La financiación de Anew Labs otorga $290 millones a la escisión de IA farmacéutica de ByteDance, pero ahora llega la prueba clínica
Anew Labs habría recaudado $290 millones después de que ByteDance separara la operación de descubrimiento de fármacos con IA de sus negocios centrales de internet. La financiación externa inaugural de Anew Labs valora a la empresa con sede en Shanghái en $1.500 millones, según dos personas familiarizadas con la operación.
El tamaño de la ronda da de inmediato a Anew Labs mayor margen para desarrollar modelos, realizar experimentos de laboratorio y avanzar candidatos a fármacos. También plantea una prueba mucho más exigente. Los inversores deben ahora evaluar a la compañía según hitos farmacéuticos, en lugar de lanzamientos de investigación o referencias de rendimiento de software.
Esa distinción sitúa a Anew Labs en competencia con empresas biotecnológicas nativas de IA, fabricantes farmacéuticos consolidados y laboratorios respaldados por tecnología como Isomorphic Labs de Alphabet. Todos estos grupos intentan convertir avances computacionales en terapias que funcionen en personas.
Por tanto, la financiación es más que otra gran inversión en inteligencia artificial. Es una apuesta a que una operación desarrollada dentro de una empresa de internet orientada al consumidor puede convertirse en un negocio biotecnológico independiente sin perder el respaldo técnico de ByteDance.
Qué cambia la financiación de Anew Labs
Anew Labs cuenta ahora con capital independiente y flexibilidad de gestión, mientras ByteDance supuestamente mantiene el control de la empresa.
Reuters informó el 16 de septiembre sobre la ronda de $290 millones, citando a dos personas anónimas con conocimiento de la operación. La financiación reportada no estuvo acompañada de un anuncio oficial de ByteDance ni de los inversores participantes.
Reuters identificó a HSG, anteriormente Sequoia China, IDG Capital y Hillhouse Investment como los inversores principales. También nombró a 5Y Capital como coinversor principal.
Entre los demás participantes reportados figuraban Gaorong Ventures, Primavera Venture Partners, Boyu Capital, el inversor estratégico SBP Group y el Shanghai Future Industries Fund, respaldado por el Estado. ByteDance y los inversores no respondieron de inmediato a las solicitudes de comentarios de Reuters.
Una fuente dijo a Reuters que ByteDance conservará el 56 por ciento de Anew Labs tras la operación. Esa posición dejaría al grupo de internet firmemente al mando, incluso después de incorporar inversores externos al negocio.
Esta estructura hace que la palabra “escisión” sea algo más compleja de lo que parece a primera vista. Anew Labs cuenta con mayor separación organizativa y financiación externa propia, pero no es independiente de ByteDance en términos de propiedad.
La participación continuada de ByteDance también modifica el perfil de riesgo para los nuevos inversores. Obtienen exposición a una empresa biotecnológica especializada mientras mantienen una conexión con el talento en IA, la infraestructura y los recursos de computación de ByteDance.
Los primeros informes sobre la escisión indicaban que el equipo, los algoritmos, la plataforma tecnológica y la cartera existente de fármacos de la unidad pasarían a la nueva entidad. También señalaban que Volcano Engine, el negocio en la nube de ByteDance, seguiría proporcionando soporte de computación.
Por tanto, Anew Labs puede operar más como una startup biotecnológica sin partir de un laboratorio vacío. Hereda investigación, personal, programas de candidatos e infraestructura técnica desarrollados durante sus años dentro de ByteDance.
La valoración reportada de $1.500 millones ofrece a los inversores externos una relación aproximada del 19 por ciento entre el nuevo capital y el valor posterior a la financiación. Sin embargo, las cifras divulgadas no revelan todas las condiciones ni la participación exacta recibida por los nuevos inversores.
Aún no existe una presentación pública que proporcione una tabla de capitalización completa. La empresa tampoco ha revelado cómo planea asignar los nuevos fondos entre computación, trabajo de laboratorio, contratación, desarrollo clínico o alianzas.
Estas omisiones importan porque el desarrollo de fármacos consume capital de forma distinta al software de consumo. Un modelo puede distribuirse rápidamente, pero un candidato terapéutico debe superar requisitos de laboratorio, fabricación, regulación y pruebas en humanos.
