AI制药独角兽Anew单飞，字节推了一把“最烧钱的慢生意”

文｜AI资本观，作者 | 林见，编辑｜邵神 9月16日，字节跳动旗下Anew Labs（新生实验室）第一次以一家独立公司的身份，获取了一份估值：15亿美元。 据Reuters报道，这家从字节跳动拆分出来的AI制药公司完成首轮外部融资2.9亿美元，投后估值15亿美元。HSG（原红杉中国）、IDG Capital、GL Ventures、五源资本等机构进入股东名单。字节没有离场，融资完成后仍持有56%的股份。 大厂内部拆分、拿下独立融资与高估值，同时由母公司保持绝对控股——Anew的开局相很稳。 公司官网已经列出了IL17、IL4R等药物项目。IL17进入IND申报准备阶段，即开始为向监管机构提交新药临床试验申请准备关键资料，目前仍属于临床前，还没有进入人体试验。 一个生于大厂内部的AI课题，为什么一定要独立融资做药？答案很简单：AI做药终究要脱离算力纸面，进入一门重资产、长周期且极度凶险的慢生意。” 字节这次亲自下场推了一把。 创新药圈子来了个“年轻人” Anew官网仍把AI能力摆在显眼位置。 它的平台能力展示部分，AnewFold、AnewSampling、AnewOmni覆盖结构预测、分子建模和生成式设计；9月17日，公司又发布AnewDDE技术报告，希望把结构预测、分子设计、结合亲和力、科学推理和实验反馈接到一起。 图｜Anew官网展示的AI药物研发平台能力，包括结构预测、分子生成与虚拟筛选等 但药物管线一旦出现，公司的发展逻辑就要变了。 互联网产品可以按周、按月迭代，一款候选药物却要经过临床前研究、临床试验申请，再进入I期、II期、III期临床和监管审批。失败是常态的一部分，而且越往后，实验、生产、合规和资金压力越重。 对一项已经走到药物开发阶段的业务，独立股权、专业医药资本、跨AI与制药的人才，以及围绕研发里程碑持续融资，都更适合这套长周期。Anew官网显示，公司在上海、旧金山和新加坡设有团队，AI研究人员和药物发现专家在同一个组织工作。 为什么决定拆分Anew，字节并未对此表过态。 但显然，Anew现在有外部股东、有独立估值，未来发展空间也有望再进一步。当然，它也需要继续往临床推进的药物项目，接受医药资本和研发节点的双重检验。 生物科技公司的资金周期和互联网产品不同。 药物还没有收入，甚至还没有进入人体试验时，公司往往已经需要为下一阶段实验、生产和申报准备资金。候选分子、临床前数据、监管节点、临床结果和授权进展，会一次次更新市场对公司的判断。 AI能力仍然是核心，但接下来会有越来越多问题来自AI技术之外：一条管线能不能拿到临床试验许可，后续试验能不能推进，项目失败时谁承担研发损失，成功时公司又能留下多少经济权益。 它要随时准备钱，为下一次“冒险”做准备。 当AI公司开始自己做药 从lab走出来直接成为Biotech（生物科技研发型公司），不止在字节。 今年5月，Isomorphic Labs完成21亿美元B轮融资。这家公司隶属Alphabet、由Google DeepMind孵化，是AlphaFold之后Google把AI能力继续推向药物设计的重要载体。它的官方公告列出的资金用途，一边是继续扩展AI药物设计引擎IsoDDE和全球业务，一边是推进自己的治疗项目。 英矽智能（Insilico Medicine）走得更远。这家从生成式AI药物发现起步的生物科技公司，已经同时拥有AI平台、自有临床管线和对外授权合作。2026年1月，它与Hygtia Therapeutics公开了一项独家许可和共同开发合作。平台能力、合作研发和药物权益，被放在了同一家公司里。 美国上市公司Recursion则从另一条路进入。自动化实验、大规模生物数据和机器学习构成它的技术底座，公司同时推进自有和合作药物项目。 三家公司路线不同，平台合作也都没有消失。共同之处在于，AI公司自己开始更深地参与药物项目。 这会改变它们和一款药之间的经济关系。给药企提供AI平台或合作研发，本身就可能包含首付款、研发及监管里程碑、销售分成和共同开发权益；自己推进候选药物，或者在合作中保留更多资产权益，则会让公司的收益和药物最终成败绑得更紧。回报空间变大，研发费用、现金消耗和临床失败也更多留在自己身上。 平台合作和做自有管线并不是二选一。区别在于，一家公司把多少技术价值留在服务这一层，又把多少风险和收益继续带进药物资产。 Isomorphic和英矽也说明，这种变化并不等于AI公司集体放弃平台业务。Isomorphic的新融资同时投向AI引擎和治疗项目；英矽一边推进自有管线，一边通过授权和共同开发分摊资金与临床风险。 在这种新的公司模式下，AI平台、合作研发和自有药物可以同时存在，区别只是公司在不同项目里承担多少风险，又保留多少未来权益。 业内目前普遍共识，AI能够有效改变药物发现早期的试错方式——AI未必能替制药消灭失败，但可能让一些错误更早发生。 传统研发要反复经历提出假设、设计分子、实验、等待结果、修改方案。AI、计算和自动化实验室试图把这些环节接得更紧：一次搜索更多候选，更早排除一部分失败方向，让实验结果更快进入下一轮设计。 图｜Recursion的自动化实验室。图源：Recursion Media Kit 已经有早期临床数据值得关注。IQVIA在2026年的分析中，对经严格验证、确认有AI参与的新兴生物科技项目做了比较：最近三年，这组项目的I期临床成功率约75%，高于可比的非AI项目；到了II期，两组表现大致相当，III期项目数量还不足以分析。IQVIA同时提醒，样本仍然有限，全行业总体成功率并没有随之改变。 《Nature Reviews Drug Discovery》今年8月的一篇Perspective也把边界说得很清楚：AI方法和基准测试已经大量出现，真正具有临床相关性的影响证据仍然有限。 这恰好是AI制药今天最有故事和不确定性地方——前端发现效率已经出现一些可观察的变化，公司和资本也在往药物项目走；到了人体临床，药物仍要接受和传统研发一样漫长而昂贵的验证，很多创新药Biotech公司倒在了路上。 此外，AI制药还有一个很现实的时间差：模型、论文和分子设计结果可以按周、按月更新，临床验证仍以年计算。前端如果更快地产生候选项目，后面反而需要更多资金去筛选、做生产、招募患者、完成临床和监管。 这意味着验证周期会更长，也需要更多的资本持续加持。 超级大厂加持，催生不一样的Biotech？ 回到Anew，这轮融资带来的是2.9亿美元新资金，15亿美元则是投后估值。 按Anew目前公开的管线信息，其进度最靠前的IL17仍处于IND申报准备阶段，尚未进入人体临床。 这恰好是所有Biotech必须直面的 临床“死亡之谷” ——从实验室的模型设计、分子筛选跨入人体试验，哪怕拿到临床许可，后续I期到II期的有效性验证每一步都是凶险的淘汰赛。 这意味着，能不能持续找到真正值得投入更多资金的分子、IL17等项目能不能跨过临床试验申请和后续临床节点，以及项目推进以后，Anew通过自研、授权或共同开发能留下多少经济权益，每一步都是影响下一轮估值的的硬节点。 还有一个变量来自AI能力本身。 结构预测、分子生成、虚拟筛选正在成为越来越多药企和技术