Anew Labs并非互联网大厂进入生命科学的孤例。过去几年，百度集团、腾讯控股、阿里巴巴、华为等纷纷将AI能力带入药物研发，有的自建团队，有的投资产业公司，有的尝试用大模型切入药物发现。在这场跨界中，字节跳动走得更深一步，不仅做AI模型，也做药物管线。
2026年9月，一家从字节跳动走出来的AI制药公司，拿下2.9亿美元天使轮融资，成为中 国 第 一家首轮融资估值达100亿元人民币的AI制药公司。
这家公司叫Anew Labs（新生探途），从字节跳动内部独立出来仅3个月，还没有成熟产品，药物管线也还在临床前阶段，却吸引了多家明星机构争相入场。这让不少AI制药创业公司羡慕不已。
参与这轮融资的投资人李觅告诉经济观察报，这场融资竞争十分激烈，他是从一百多家机构中“抢”到投资额度的。
对字节跳动来说，这是一次少见的业务分拆，上一次受到如此高关注的还要追溯到2023年底的懂车帝。在分拆前，Anew Labs已在字节跳动内部运转了5年，此次分拆后，字节跳动仍是控股股东。
Anew Labs并非互联网大厂进入生命科学的孤例。过去几年，百度集团（BIDU.NASDAQ/09888.HK）、腾讯控股（00700.HK）、阿里巴巴（BABA.NASDAQ/09988.HK）、华为等纷纷将AI能力带入药物研发，有的自建团队，有的投资产业公司，有的尝试用大模型切入药物发现。在这场跨界中，字节跳动走得更深一步，不仅做AI模型，也做药物管线。
资本的热情背后，是一场尚未得到验证的跨界实验：字节跳动的算力、人才和资本，能否真正转化为制药能力？当Anew Labs从做模型走向做药，它能否在一套与互联网截然不同的研发体系中，建立起属于自己的竞争力？
经济观察报就拆分原因、融资意义和未来发展战略等问题致函Anew Labs，截至发稿未获正式回应。Anew Labs负责人刘凯则回应称，公司现阶段希望聚焦研发，暂不接受采访。
01、陌生来客
2026年4月，在美国免疫学家协会年会上，字节跳动Anew Labs首次披露了一款靶向IL-17的小分子候选药物数据，这是其AI制药业务的核心管线。
在这个由全球生物医药企业长期占据中心位置的会场，字节跳动像个陌生的来客。这家以互联网和AI业务闻名的中国公司，第 一次带着自己用AI设计的候选药物前来。
Anew Labs负责人刘凯随后在朋友圈转发相关消息，并写道：“希望能用AI在制药领域做出些真正推动行业向前发展的事。虽然很难，但我想这也是AI真正价值所在。”
在布局AI制药的头几年，字节跳动相当低调。团队成员很少参加医药行业论坛，论文发表后也鲜少主动宣传，以至于行业里一度有人认为，这只是大厂一次玩票性质的试水。角井生物创始人周一鸣也是偶然看到Anew Labs发表的一篇论文后，才第 一次认真尝试其算法。
“又好又漂亮。”这是他第 一次用完后的感受。
Anew Labs首轮融资的投资方名单颇为豪华。红 杉中国、IDG资本、高 瓴创投、五源资本、高榕创投、春华创投、博裕资本等知名投资机构入场，中国生物制药（01177.HK）、上海未来产业基金则作为战略投资方参与。
“Anew Labs能在5年内做出当下的成绩，挺快的。如果他们的效率不高，我们也不会参与投资。”李觅说。
李觅长期关注AI制药和脑机接口，他发现，两个赛道同样热门，融资景象却大不相同。许多脑机接口项目都受到追逐，但让机构集中下注的AI制药项目却很少，Anew Labs正是其中之一。
高额融资让一些同行羡慕和意外。AI制药公司哲源科技联合创始人赵宇直言“看不懂”，认为大厂光环占了很大部分。
“很多人还看不懂AI制药，究竟怎么做、能做到什么程度，还没有特别清晰的答案。”周一鸣认为，在答案尚不清晰的赛道里，字节跳动的资金、技术和人才优势，本身就构成了一种信任来源。
不过，周一鸣对Anew Labs如今的声量并不意外。
