當(dāng)字節(jié)跳動(dòng)開卷AI制藥

2026-06-23 09:06

字節(jié)跳動(dòng)，高調(diào)殺入了AI制藥賽道。

它并非國(guó)內(nèi)首個(gè)跨界生命科學(xué)的互聯(lián)網(wǎng)巨頭，但可能是最“重”的一個(gè)。自2020年啟動(dòng) AI4S 底層技術(shù)布局，經(jīng)過(guò)內(nèi)部多條業(yè)務(wù)線、多年的奔跑，完成底層平臺(tái)的搭建，到現(xiàn)在喊出解鎖“不可成藥”靶點(diǎn)、重塑藥物可能的口號(hào)，首個(gè)AI分子也走到臨床前驗(yàn)證階段。

近期，又傳出字節(jié)跳動(dòng)AI制藥業(yè)務(wù)線啟動(dòng)拆分與獨(dú)立融資的消息，拆分后字節(jié)跳動(dòng)仍將控股新公司，核心團(tuán)隊(duì)、算法、技術(shù)平臺(tái)和已有管線資產(chǎn)整體進(jìn)入新主體。不同于騰訊等大廠賦能新藥研發(fā)的戰(zhàn)略，字節(jié)展現(xiàn)出一副親自下場(chǎng)做藥的姿態(tài)。

字節(jié)在這個(gè)時(shí)間點(diǎn)拆分獨(dú)立，既是順勢(shì)而為，也是逆勢(shì)押注。當(dāng)擅長(zhǎng)飽和攻堅(jiān)的算法巨頭闖入生物醫(yī)藥深水區(qū)，這套“矛盾”戰(zhàn)略背后，藏著互聯(lián)網(wǎng)跨界AI制藥最真實(shí)的優(yōu)勢(shì)與隱憂。

AI制藥的核心競(jìng)爭(zhēng)力究竟在哪里？字節(jié)的短板在哪里，底氣又是什么？這些問(wèn)題，比字節(jié)拆分AI制藥本身更值得追問(wèn)。

/ 01 /“原子”武器

3月份，字節(jié)跳動(dòng)AI制藥團(tuán)隊(duì)發(fā)布了兩篇論文。

第一個(gè)是，其與清華大學(xué)合作發(fā)布了基于全原子層面的通用分子生成基礎(chǔ)模型AnewOmni。號(hào)稱全球首個(gè)跨小分子、多肽、抗體的全模態(tài)藥物設(shè)計(jì)大模型。

以往AI藥物設(shè)計(jì)的思路將不同分子類型視為不同的領(lǐng)域，并為每種類型使用專門的生成模型，每個(gè)任務(wù)的數(shù)據(jù)、表征、模型架構(gòu)都不一樣。但回到原子層面——碳、氮、氧、氫，在這一層面小分子和多肽沒(méi)有本質(zhì)區(qū)別。

這就是AnewOmni的出發(fā)點(diǎn)，既然底層物理是共通的，那就可以用一套模型統(tǒng)一學(xué)習(xí)，并且跨模態(tài)互相增益。

AnewOmni通過(guò)全原子層面的通用分子生成基礎(chǔ)模型，在統(tǒng)一生成框架實(shí)現(xiàn)跨模態(tài)分子的從頭設(shè)計(jì)，并且，已經(jīng)在KRAS G12D、PCSK9這兩大靶點(diǎn)中實(shí)現(xiàn)了濕實(shí)驗(yàn)驗(yàn)證，證明了跨模態(tài)知識(shí)遷移在實(shí)際任務(wù)中的可行性。

顯然，這是一種顛覆性敘事。即未來(lái)的分子設(shè)計(jì)，有可能從孤立的單點(diǎn)技術(shù)，逐步走向通用的、可編程的、能夠進(jìn)行深度分子推理的整合平臺(tái)，進(jìn)一步拓展科學(xué)界探索分子空間的能力邊界。

更具體而言，比如把抗體“轉(zhuǎn)換”成多肽——保留結(jié)合模式，同時(shí)獲得多肽的細(xì)胞穿透性。

第二個(gè)則是AnewSampling ，一個(gè)想要復(fù)現(xiàn)全原子分子動(dòng)力學(xué)的框架。

過(guò)去幾年，AI徹底改變了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的能力，從序列到結(jié)構(gòu)的預(yù)測(cè)精度達(dá)到前所未有的高度。然而，在真實(shí)的藥物研發(fā)中，單一的靜態(tài)結(jié)構(gòu)遠(yuǎn)遠(yuǎn)不夠，真正決定藥效的，是它如何“動(dòng)”。