La financiación cambia lo que Anew Labs puede intentar. No resuelve si los candidatos de la empresa sobrevivirán a esos requisitos.
Por qué ByteDance separó su unidad farmacéutica del negocio principal
La escisión separa un ciclo de desarrollo largo y regulado del modelo operativo de internet de consumo, más rápido, de ByteDance.
Según Reuters, ByteDance separó la unidad porque el descubrimiento de fármacos con IA sigue una lógica industrial y un enfoque de gestión distintos de los de sus operaciones principales. La compañía habría considerado que una estructura independiente respaldaría mejor el desarrollo a largo plazo.
Esa explicación es comercialmente plausible. ByteDance construyó sus mayores negocios en torno a productos de software que pueden probarse, actualizarse y distribuirse a enorme velocidad.
El desarrollo de fármacos sigue otro reloj. Incluso un resultado computacional prometedor debe pasar por validación de laboratorio húmedo, estudios preclínicos, trabajo de fabricación, presentaciones regulatorias y varias fases de ensayos en humanos.
La validación de laboratorio húmedo consiste en comprobar una predicción computacional mediante experimentos físicos biológicos o químicos. Puede revelar problemas invisibles en un modelo o una referencia de rendimiento.
Una empresa independiente puede diseñar sistemas de compensación, contratación y toma de decisiones en torno a ese proceso. También puede captar capital específico de inversores que comprenden los plazos de la biotecnología y aceptan riesgos clínicos binarios.
La separación ofrece a Anew Labs otra opción importante. Puede negociar alianzas de investigación, acuerdos de licencia y colaboraciones de desarrollo sin obligar a que cada operación pase por la estructura corporativa más amplia de ByteDance.
Esa flexibilidad importa cuando las farmacéuticas evalúan socios. Necesitan una propiedad clara de patentes, compuestos, datos experimentales y responsabilidades regulatorias.
La nueva estructura debería facilitar la definición de esos límites. Sin embargo, el registro público aún no explica cómo Anew Labs y ByteDance dividieron la propiedad intelectual creada antes de la escisión.
Los primeros informes situaban el origen del grupo interno de descubrimiento de fármacos en 2021 e identificaban a Kai Liu como su responsable. Describían un equipo central de aproximadamente 50 personas que abarcaba investigación en IA, algoritmos y desarrollo farmacéutico.
Esos detalles son anteriores a la financiación completada y no han sido reconfirmados en el informe de Reuters. Aun así, ayudan a explicar por qué los inversores respaldan a un grupo de investigación operativo en lugar de a una startup recién formada.
Anew Labs afirma que ahora tiene oficinas en Shanghái, San Francisco y Singapur. Sus materiales públicos describen un equipo en el que investigadores de aprendizaje automático y especialistas en descubrimiento de fármacos trabajan juntos.
Esa estructura geográfica puede respaldar la contratación internacional y las alianzas farmacéuticas. También puede plantear cuestiones relacionadas con la gobernanza de datos, la propiedad intelectual, los controles de exportación y el desarrollo clínico transfronterizo.
La escisión no elimina a ByteDance de estas cuestiones. Una participación reportada del 56 por ciento significa que la propiedad, la infraestructura y la reputación de la empresa matriz seguirán siendo relevantes para socios y reguladores.
El equilibrio es fundamental para la operación. Anew Labs necesita suficiente independencia para operar como una empresa biotecnológica, al tiempo que preserva los recursos que la distinguen de startups más pequeñas de fármacos con IA.
Los inversores externos parecen dispuestos a financiar ese equilibrio a una valoración considerable. La siguiente evidencia deberá provenir del desempeño operativo de la empresa.
El descubrimiento de fármacos con IA de Anew Labs va más allá de la predicción de estructuras
Anew Labs está reuniendo varios sistemas de IA en torno a un objetivo: convertir predicciones moleculares en candidatos a fármacos probados experimentalmente.
La plataforma de descubrimiento de fármacos pública de la empresa enumera herramientas para predicción de estructuras, dinámica molecular, diseño generativo, optimización de anticuerpos y razonamiento científico. También presenta cuatro programas terapéuticos internos en distintas etapas.
AnewFold predice estructuras de proteínas y complejos moleculares. La predicción de estructuras estima cómo se organizan las moléculas biológicas en tres dimensiones, lo que puede ayudar a los investigadores a comprender posibles sitios de unión.