早在2024年，角井生物就开始使用Anew Labs的蛋白模型，是较早接触其技术的AI制药公司之一。在周一鸣看来，字节跳动的算法能力很强，即使和国外顶 尖的AlphaFold、Diffusion等公司的算法相比，也不落下乘。更重要的是，这些模型完全开源。
如今，Anew Labs已推出Protenix、PXDesign等生物AI模型，覆盖蛋白质结构预测、分子设计等药物研发环节，并进一步推出面向药物研发决策的科学推理大模型AnewMind。
在周一鸣看来，AI制药工具可以帮助药物研发的早期环节，但仅靠工具很难支撑一家大型公司。最终决定一家AI制药公司价值的，是能不能持续做出有竞争力的管线。
Anew Labs也在试图从模型能力走向药物管线。目前，其已有4个临床前管线资产，核心管线是一款靶向IL-17的小分子候选药物，处于临床前先导化合物优化阶段。据Anew Labs披露，这是全球首 个同时靶向IL-17A和IL-17F的全谱口服小分子抑制剂。
和AI制药从业者的视角不同，李觅更愿意将Anew Labs放到全球市场中观察。在他看来，Anew Labs此次融资的规模和估值不算高。海外的Isomorphic Labs等公司的融资规模，以及微软等科技巨头对AI制药的投入，已达到数十亿美元量级。
“如果要跟全球有竞争力的大模型去较量，等量的资金还是有必要的。”李觅说。
对产业资本而言，15亿美元估值背后有另一个问题：这些模型最终能不能进入真实的药物研发。
正大天晴助理副总裁兼数字创新中心负责人曹奋泽告诉经济观察报，除了财务回报，中国生物制药希望在和字节跳动在内的科技巨头的合作中，加快前沿技术在真实管线中的应用，发现有差异化潜力的新药机会，形成能在多个项目中复用的研发能力。
在曹奋泽看来，科技大厂及其孵化团队的优势在于算法人才、算力资源和工程体系。“我们会重点看这些优势如何与药物研发结合，能否在真实项目中产生可重复验证的结果，以及是否具备持续推进的专业团队和投入机制。”
02、当AI制药走出大厂
Anew Labs不是一支横空出世的团队。
2020年底，字节跳动开始在AI制药领域寻找人才。2021年，刘凯带队组建AI制药团队，核心成员约50人，既有AI4S算法人才，也有资深制药领域专家。此后几年，这支团队一直藏在字节跳动内部，直到2026年6月才正式走出大厂体系，成为独立的Anew Labs。
刘凯不是典型的技术创业者。加入字节跳动前，他先后在IDG资本、火山石投资工作，负责医疗与生物技术领域的投资业务。如今，IDG资本也出现在Anew Labs首轮融资的投资方名单中。
分拆后，字节跳动将核心团队、算法平台和已有管线资产整体注入Anew Labs，以上海杨浦为国内总部，并在美国圣何塞和新加坡设立办公室。字节跳动仍保持控股，继续提供火山引擎算力支持。据李觅了解，目前Anew Labs仍保持着不到百人的小团队。
为什么要在此时走出字节跳动？
李觅认为，大厂拆分AI制药业务，首先是战略优先级的选择。对科技巨头而言，大模型和通用人工智能是第 一战场，AI制药处在第二战场，独立后，团队反而能拥有更大的战略和执行空间。
赵宇看到的则是另一层。AI和制药本身就是两套差异很大的业务逻辑，而独立运作也便于引入外部资本。AI制药研发资金需求大，技术成熟度尚未充分验证，引入外部资本能分散集团自身承担的风险。
周一鸣认为，互联网公司习惯追求效率和快速迭代，一个产品上线后，很快就能看到反馈；药物研发却是典型的长期主义行业。今天做出的决定，可能要一年甚至十年后才知道结果，还伴随着高失败率。这种差异决定了两类公司的文化和增长逻辑很难相容。
字节跳动之外，百度、腾讯、华为、阿里巴巴等大厂也都在生物医药领域展开布局，但路径不尽相同。目前，腾讯、阿里巴巴、华为等将相关业务留在集团内部；字节跳动在内部发展数年后将AI制药业务独立发展；百图生科则从成立之初，就按照生命科学公司的逻辑搭建团队、技术与研发体系。