蛋白與配體的結(jié)合本質(zhì)是一個(gè)動(dòng)態(tài)過(guò)程：構(gòu)象不斷變化，能量狀態(tài)持續(xù)交換，關(guān)鍵相互作用在不同時(shí)間尺度上形成與消失。理解動(dòng)態(tài)熱力學(xué)景觀，一直是藥物發(fā)現(xiàn)中的核心挑戰(zhàn)。

而傳統(tǒng)分子動(dòng)力學(xué)（MD）模擬要靠飛秒級(jí)步長(zhǎng)一點(diǎn)點(diǎn)推演，想看清毫秒級(jí)的構(gòu)象變化，動(dòng)輒需要超算跑上數(shù)周，成本高、效率低。

AnewSampling 試圖解決這一難題，通過(guò)在全原子水平重建分子動(dòng)力學(xué)平衡分布的生成模型，比傳統(tǒng)MD快1000倍，能精準(zhǔn)捕捉蛋白柔性及配體結(jié)合模式。

AI正在理解分子如何運(yùn)動(dòng)、如何演化，從靜態(tài)結(jié)構(gòu)預(yù)測(cè)到動(dòng)態(tài)分布建模，這似乎也是一個(gè)顛覆性敘事。

而以上這兩個(gè)平臺(tái)，也意味著，字節(jié)的AI制藥實(shí)現(xiàn)了從靶點(diǎn)機(jī)制解析、全新分子創(chuàng)造到成藥性優(yōu)化的全鏈條布局。

/ 02 /管線迭代

底層平臺(tái)的集中露出，只是“獨(dú)立”的開端，真正引得制藥行業(yè)廣泛關(guān)注的，是首個(gè)AI分子的亮相。

4月25日，字節(jié)跳動(dòng)旗下AI制藥子公司Anew Labs在AAI 2026上進(jìn)行了口頭報(bào)告，首次公開處于臨床前階段的IL-17小分子抑制劑，利用AI驅(qū)動(dòng)的虛擬篩選技術(shù)，結(jié)合分子生成算法成功識(shí)別而來(lái)，首次在小分子層面實(shí)現(xiàn)了對(duì)IL-17家族（AA/AF/FF）的泛抑制。

以往，由于傳統(tǒng)結(jié)構(gòu)設(shè)計(jì)的局限性，小分子藥物只能靶向IL-17AA和AF，而字節(jié)實(shí)現(xiàn)了對(duì)IL-17AA、IL-17AF及極難成藥的IL-17FF二聚體的抑制。目前實(shí)驗(yàn)室的數(shù)據(jù)顯示了它的高活性表現(xiàn)，成藥性驗(yàn)證上在多個(gè)物種中也展現(xiàn)出良好的口服暴露特征。

IL-17靶點(diǎn)的自免商業(yè)潛力無(wú)需多言。2025年，諾華的司庫(kù)奇尤單抗全球銷售額超66億美元。鑒于自免口服藥廣闊的市場(chǎng)前景，小分子IL-17抑制劑一直是自免研發(fā)領(lǐng)域的熱點(diǎn)，禮來(lái)、賽諾菲、諾華、艾伯維等頭部MNC均有布局。

由此，其背后的主體——Anew Labs也徹底浮出水面，并將自身定位為“AI matters most where conventional drug discovery falls short”。

除了IL-17小分子抑制劑，Anew Labs官網(wǎng)顯示，還有一款靶向IL-4R的管線，已完成了靶點(diǎn)的命中識(shí)別；還有兩個(gè)未披露靶點(diǎn)的管線處于苗頭化合物發(fā)現(xiàn)階段。

相比底層平臺(tái)的“原子”顛覆敘事，目前披露的管線則更多是迭代式創(chuàng)新敘事。并非全新靶點(diǎn)的從頭開始，而是基于成熟靶點(diǎn)的進(jìn)一步探索。

當(dāng)然，這也是極大的突破，且契合當(dāng)前市場(chǎng)對(duì)于AI制藥的期待——從早期的效率提升，到臨床成功率提升。

AI制藥領(lǐng)域有一個(gè)常見(jiàn)的敘事：傳統(tǒng)方法需要18個(gè)月，用AI三個(gè)月就完成了。但經(jīng)歷前期種種顛覆性敘事之后，行業(yè)正在對(duì)AI祛魅，即在藥物開發(fā)這樣一個(gè)高風(fēng)險(xiǎn)、高失敗率的行業(yè)里，藥企真正想需要的不只是“快”，而是如何“提高成功率”，在后續(xù)的臨床開發(fā)中更有勝算。這才能構(gòu)成完整的創(chuàng)新藥研發(fā)底層范式革命敘事。

Anew Labs這樣的管線布局思路，或許也與以劉勇軍為首的科學(xué)顧問(wèn)委員會(huì)，有著直接關(guān)系。

劉勇軍曾公開表示過(guò)對(duì)“追新”持謹(jǐn)慎態(tài)度，面對(duì)下一代的自免藥物開發(fā)，他的建議是聚焦成熟靶點(diǎn)的迭代創(chuàng)新，新機(jī)制的靶點(diǎn)仍然存在不確定性。