AnewSampling se centra en la dinámica molecular. Estos sistemas intentan representar cómo las proteínas y otras moléculas se desplazan entre diferentes conformaciones en vez de tratarlas como objetos fijos.
Esta distinción puede afectar al diseño de fármacos. Un compuesto puede unirse bien a una estructura modelada, pero fallar cuando una proteína se mueve, interactúa con agua o adopta otro estado biológicamente relevante.
Anew Labs afirma que su modelo de movimiento molecular utiliza IA generativa para el muestreo termodinámico de todos los átomos. La empresa sostiene que el sistema equilibra velocidad, escala y fidelidad física, pero la validación experimental independiente sigue siendo limitada.
AnewOmni se describe como un modelo generativo de todos los átomos para diseñar varios tipos de ligandos moleculares. Un ligando es una molécula creada para unirse a una diana biológica e influir en su actividad.
La empresa afirma que AnewOmni puede trabajar con péptidos, anticuerpos y moléculas pequeñas. Si los experimentos respaldan esa amplitud, podría permitir que una misma organización de investigación explore varios formatos terapéuticos.
AnewDesign se dirige al diseño y la optimización de anticuerpos mediante retroalimentación experimental. Su papel es importante porque los resultados de laboratorio deben informar las decisiones posteriores del modelo, en vez de mantener la computación y la experimentación como flujos de trabajo separados.
AnewMind está posicionado como un modelo de lenguaje grande de razonamiento científico para decisiones de descubrimiento de fármacos. La empresa había etiquetado partes de ese producto como próximas, por lo que su uso operativo sigue sin estar claro.
El 17 de septiembre, Anew Labs también incluyó AnewDDE, un motor agéntico de descubrimiento de fármacos, en su sitio web. Un motor agéntico coordina múltiples modelos especializados y tareas dentro de un flujo de trabajo más amplio.
La empresa afirma que AnewDDE combina predicción de estructuras, diseño molecular, análisis de afinidad de unión y razonamiento científico con retroalimentación experimental. Esa descripción sugiere un intento de conectar varias herramientas que antes estaban separadas.
Este enfoque integrado es el mecanismo detrás del caso de inversión. Anew Labs no presenta un único modelo como una solución completa para el descubrimiento de fármacos.
En cambio, intenta crear un ciclo. Los modelos generan predicciones, los investigadores las prueban, los resultados experimentales vuelven al sistema y los diseños posteriores incorporan esa evidencia.
Estos ciclos pueden mejorar las decisiones de investigación cuando los experimentos se seleccionan cuidadosamente y los datos son fiables. También pueden reproducir sesgos ocultos cuando los datos de validación son limitados o inconsistentes.
La cartera pública de la empresa ofrece a los inversores algo más concreto que examinar. Anew Labs identifica programas relacionados con IL-17 e IL4R, además de dos dianas no divulgadas.
IL-17 es una familia de proteínas de señalización asociada con afecciones inflamatorias y autoinmunes. IL4R es un receptor implicado en la señalización inmunitaria y ya constituye una diana terapéutica clínicamente relevante.
Anew Labs ha descrito un programa de moléculas pequeñas destinado a inhibir varios dímeros de IL-17. Una molécula pequeña es un compuesto sintetizado químicamente que a veces puede ofrecer ventajas de administración oral frente a los fármacos biológicos inyectables.
La empresa afirma que el programa avanza por etapas preclínicas. Su sitio web no identifica un ensayo en humanos registrado para ese candidato.
Esa brecha define el momento actual. Anew Labs ha ido más allá de una colección de modelos de investigación, pero aún no ha demostrado éxito clínico.
La verdadera competencia enfrenta la promesa computacional con la evidencia clínica
Anew Labs debe demostrar que mejores modelos moleculares mejoran los resultados terapéuticos, no solo la velocidad de las primeras fases de descubrimiento.
La IA ya ha transformado partes de la biología estructural y la química computacional. Los modelos pueden clasificar compuestos, predecir estructuras, generar candidatos moleculares y ayudar a los investigadores a acotar costosas búsquedas experimentales.
Estas capacidades pueden reducir el trabajo en determinadas etapas del descubrimiento. No eliminan la incertidumbre biológica que provoca el fracaso de muchos medicamentos.