“这几种路径反映的是大厂不同的战略重心和投入深度。从大厂内部独立出来的公司可以更聚焦地做事，更清晰地衡量自己的主营业务，也可以招募更多人员。”百图生科联合创始人兼CEO刘维对经济观察报分析。
创办百图生科时，百度创始人李彦宏和刘维就没有考虑过把AI制药业务放在百度内部。刘维说，生命科学做到一定深度，就会碰到互联网大厂不熟悉的部分。生命科学的底层设备和数据需要长期投入，往往要数年才能看到结果，这套研发节奏很难沿用互联网公司的迭代方式。
在刘维看来，大厂的AI能力可以向千行百业辐射，如果只是做AI赋能，核心技术、解决方案、团队和文化可以共享一套体系。如果继续向生命科学的核心问题深入，就会碰到另一套逻辑，必须单独构建体系。
两种不同路径背后还有一个现实问题，即如何计算回报。
林泽在某大型投资机构任职，长期关注AI制药赛道。他观察到，导航、语音识别、购物推荐等AI应用，通常一两个月内就能看到可量化的效果，做得好就继续，做得不好就停止。但AI制药的价值很难这样计算。即使AI帮助设计出了一个很好的分子，除非公司把分子卖掉，或把项目、公司拆出去融资，否则很难形成清晰的回报机制。这是一些大厂将AI制药业务独立出去的重要原因。
03、做药不能只靠算力
资源和人才，是字节跳动进入AI制药后最 先显现出来的优势。
李觅介绍，在算法阶段，创业公司通常可获得1亿美元至2亿美元投入，对应数十人的团队和百卡级算力；字节跳动则可投入数亿美元、使用千卡级算力，并有能力组建更大规模团队。另外，字节跳动原本就有一套成熟的AI人才和技术体系。大模型团队、算法人才储备及平台本身的吸引力都可以向AI制药迁移。
但是，资源上的优势不能自动变成制药能力。
在李觅看来，AI和生物医药话语体系不同，对于带着大厂基因走出来的Anew Labs而言，需要保持足够开放的心态，才能持续吸引顶 尖生物医药人才。把人招进来后，原有偏AI的评价体系也需要迭代。
这种差异最终会落到一条条具体的管线上。
“为做药提供服务可能只能挣1分钱，做药本身可能挣9.99元。”在周一鸣看来，目前Anew Labs提供的很多工具，本质上只是帮助药物早期发现的一小步，单靠做工具很难支撑一家大公司，更大的发展空间需要靠做管线来获得。
周一鸣认为，在管线层面，Anew Labs和其他AI制药公司及生物技术公司在同一起跑线上，甚至起跑线比其他公司更靠后。如果没有能够真正把控管线的生物医药人才，仅仅依靠算法优势，可能会逐渐失去竞争力。
在AI制药领域，不同公司选择了不同发展路径。一类以自研管线为核心，直接参与药物研发；另一类聚焦生命科学大模型和平台能力，为生物医药企业提供底层AI能力。刘维认为，两类路径对应不同的商业逻辑和成功条件。对以自研管线为核心的公司来说，最终能否成功，取决于管线立项、靶点和适应证的选择，同时也包括运气。如果管线选错了，AI再好也不能发挥作用。
AI制药走到管线阶段后，算法之外的判断尤为重要，这对Anew Labs来说是更陌生的挑战。选什么靶点、做什么分子、什么项目该推进、什么项目该止损，需要真正懂药的人来判断。
多位受访者在谈到生物医药人才的重要性时，都提到了华深智药。过去一年半，这家公司与国内外制药巨头达成5笔合作，总潜在价值超过70亿美元，让全球AI制药同行艳羡。
周一鸣认为，华深智药的算法在行业中并不算突出，它能连续做出多笔重磅BD（商务拓展）交易，一个重要原因是引入了原三生制药（01530.HK）研发总裁朱祯平负责管线。
朱祯平是一位资深新药研发科学家，以选靶点的眼光见长。在三生制药期间，他曾主导PD-1/VEGF双抗的研发。这条管线一度险些被“贱卖”，最终却以超60亿美元授权给辉瑞，震惊业内。
在周一鸣看来，Anew Labs要做大做强，找到一位“朱祯平式”的人才，比继续增加算力、扩充算法团队更重要。但这样的人才十分稀缺，可遇不可求。
Anew Labs也清楚生物医药人才的重要性。目前，其已组建一支科学顾问团队，成员中有多位生物医药领域专家，包括信达生物前总裁刘勇军、安进前首席科学家马骥，以及武田制药加州蛋白质化学科学总监邹华等人。