/ 03 /大力出奇跡？

目前看，相比騰訊在AI制藥領(lǐng)域所強(qiáng)調(diào)的“連接”，字節(jié)的選擇更重，正朝著親自下場(chǎng)做藥、推臨床的方向演進(jìn)。

騰訊健康總裁吳文達(dá)說(shuō)過(guò)，騰訊最大的優(yōu)勢(shì)是“連接”。騰訊不想做新藥，想做的是“賦能者”——為藥企提供底層的AI工具和云服務(wù)，讓專業(yè)的人做專業(yè)的事。這很符合騰訊一貫的定位：做連接器而不是顛覆者。

字節(jié)跳動(dòng)則向來(lái)信奉“大力出奇跡”。

這套方法論在過(guò)去十年被反復(fù)驗(yàn)證：今日頭條、抖音、TikTok，都是以大量資源投入、快速迭代、飽和攻擊的策略攻城略地。當(dāng)這種思維遇上AI制藥，字節(jié)的選擇并不令人意外——要么不做，要么全力做。

從組織動(dòng)作上可以看得很清楚。字節(jié)將原本分散在各處的AI4S團(tuán)隊(duì)全部并入劉凱負(fù)責(zé)的AI制藥團(tuán)隊(duì)，完成算法模型團(tuán)隊(duì)的整合。最新的拆分傳聞更是讓AI制藥業(yè)務(wù)獨(dú)立運(yùn)營(yíng)，擁有獨(dú)立決策權(quán)。

有意思的是，除了Anew Labs，字節(jié)內(nèi)部還有兩條AI制藥線，此前顧全全牽頭的SeedFold、肖文之的Protenix，且各自訓(xùn)練模型。目前看，被推向前臺(tái)的是Anew Labs。這或許是近期傳出，字節(jié)AI大牛集體出走、籌備AI制藥創(chuàng)業(yè)的原因。

而在海外科技媒體TNW看來(lái)，字節(jié)的入局具備獨(dú)特優(yōu)勢(shì)：

其AI底層能力源自TikTok推薦系統(tǒng)。推薦算法的核心邏輯，是處理海量用戶行為數(shù)據(jù)、預(yù)測(cè)內(nèi)容組合帶來(lái)的反饋；Anew Labs生成模型邏輯與之同源——處理海量分子數(shù)據(jù)、預(yù)測(cè)原子組合對(duì)應(yīng)的生物活性。兩者架構(gòu)雖不完全相同，但底層工程能力高度互通：訓(xùn)練超大模型、海量數(shù)據(jù)快速迭代、大規(guī)模算力部署。支撐15億TikTok用戶的算力集群，如今被用來(lái)模擬分子行為，分子結(jié)合親和力成為這套系統(tǒng)的“用戶互動(dòng)指標(biāo)”。

這話乍一聽沒(méi)錯(cuò)，但關(guān)于大語(yǔ)言模型數(shù)據(jù)管理的經(jīng)驗(yàn)是否可以轉(zhuǎn)移至生物科技領(lǐng)域，還有不少質(zhì)疑。

比如上下文先天稀缺。文本數(shù)據(jù)里，語(yǔ)義上下文天然嵌在句子結(jié)構(gòu)里，而蛋白結(jié)合親和力、后翻譯修飾、可成藥性這些AI真正需要的標(biāo)簽，只能靠濕實(shí)驗(yàn)一個(gè)個(gè)測(cè)出來(lái)貼上去；再比如多樣性的假象問(wèn)題，蛋白質(zhì)數(shù)據(jù)銀行（PDB）等公開數(shù)據(jù)庫(kù)看起來(lái)數(shù)據(jù)量很大,但它們提供的是藥物研發(fā)過(guò)程中經(jīng)過(guò)高度篩選和編輯后的結(jié)果性數(shù)據(jù)。

換言之，大語(yǔ)言模型的“大力出奇跡”，并不適用AI制藥。

/ 04 /數(shù)據(jù)與閉環(huán)之爭(zhēng)

業(yè)內(nèi)有一個(gè)日漸清晰的共識(shí)：在公域數(shù)據(jù)對(duì)所有參與者均等可及、主流算法架構(gòu)通過(guò)論文和開源代碼快速擴(kuò)散的情況下，真正決定AI平臺(tái)性能上限的，是高質(zhì)量、標(biāo)準(zhǔn)化且可持續(xù)迭代的私域數(shù)據(jù)。

