科技巨头挺进AI新药研发

STAR ENERGY

字节此次的业务拆分，令业界看清，科技巨头已动真格。AI制药不再是大厂口中的“尝试性课题”，而是一项能够深耕且具备巨大潜力的实体产业。

正文共：4547字

预计阅读：12分钟

AI制药领域，迎来了超级巨头的入场。

6月10日，消息传来，字节跳动将其内部AI制药业务剥离，开启独立融资进程，原有核心团队、算法平台及管线资产整体划转至新实体，字节保留控股权，火山引擎持续供给算力支持。鉴于生物医药已被确立为国家支柱产业，AI制药更是当下的热门风口，字节的这一举措让行业确信超级巨头已入局——AI制药不再是科技公司的“试验田”，而是值得长期投入的产业。

对此，LongRiver江远投资创始人兼CEO张江分析称，“若消息属实，这标志着AI制药已从单纯的算法研究，跨越到能够独立运营并实现商业化闭环的产业阶段。”

01.

字节入局，动真格了

字节跳动在AI制药领域的布局，其实远早于公众认知。2020年，字节便已暗中启动AI药物发现业务；2021年，专职团队正式组建，由刘凯领衔，核心成员约50人，专注于底层基础设施的打磨，深耕蛋白质结构预测技术。该阶段主要侧重于科研基建的搭建，距离真正的药物研发尚有一段距离。

“启动分拆融资的前提，是技术实力与产业积累均已成熟。”张江指出。根据公开信息，字节AI制药的技术底座及各研发管线的临床前验证工作已全部完成，整体架构趋于完善。

过去一年，字节的推进节奏全面加速。2025年推出Protenix、Seedfold两大核心模型，2026年完成v2版本迭代，同步上线蛋白设计工具PXDesign，并发布面向真实药物研发全流程的AI制药平台Anew Labs，实现了从单一工具向一体化平台的跨越。

关键转折点出现在今年4月的美国免疫学家协会年会。字节AI制药团队公布了一款处于临床前阶段的IL-17小分子抑制剂——全球首款“全谱”IL-17小分子抑制剂，能够全面阻断IL-17家族（AA/AF/FF）。这表明字节不仅提供模型工具，更输出了实质性的研发管线。据Anew Labs官网信息，IL-17已进入先导化合物优化阶段，IL-4R处于Hit to Lead阶段，另有未披露靶点处于Hit发现阶段。

技术底座夯实、管线稳步推进，拆分并独立融资顺理成章。张江指出背后的考量，“制药行业的节奏与互联网公司截然不同，临床管线需耗时5至10年，人才激励需遵循Biotech模式，引入的投资人也需具备医疗健康背景。将其独立出来，是为其构建一套更符合行业规律的治理结构。”据悉，拆分后字节仍控股新公司，火山引擎继续提供算力——架构虽独立，资源纽带依然紧密。

02.

人才流动

变革的早期信号

在业务拆分落地之前，核心人才的流动已为变革埋下伏笔。6月2日，2023年加入字节的顾全全宣布离职，随即引发外界热议。无论争议如何，离职后的顾全全与拆分后的字节，依然在加码AI制药赛道——顾全全新项目已获得美国顶级投资机构的多轮融资，拿到强有力的资本背书。一位核心骨干离职后迅速获得资本青睐，本身就印证了AI制药赛道的热度以及人才的极度稀缺。

张江坦言，“AI for science最难的不是技术路线选择，而是组织架构设计。AI算法、结构生物学、药物化学、自动化工程等不同背景的人才，必须能够顺畅沟通，这在任何国家都极为稀缺。”激励节奏的不匹配是另一重矛盾，“AI人员习惯六个月出成果，制药人员习惯五到十年的长周期，将两者置于同一组织，需要一套专门重新设计的激励机制。”

据此来看，字节独立融资不仅是资本层面的操作，更是为AI制药业务打造了一个符合行业规律的全新组织载体。

03.

巨头云集

改变的不仅是竞争格局

字节并非唯一押注的大厂，华为、百度、腾讯均已入局，且路径各有侧重。

华为选择最底层的路线，不直接做管线也不押注靶点，而是将算力、AI工具链和工业软件嵌入制药全流程。2026年6月，在工信部指导下，“医药工业数智化转型促进中心”成立，华为联合恒瑞、复星、晶泰等共同参与，以供给侧角色助力药企转型。百度旗下的百图生科深耕计算生物学大模型，对外输出AI药物研发工具与解决方案。腾讯则通过财务投资切入，参投晶泰科技、英矽智能等标杆企业，依托资本纽带持续保持赛道影响力。

全球制药巨头也在加速拥抱AI。2026年以来，礼来与英伟达达成10亿美元合作建立研究实验室，阿斯利康收购ModellaAI，全球药企AI合作交易规模已达数十亿美元。AI制药赛道的玩家结构已清晰，整体可分为三大阵营：以华为、百度为代表的底层基础设施提供商；以晶泰、英矽智能为代表的AI原生创业公司；以字节Anew Labs、Isomorphic Labs为代表的科技巨头直系，走“技术自研+管线自持”的双轨路径。

“巨头入场，短期推高了人才成本，但开源工具链和基础模型的公共化，也在同步降低行业工程门槛，让专注于垂直领域的团队将资源集中在真正具备差异化的地方。竞争压力与基础设施红利同时到来。”张江直言。

04.