找到懂药的人只是第 一步。这类人才和算法人才如何协作，也是Anew Labs需要面对的考验。赵宇介绍，这两类人才天然存在高沟通和协作成本。算法人才习惯用明确的边界、规则和系统化逻辑解决问题，生物医药人才更依赖对复杂生物学现象的理解。两个团队如果缺少化学反应，可能陷入内耗，拖慢业务。
“计算化学已经发展得比较成熟，方法体系和人才供给都有比较深的积累。但计算和生物学真正结合起来，情况完全不同。”赵宇表示，Anew Labs能否形成真正的技术壁垒，取决于能否把计算能力转化为理解生命和疾病的能力。目前行业里既理解复杂生物学问题，又能够将其转化为计算问题的人才仍然非常稀缺，成熟的人才培养体系也尚未形成。
04、为什么做药
字节跳动下场做药，是一场意料之外、情理之中的跨界。
“21世纪是生命科学的世纪”，这曾是一代青年科学家的信仰。过去十多年，马云、李彦宏、黄峥、王小川等互联网企业家都曾把目光投向生命科学。
2013年，辞任阿里巴巴集团CEO不久，马云成为全球生命科学突破奖基金会的捐助人。后来，马化腾、丁磊、李彦宏等人则参与了对未来科学大奖的捐赠，生命科学是该奖项支持的重要领域。
2020年，李彦宏与刘维联合创办百图生科，并由刘维担任百图生科CEO。这家公司成立第二年即拿到上亿美元融资。当时，李彦宏回忆，他早在20多年前在华尔街做程序员时就对生命科学感兴趣，甚至申请过默克研究团队的工作。
2021年，拼多多（PDD.NASDAQ）创始人黄峥在股东信中谈到希望进入生命科学领域；同年，王小川卸任搜狗CEO后，也将自己未来20年的梦想定位于生命科学和医学。
也是在这一年，张一鸣开始把目光投向更远的地方。他在一封内部信中说，虚拟现实、生命科学、科学计算对人类生活的影响已现黎明之曙光，要抓住这次机会，需要创新者们突破业务的惯性去探索。为此，他决定卸任字节跳动CEO，以十年为期，参与到这波科技变革的浪潮中。
回头看，字节跳动布局AI制药业务正是在这一年。
在周一鸣看来，人拥有足够财富后，对健康和寿命的需求自然会进一步上升，进而关注和布局相关领域。
林泽说，生物医药行业想象力很大，市场空间诱人，这也是互联网大佬长期关注生物医药的原因。
赵宇也认为，大厂进入AI制药领域，是看到了生命科学长期的产业价值。生命科学与每个人都息息相关，市场空间大，而且具有一定的逆周期属性。
在情怀、行业想象力之外，科技的进展给大佬们躬身入局提供了合适的时机。
2018年，OpenAI发布GPT-1时，大模型只有一亿多参数，实际效果并不显著。到2020年，GPT-3已经达到1750亿参数，一个基础模型开始能够处理数百个自然语言任务。在刘维看来，这意味着基础模型的能力出现了一次跃迁。同一年，DeepMind研发的AlphaFold 2破解了困扰研究人员近50年的蛋白质折叠问题。此后，AI开始从信息世界向更复杂的科学问题深入。
“为什么最近AI进入这个领域变多了？因为这个领域虽然大，但原来进入不太容易。”刘维说，过去生命科学更依赖传统实验，能被机器学习利用的数据有限，甚至连数据都没有。这些年，随着各种组学技术发展，生命科学开始产生和积累越来越多的数据，物理世界正在被不断数字化，AI才有了更大的用武之地。
刘维注意到，AI在生命科学领域的落地正处于重要拐点。近两年，科学界的一系列奖项都颁给了AI+生命科学，这代表了古典主义的科学界的认可。与此同时，FDA现在开始加速推动、甚至强烈要求用AI代替一些传统的临床实验、动物实验，为AI设计的药物提供各种加速通道，这代表了监管部门的态度。
李觅判断，AI制药仍处于从0到1的阶段，当下的投入只是“第 一笔钱”。随着技术继续发展，未来AI在生命科学领域可能出现类似大模型行业的持续巨额投入。“只要人类想活得更久、想解决疾病，制药行业就会长期存在，因此，生命科学会是贯穿21世纪的长期产业。”
（应受访者要求，文中李觅、林泽为化名）