolentAI在一项IIa期试验失败后裁员，2025年从泛欧交易所退市。 两家公司一个止步于I期之后，一个倒在II期，教训却是一样的：AI让设计变快了，但分子进了临床，仍可能以和传统药物差不多的概率过关。

两轮AI制药对比：从单点工具到分子设计模型 这一轮AI制药热潮的不同，首先在于分子设计模型真正变得可用。 Chai Discovery 2025年6月发布的Chai-2，选了52个此前没有已知抗体的靶点做测试，每个靶点只设计不到20个抗体。 结果是，单轮实验的结合率达到约16%，一半靶点至少找到了一个结合物，从设计到湿实验验证不到两周。 团队称，这比此前的计算方法高出百倍以上。 Isomorphic今年2月公布的IsoDDE，在小分子上给出了类似的信号。

在考察新口袋泛化能力的最难测试中，它的成功率约50%，AlphaFold 3只有约23%。 它对结合亲和力的预测，在部分场景下已接近甚至超过传统物理方法FEP，而且不需要晶体结构。 国内也有对应的工作，包括字节的Protenix、SeedFold，以及Anew Labs与清华合作的AnewOmni。 这些工作的意义在于，湿实验的角色变了。 过去是大海捞针式的大规模筛选，现在更像是对少量设计做验证，成本和周期都被大幅压缩。 不过，它们仍停留在临床前，也未必经得起推敲。

IsoDDE没有公开架构和训练细节，外界目前也无法复现。 第二个变化来自大模型和Agent。 斯坦福团队开发的Biomni发表在Science上，它能自己挑选工具、规划实验步骤、编写代码并运行。 它的商业版本已被日本小野制药部署到药物发现部门。 让这件事变得可行的，是推理成本的快速下降。 在同等能力下，大模型推理价格每年下降的中位数约为50倍，2024年后更是加速到约200倍。 Agent第一次在经济上算得过账。 但Agent提升的是文献检索、数据分析、实验设计这些前置环节的效率，并不直接让一个分子更容易成药。

第三个变化在数据。 晶泰科技的做法是用AI做预测，让机器人做湿实验，再把实验数据回流训练模型，形成闭环。 礼来和英伟达的联合实验室，也把大规模生产实验数据作为目标之一。 礼来用内部数据训练的TuneLab，已开放给1300多家生物科技公司。 模型越来越容易获得，高质量数据却很难复制。 谁能自己生产数据，谁的护城河就更深。 所以，行业常说的“端到端”目前只成立了一小半。 在分子设计这一层，结构、亲和力和口袋识别正在被统一进同一个模型； 但从靶点到上市的完整链条，还远没有打通。

下一步的关键正是能把数据、决策和上下文连起来的系统。 而让这一轮热潮区别于上一轮的另一个关键点，是临床证据开始出现。 AI原生公司的分子在I期的成功率约为80%到90%，明显高于行业历史上40%到65%的水平。 但到了II期，成功率与行业持平，约28%，样本也只有10个。 具体药物上，英矽智能用于特发性肺纤维化的Rentosertib，靶点和分子都由AI发现与设计。 它的II期结果2025年发表在Nature Medicine上，III期已在今年7月启动。

武田的zasocitinib源自Nimbus和薛定谔的物理计算平台，III期在银屑病中优于已上市的对照药。 不过，它更多被归为计算设计，算不算“AI药物”，业内仍有分歧。 此外，到目前为止，还没有一款主要由AI发现的药物获批上市。 所以把这些进展放回研发链条上看，AI的改造并不均匀，成熟度更多集中在分子设计这一段。 AI制药全链条全景图：各研发阶段的卡点与成熟度 分子发现与优化是证据最充分的环节，晶泰、华深、Anew，以及海外的Isomorphic和Chai，都集中在这里。

往前看，靶点发现反而还在早期，用Agent提出科学假设的研究，今年才开始在顶刊发表。 制剂和递送，是中国公司最先跑出完成III期产品的环节，不过这类产品优化的是剂型，分子本身并非由AI发现。 I期已经出现统计上的积极信号。 最大的空白在II期，AI还没有改变这一阶段的成功率，而这恰恰是整个链条上成本最高，同时价值也最大的地方。 上市、头部与水下：中国玩家的三个梯队 经过2023年前后的出清，中国AI制药行业已经明显分层：头部公司已经上市，少数几家在一级市场拿到大额融资，更多公司还在早期或水下。 钱也在向头部集中。

2026年国内最大的四笔融资，分别是华深智药多轮合计7.87亿美元、Anew Labs 2.9亿美元、元思生肽1.5亿美元和寻明生科1亿美元，合计约占全赛道融资总额的六成。 而在2023到2024年，国内单笔最大的融资是深势科技的7亿元人民币，多数融资不超过2亿元。 短短两年，头部项目的融资体量已经大不相同。 已上市的三家，资本圈并不陌生。 晶泰科技2024年6月在港股上市，做的是AI加机器人的实验平台。 英矽智能2025年底上市，用生成式AI发现靶点和小分子。 剂泰科技今年5月上市，主攻AI纳米递送。

按行业媒体的概括，晶泰解决“如何快速验证”，英矽解决“发现什么药”，剂泰解决“如何精准送达”。 三家都交出了阶段性成绩，也都留下了需要追问的问题。 英矽的转折最明显：它2025年营收同比下滑约34%，净亏损3.52亿美元； 今年上半年营收同比增长约287%，并首次实现半年度盈利。 推动转折的，是上市后密集签下的BD，交易对象包括施维雅、齐鲁、美纳里尼、礼来、SK生物制药和武田，媒体统计其年内交易总额在70亿美元