数据、政策、资本

三重共振

2026年，AI制药正站在从概念验证迈向规模化兑现的关键转折点。据不完全统计，全球已有170余条AI设计或优化的药物管线进入临床阶段，其中十余款正冲刺Ⅲ期，今年是AI制药史上临床数据最密集的年份。全球AI制药市场从2021年的7.9亿美元增长至2025年的24.1亿美元，预计2026年将达到29.9亿美元。中国AI制药市场2020年仅为0.8亿元，此后增速显著提升。

政策端利好持续释放。2026年1月，工信部等八部门联合印发《“人工智能+”行动方案》，直接点名AI制药，强调建设AI驱动的新药发现平台。北京市发布2026版32条措施，提出开发不少于15种AI预测与类器官模型。广西发布“人工智能+”三年行动方案，提出建设“AI+天然药物”标杆平台。随着生物医药被确立为“新兴支柱产业”，市场预期全链条政策支持将持续强化。

资本市场热度居高不下。2026年一季度全球医药交易总额达880亿美元，同比增长30%，全年有望冲击1500亿美元。晶泰控股达成超4亿美元AI合作，英矽智能AI驱动药物Rentosertib雾化吸入制剂获NMPA IND批准，晶泰赋能国内首个AI+RNA小分子创新药获批临床。国际合作同步加速，辉瑞与Chai Discovery签署许可协议，Incyte与Genesis将AI合作扩展至至少5个靶点，潜在回报超10亿美元。

05.

壁垒重构与验证时刻

随着入局玩家增多，赛道竞争持续迭代。在资本视角下，张江认为两类企业正被重点关注，“一类拥有自己的管线和临床数据，投资人看重的是临床进度和BD兑现能力；另一类更像CRO提供中间层服务。两种模式都能诞生好公司，关键在于核心能力是否到位。”

行业壁垒主要依托五大维度：干湿闭环、管线策略可验证、差异化数据主权、团队复合度、投入产出比意识。而在五大壁垒之外，一个正在浮出水面的新变量是监管科学与审评标准的协同进化。2026年以来，FDA和EMA相继发布AI辅助药物申报指导草案，明确AI生成数据在IND和NDA申报中的可接受边界。中国NMPA也已启动“AI药物审评特别通道”意见征集，拟给予优先审评、滚动提交等政策倾斜。审评路径的清晰化，直接缩短了AI药物从临床到上市的时间窗口，也让投资人对赛道的退出预期有了更确定的锚点。

与此同时，全球AI制药并购整合潮已初现端倪。2026年5月，Recursion以约3亿美元收购了一家欧洲AI计算化学团队；赛诺菲与多家AI平台签订“多靶点打包”协议，从单项目付费升级为按平台价值分层付费。这种从“项目合作”到“平台并购”的转变，意味着大药厂对AI能力的定价逻辑正在升级——不再只购买单个分子的权益，而是购买一套“持续产出优质分子”的系统能力。对AI制药创业公司而言，这既是退出路径的拓宽，也是竞争维度从“单分子数据”上升到“平台迭代效率”更高层次的体现。

即便壁垒逻辑清晰、落地持续提速，AI制药赛道尚未迎来终极验证。张江坦言，“全球还没有一款完全由AI主导设计的药物获批。有一些涉及AI的药物到了三期，大家都在等待首个批准。如果证明成立，整个赛道的估值将重构；如果关键项目出问题，洗牌速度将加速。”

2025年底，Generate Biomedicines宣布全球首款完全由AI设计的抗体药物GB-0895启动两项III期临床，用于治疗严重哮喘——这是AI药物研发史上首个进入III期的全AI设计抗体药物。这一里程碑，连同2026年密集的临床数据读出，正将AI制药推向历史性的验证时刻。

06.

结语：临床终局之前

AI制药走到今天，热度不缺，故事不缺，缺的是一个临床意义上“最终证明”的时刻。字节选择在这个节点独立融资、按制药规矩来，大厂们以各自方式涌入，创业公司在各细分层深挖壁垒——这些并发力量，共同构成了赛道当下的样子：充满期待，也充满不确定。

“AI制药已经从‘能不能设计出分子’，走到了‘设计出来的分子在人身上到底有没有用’。这是巨大进步，但最难的部分还在后面。”张江总结称。

值得特别留意的是，2026年下半年至2027年上半年，预计至少5款AI深度参与的药物将迎来II期或III期关键数据读出，覆盖肿瘤、自免、罕见病等领域。这些数据不仅关乎个别公司的生死，更将作为行业“坐标系”被资本市场反复参照——一旦有一款药物在主要终点上达到优效且安全性良好，AI制药的产业叙事将从“概念”彻底切换为“事实”，随之而来的是Biotech估值体系的重写和MNC管线策略的全局调整。制药工业对提效降本的刚性需求，决定了AI这条探索路径必须走通，即便短期数据有波动，长期方向绝不会逆转。

从更大产业周期看，AI制药正经历从“单点工具”到“研发操作系统”的角色跃迁。当大模型不仅能设计分子，还能预测代谢稳定性、评估脱靶毒性、模拟临床入组人群应答差异，它所影响的就不再只是药物发现早期阶段，而是贯穿靶点验证、CMC工艺优化、临床方案设计乃至上市后真实世界数据分析的全链条。这种“全链条渗透”意味着，未来的Biotech可能不再需要几百人的化学合成团队，而是由几十名AI科学家和十几位生物学验证专家组成，研发效率将提升数个量级。当然，这个愿景的实现程度，依然取决于接下来几年临床数据和监管政策给出的答案。但方向已定，潮水已来。

随着一批核心AI新药项目陆续冲刺临床三期，行业等待多年的终极验证已然近在眼前。风口之下，AI制药的神话能否落地、行业价值能否真正兑现，答案即将在临床结果中揭晓。