公開數(shù)據(jù)雖構(gòu)成行業(yè)共同起點(diǎn)，但其噪聲、偏倚和陰性數(shù)據(jù)缺失等問(wèn)題，制約了模型的泛化能力。相比之下，藥企與CXO積累的SAR過(guò)程數(shù)據(jù)、ADMET實(shí)驗(yàn)數(shù)據(jù)、臨床數(shù)據(jù)，以及AI原生公司通過(guò)自動(dòng)化實(shí)驗(yàn)室產(chǎn)出的高通量標(biāo)準(zhǔn)化數(shù)據(jù)，對(duì)模型訓(xùn)練的價(jià)值高得多。AI制藥的核心競(jìng)爭(zhēng)，正在從“算法能力”轉(zhuǎn)向“數(shù)據(jù)資產(chǎn)與閉環(huán)能力”。

這也是為什么AI制藥企業(yè)，都在強(qiáng)調(diào)建設(shè)自動(dòng)化濕實(shí)驗(yàn)室，將干實(shí)驗(yàn)與濕實(shí)驗(yàn)相結(jié)合。因?yàn)椋掷m(xù)運(yùn)行的濕實(shí)驗(yàn)，能夠產(chǎn)生大量高質(zhì)量且標(biāo)準(zhǔn)的專有數(shù)據(jù)集，用于訓(xùn)練Al模型，而Al模型則能夠指導(dǎo)高通量濕實(shí)驗(yàn)，再產(chǎn)生新數(shù)據(jù)用于模型選代，干濕閉環(huán)可形成自我強(qiáng)化的數(shù)據(jù)飛輪。

在這方面，字節(jié)的優(yōu)勢(shì)與劣勢(shì)同樣一致突出。大模型訓(xùn)練是吞噬算力的怪獸，一般玩家連入場(chǎng)券都拿不到，而字節(jié)擁有火山引擎提供的底座支持。這是Anew Labs的絕對(duì)長(zhǎng)板。

但是，靠無(wú)限堆算力并不能解決生物底層規(guī)律學(xué)習(xí)問(wèn)題。高價(jià)值的數(shù)據(jù)資產(chǎn)，以及現(xiàn)分子生成-測(cè)試-實(shí)驗(yàn)數(shù)據(jù)反哺模型的閉環(huán)，是Anew Labs的短板所在。

比如，AnewSampling也承認(rèn)當(dāng)前框架的局限性。其中，高質(zhì)量動(dòng)態(tài)訓(xùn)練數(shù)據(jù)的稀缺仍是制約模型擴(kuò)展的主要瓶頸。同時(shí)，模型在處理復(fù)雜復(fù)合物時(shí)仍較依賴初始模板，僅依賴一級(jí)序列的高精度分布預(yù)測(cè)仍有提升空間。此外，由于當(dāng)前框架主要在單一固定的熱力學(xué)環(huán)境下學(xué)習(xí)分布，尚不能完全替代傳統(tǒng)分子動(dòng)力學(xué)在不同宏觀條件下的靈活模擬。

從分拆動(dòng)作來(lái)看，字節(jié)將Anew Labs推出去獨(dú)立融資，無(wú)疑是希望Anew Labs能夠完成閉環(huán)的，甚至日后有可能與百圖生科類似，與創(chuàng)新藥企結(jié)盟，加速產(chǎn)業(yè)化。只不過(guò)，龐大的標(biāo)準(zhǔn)化實(shí)驗(yàn)數(shù)據(jù)需要大量時(shí)間投入和資本支出，且難以通過(guò)捷徑復(fù)制。

難，才有做的必要與價(jià)值。因?yàn)檫@場(chǎng)AI制藥的全球競(jìng)賽，已經(jīng)不只是商業(yè)層面的競(jìng)爭(zhēng)，更是一場(chǎng)關(guān)于未來(lái)十年生命科學(xué)戰(zhàn)略高地的博弈。

放眼整個(gè)賽道，國(guó)內(nèi)有頭有臉的互聯(lián)網(wǎng)大廠都已下場(chǎng)，甚至中國(guó)電信也有布局。海外，OpenAI在2026年4月發(fā)布了專為生命科學(xué)打造的GPT-Rosalind，Anthropic收購(gòu)了前基因泰克的AI團(tuán)隊(duì)Coefficient Bio，谷歌旗下的Isomorphic Labs帶著AlphaFold直接做新藥管線。

這意味著，AI制藥賽道的競(jìng)爭(zhēng)將愈發(fā)激烈，技術(shù)迭代速度將持續(xù)加快，產(chǎn)業(yè)整合將不可避免。

在這場(chǎng)競(jìng)爭(zhēng)中，字節(jié)已經(jīng)交出了算法的第一張成績(jī)單，但真正的戰(zhàn)役，在它離開大廠溫室、直面數(shù)據(jù)壁壘的這一刻，才剛剛開始。

原文標(biāo)題 : 當(dāng)字節(jié)跳動(dòng)開卷AI制藥