Una molécula puede unirse con fuerza a su objetivo previsto y aun así resultar inutilizable. Puede ser tóxica, degradarse demasiado rápido, distribuirse deficientemente o no aportar ningún beneficio significativo a los pacientes.
La biología humana también difiere de los conjuntos de datos controlados utilizados durante el desarrollo de los modelos. Los pacientes presentan variaciones genéticas, historiales de enfermedad, medicamentos, respuestas inmunitarias y exposiciones ambientales.
Una crítica sobre la traducción clínica de 2025 sostuvo que los programas de fármacos basados en IA se han concentrado en gran medida en los objetivos y el diseño molecular. Reclamó más datos funcionales humanos durante el desarrollo preclínico.
El análisis también advirtió que un descubrimiento más rápido todavía no había generado evidencia amplia de una mayor eficacia clínica. El número de medicamentos originados mediante IA en ensayos avanzados seguía siendo demasiado reducido para extraer conclusiones definitivas.
Esta es la principal tensión a la que se enfrenta Anew Labs. La tecnología de la empresa puede ser técnicamente impresionante mientras sus programas de fármacos continúan sin demostrar su valor médico.
La valoración de 1.500 millones de dólares eleva el nivel exigido para resolver esa tensión. Los inversores esperarán que la plataforma produzca candidatos propios, alianzas o ventajas de desarrollo medibles.
Anew Labs puede demostrar avances por varias vías. Podría seleccionar candidatos de desarrollo, completar estudios de seguridad, presentar solicitudes regulatorias o iniciar ensayos en humanos.
También podría conseguir una alianza farmacéutica que incluya una diligencia debida externa. Un acuerdo de ese tipo no demostraría eficacia clínica, pero indicaría que otro desarrollador de fármacos considera valiosa la plataforma o la cartera de productos.
La evidencia clínica sigue siendo la prueba más sólida. Un estudio aleatorizado de fase 2a de una combinación de fármaco y objetivo descubiertos mediante IA para la fibrosis pulmonar idiopática ofreció un importante punto de referencia para la industria en 2025.
Una revisión de ensayos clínicos describió ese estudio como un hito, citando la seguridad y señales de eficacia. No estableció que los fármacos diseñados con IA superen, en general, a los medicamentos descubiertos de forma convencional.
La distinción importa para Anew Labs. El resultado clínico de otra empresa respalda la viabilidad del descubrimiento asistido por IA, pero no puede validar los modelos ni los compuestos de Anew Labs.
La empresa debe generar su propia evidencia. Las comparaciones con referencias internas también serán importantes.
Por ejemplo, Anew Labs podría informar si sus sistemas reducen los ciclos de síntesis, mejoran las tasas de aciertos experimentales o identifican candidatos que no detectaría el cribado convencional. Estas métricas necesitan definiciones claras y pruebas reproducibles.
Los resultados de referencia por sí solos constituyen una evidencia más débil. Un modelo puede rendir bien con conjuntos de datos históricos sin tomar mejores decisiones sobre nuevos objetivos o condiciones biológicas desconocidas.
La estrategia de Anew Labs reconoce parte de este problema al enfatizar la retroalimentación experimental. La pregunta sin respuesta es hasta qué punto esa retroalimentación determina la selección de objetivos, la toxicología y la biología relevante para los humanos.
Las divulgaciones actuales sobre la cartera de la empresa muestran una dirección más que una prueba. Identifican objetivos y fases de desarrollo, pero ofrecen pocos datos públicos sobre las propiedades de los candidatos o los resultados experimentales.
Esto es normal para una empresa privada de biotecnología que protege trabajo propio. También impide que terceros evalúen de forma independiente varias afirmaciones importantes.
La financiación debería respaldar más experimentos. También debería aumentar la presión para obtener resultados que científicos, reguladores y socios puedan examinar.
Anew Labs somete a sus rivales de fármacos basados en IA a un tipo distinto de presión
La ronda presiona a los rivales mediante capital e infraestructura, pero la competencia se decidirá en última instancia por medicamentos validados.
Anew Labs entra en un campo que contiene varios modelos de negocio. Algunas empresas desarrollan software para clientes farmacéuticos, mientras que otras desarrollan sus propias carteras terapéuticas.
