字节跳动首次试水AI制药独立融资：从”代码”到”分子”，AI4S商业化拐点真的来了吗？

从互联网到制药：字节跳动的”第二曲线”

6月10日，《智能涌现》独家获悉，字节跳动AI制药业务线已启动拆分与独立融资进程。这不仅是字节跳动在AI4S（AI for Science）领域迈出的一步，更是中国AI巨头首次将AI制药业务以独立实体形态推向市场——从”用代码改变世界”到”用分子治愈疾病”，字节跳动的AI战略版图正在完成一次深刻的范式跨越。

据知情人士透露，拆分后字节仍将控股新公司，AI制药的核心团队、核心算法、技术平台和已有管线资产将整体进入新主体，同时该业务也将继续从火山引擎获得算力支持。

这个由刘凯负责、成立于2021年的团队，在字节内部一直属于”前沿技术”序列。此前负责蛋白结构预测模型的相关团队也已并入，算法模型团队完成整合——字节的AI制药版图正在从分散走向集中。

技术底座：从Protenix到Anew Labs的完整技术栈

字节的AI制药技术布局已经相当完整，覆盖从基础研究到临床前管线的全链条。

在蛋白结构预测方面，字节AI4S团队于2025年发布了分子结构预测模型Protenix和Seedfold，并在2026年迭代Protenix-v1/v2，构建面向蛋白、配体等生物复合体系的高精度开源结构预测能力。在蛋白质设计方面，推出了PXDesign等蛋白binder（结合蛋白）设计工具。

更关键的是，字节还推出了面向真实药物研发的AI制药平台Anew Labs。该平台已发布AnewSampling、AnewOmni、AnewFEP、AnewSynth、scNext等多项研究，覆盖蛋白-配体动态结构预测、全原子分子生成、自由能计算、合成可行性预测和虚拟细胞等多个方向。

这意味着，字节的AI制药能力已经从”模型和算法研究”进入了”具体靶点、具体分子和内部管线验证”阶段。

对标AlphaFold：AI制药的产业化拐点

要理解字节AI制药拆分的战略意义，需要将目光投向全球AI制药的演进路径。

Google DeepMind的AlphaFold系列是绕不开的参照物：从初代验证可行性，到AlphaFold 2实现2亿个蛋白质原子级精度预测，再到AlphaFold 3跨越单一蛋白质限制，精准预测复杂相互作用系统——这证明了AI已经深入到了药物设计的重要环节。

但如果蛋白结构预测还是一个”基础研究问题”，那么近年来涌现的多模态分子生成模型，则直接切入了制药行业最核心的痛点——药物设计本身。AI制药正在从”辅助科研”跨越到”直接生产药物分子”。

字节跳动的独特优势在于——它同时拥有大模型时代的算力基础设施（火山引擎）和AI4S的完整技术栈。这不是传统生物科技公司靠算法外包能做到的。

为什么是现在？AI4S产业化的三重推力

字节的决策并非凭空而来。AI4S产业化正在汇聚三个关键推力：

第一，全球药企的”效率焦虑”到达临界点。过去二十多年，全球药品研发支出持续攀升——IQVIA预计2028年全球药品支出将达到约2.3万亿美元。但新药研发的”不可能三角”——高成本、长周期、高失败率——始终没有被根本突破。每年有超过千亿美元的研发投入付诸东流。

第二，AI技术能力已跨越”可行性”门槛。多模态分子生成模型、扩散模型在药物设计中的应用、以及大模型在靶点发现中的潜力，正在从学术界的论文走向工业界的管线验证。字节Anew Labs的IL-17项目就是一个标志性的节点。

第三，AI4S人才的”组织需求”与互联网公司不同。一位接近拆分的人士称，”生物科技有自己的产业逻辑，独立出来，有独立决策灵活性，希望能跑通中国的AI4S产业路径。”AI制药需要吸引顶尖的生物医药科学家——这类人才往往对组织架构、决策效率、激励方式有不同于互联网公司的期待。

挑战与悬念：从”代码”到”分子”还多远？

尽管前景广阔，但AI制药产业化的道路依然充满挑战。

首先是湿实验验证周期——AI可以预测分子结构、生成候选化合物，但从”屏幕上的分子”到”实验室里的管液”，需要大量湿实验验证，这个过程可能需要数年。

其次是监管审批——用AI设计的新药，其审批路径与传统药物有何不同？监管机构对AI生成分子的接受度如何？这些都是尚未明确的问题。

最后是人才竞争——AI制药需要的是既懂AI又懂生物医学的复合型团队。这类人才在全球范围内都极为稀缺，如何组建并保持竞争力，是字节需要长期面对的课题。

但无论如何，字节跳动选择在这个时间点启动AI制药的独立融资，释放的信号非常明确：AI4S的产业化窗口期已经打开，而巨头们正在抢占入口。