文｜新10亿商业参考
9 月 16 日，一家从字节跳动拆分出来的 AI 制药公司 ——AnewLabs 新生实验室，宣布完成首轮独立融资 2.9 亿美元，投后估值约 15 亿美元，直接刷新了 2026 年国内 AI 制药赛道单轮融资的最高纪录。
这笔融资的阵容相当豪华：字节跳动保留 56% 股份继续控股，红杉中国、IDG 资本、高瓴创投、五源资本联合领投。这个投资名单放在国内一级市场，分量不用多说。
但如果只把这看成字节的一笔副业投资，就低估了这件事的行业含义。放眼全球，手握顶尖大模型的科技公司正在集体冲入制药行业，而且路线已经明显分化。更关键的是，角色正在发生反转 —— 十年前算法只是药企实验室里的辅助工具，今天科技公司直接冲到上游自己设计分子、开发候选药，传统药企反而变成了掏钱买模型、买算力的合作方。
一、两条路线分道扬镳：自己做药，还是卖铲子
科技巨头做药，目前大致分成两个流派。
第一条路线是亲自下场自研管线，自己扛临床失败的风险。这一派的代表是谷歌 DeepMind 拆分出来的 Isomorphic Labs。这家公司 2021 年从 DeepMind 独立出来，背靠 AlphaFold 的蛋白质结构预测技术，今年 5 月刚完成 21 亿美元融资，自己设计分子、自己推候选药，直接对标传统大药企的研发模式。字节拆分出的 AnewLabs 走的也是这条路 —— 不是给药企提供工具，而是自己持有管线、自己赌临床。
第二条路线是做平台服务商，输出模型、算力和研发工具，自己不碰管线。OpenAI 今年 4 月发布了面向生命科学的 GPT-Rosalind 模型，帮药企做实验设计和分子生成，但自己不持有任何药物管线；英伟达则联手礼来，卖的是 "AI 药物研发工厂" 所需的算力和基础设施。这条路线赚的是工具和基础设施的钱，不用赌某一款药最终能不能成。
两条路线各有各的逻辑。做平台的好处是风险分散，不管最后哪家药企的药成了，都要向你付算力和模型的钱；亲自下场的好处是一旦管线跑通，回报是垄断级的，但前提是扛得住临床失败的概率。
把时间拉回十年前，这个场景几乎不可想象。那时候新药研发是辉瑞、罗氏、诺华这些百年药企的天下，实验室里的算法工具充其量是辅助筛选手段，没有人会觉得写代码的人能反过来教化学家怎么做药。
现在情况完全变了。AlphaFold 把蛋白质结构预测的精度推到了接近实验解析的水平，大模型能根据靶点自动生成上千个候选分子，AI 筛选一轮分子的成本和时间，只相当于传统高通量筛选的零头。手握顶尖大模型和海量算力的科技公司，直接冲到了药物研发的最上游；而传统药企，要么花钱采购 AI 模型和算力服务，要么和科技公司合资成立研发团队，身份从主导者变成了采购方和合作方。
这种身份反转，才是这一轮 AI 制药浪潮最核心的变化。
二、前端再漂亮，过不了人体这一关
但热闹归热闹，AI 制药的现实短板，必须摆在台面上说。
波士顿咨询集团（BCG）今年发布的专项分析报告里，有一组数据非常扎心。截至 2023 年底，全球有 24 个由 AI 发现的药物分子完成了一期临床，其中 21 个成功通过，一期成功率在 80% 到 90% 之间，远远高于传统药物一期临床 40% 到 65% 的历史平均水平。从表面上看，AI 筛分子的效率和准确率确实碾压传统方法。
但一到二期临床 —— 也就是第一次真正在人体上验证疗效的阶段 —— 成功率直接断崖式下跌到约 40%。
这个落差说明什么？AI 在前端筛选分子、预测蛋白结构、优化化合物性质这些环节，确实又快又漂亮，模型跑得飞起。但一旦进入人体试验，要面对的是整个人体系统复杂到极致的生物学网络 —— 免疫反应、代谢路径、个体差异、长期毒理 —— 这些东西不是靠算力和数据就能完全建模的。AI 能画出理论上最优的分子结构，却回答不了 "这个分子进了活人身体里到底会发生什么"。
一个行业共识是：直到今天，全球还没有一款完全由 AI 主导发现并成功获批上市的药物。AI 能画出漂亮的分子结构式，却始终过不了人体临床这一关。
再看烧钱这个现实问题。新药研发有个著名的 "双十定律"：平均需要十年时间、十亿美元投入，才能把一款药从实验室推到市场。AI 确实能把前期靶点发现、分子筛选、结构预测的周期从几年压缩到几个月，成本也大幅下降；但烧钱的大头 —— 二期、三期人体临床试验 —— 一分都省不了。临床试验要招募患者、做对照、随访几年，动辄几亿美元砸进去，一旦终点指标不达预期，整条管线的价值直接归零，前面所有投入全部打水漂。
这也是为什么现在大量 AI 制药公司拿着融资，管线还停留在临床前或一期阶段，商业价值远远没有兑现。资本赌的不是它们明年就能卖药，而是赌底层模型和数据平台的长期话语权。
回到 AnewLabs 这笔 2.9 亿美元的融资。红杉、IDG、高瓴这些顶级机构真金白银砸进来，赌的也不是某个候选分子明年就能成药，而是赌在下一代药物研发体系里，谁手握最强的生物大模型、最多的高质量实验数据、最快的 "干实验 - 湿实验" 闭环，谁就能拿到这个赛道的定义权。
未来的药物研发竞争，不会再单纯比拼哪家药企的实验室更豪华、临床经验更丰富，而是比拼谁的模型更准、谁的数据更多、谁能在虚拟筛选和真实实验之间形成最快的迭代。从这个角度看，今天这场 2.9 亿美元的豪赌，更像是在为下一个十年的制药行业重新分配入场券。
科技公司掀翻桌子是真的，但百年药企的主场也不会轻易让出。最终谁能赢，不取决于谁的模型发布会更惊艳，而取决于谁能真正把一款药从 AI 画的分子，一路做到患者手上。在此之前，所有的估值和融资纪录，都还只是这场长跑的起跑枪声。
精彩评论