Una empresa de plataforma puede generar ingresos mediante licencias de herramientas, alianzas de investigación o pagos por hitos. Un desarrollador de fármacos retiene más valor terapéutico, pero asume mayores costes y riesgos clínicos.
Anew Labs parece estar persiguiendo elementos de ambos enfoques. Sus materiales públicos enfatizan una amplia plataforma tecnológica, aunque también identifican programas internos de fármacos.
Esta combinación se parece a las estrategias utilizadas por varias empresas de biotecnología nativas de IA. Permite que la plataforma aprenda de los programas internos y, al mismo tiempo, cree posibles oportunidades de asociación.
La financiación otorga a Anew Labs mayor capacidad para operar este modelo dual. Puede financiar investigación fundamental mientras impulsa compuestos a través de costosas fases de desarrollo.
Los competidores más pequeños se enfrentan ahora a una empresa respaldada tanto por inversores de capital riesgo como por una gran empresa tecnológica matriz. Anew Labs puede recurrir a una infraestructura informática que sería costosa de reproducir de forma independiente.
Sin embargo, Isomorphic Labs, respaldada por Alphabet, cuenta con ventajas comparables. Surgió del trabajo de DeepMind en predicción de estructuras de proteínas y puede conectar su investigación con los recursos técnicos de Alphabet.
Insilico Medicine ha llevado un tratamiento originado mediante IA a estudios en humanos. Recursion ha invertido en generación de datos biológicos a gran escala y experimentación automatizada.
Las empresas farmacéuticas tradicionales también están adoptando IA en todas sus operaciones de investigación existentes. Cuentan con equipos de química medicinal, experiencia regulatoria, sistemas de fabricación y redes clínicas establecidas.
Anew Labs no puede ganar simplemente entrenando modelos más grandes. Debe conectar la computación con las capacidades organizativas necesarias para producir un medicamento.
La ubicación de la empresa añade otra dimensión competitiva. China cuenta con una amplia capacidad de química, investigación por contrato, ensayos clínicos y fabricación que puede respaldar el desarrollo biotecnológico.
Shanghái también ofrece una importante base de talento en ciencias de la vida y apoyo público a la biotecnología. La participación de Shanghai Future Industries Fund vincula la ronda con esa estrategia regional.
Al mismo tiempo, operar entre China, Singapur y Estados Unidos puede complicar la colaboración. El movimiento de datos, los controles de propiedad intelectual y las restricciones tecnológicas pueden afectar los programas internacionales de investigación.
Los posibles socios farmacéuticos examinarán estas cuestiones junto con el rendimiento científico. También preguntarán qué entidad posee cada modelo, conjunto de datos, compuesto y patente.
La participación mayoritaria de ByteDance puede ayudar al ofrecer estabilidad financiera y técnica. También puede generar dudas entre organizaciones preocupadas por la gobernanza o la exposición geopolítica.
Por eso, la principal competencia no es Anew Labs contra un rival concreto. Es la promesa de una plataforma integrada y respaldada por tecnología frente a las lentas exigencias probatorias de la medicina.
Los competidores se enfrentan al mismo estándar científico. Sus distintas fuentes de capital, geografías y arquitecturas de modelos no los eximen de las pruebas clínicas.
La nueva financiación de Anew Labs le permite participar en esa competencia a escala. No mueve la línea de meta.
Qué observar después de la ronda de 290 millones de dólares
Tres señales mostrarán si la financiación de Anew Labs produjo una empresa biotecnológica duradera o solo una plataforma de investigación muy bien financiada.
La primera señal es el avance formal del programa IL-17. Los inversores deberían estar atentos a la selección de un candidato de desarrollo, la finalización del trabajo de toxicología regulatoria o una solicitud de ensayo clínico.
Cualquiera de estos pasos demostraría que Anew Labs puede pasar del diseño computacional al desarrollo regulado. Un estudio registrado en humanos reforzaría el argumento de forma más significativa.
La ausencia de dicho avance no invalidaría de inmediato la plataforma. El desarrollo preclínico de fármacos suele llevar años, y los retrasos pueden reflejar trabajo de fabricación o seguridad en lugar de un fracaso computacional.
Aun así, la empresa ha elegido destacar públicamente este programa. Eso lo convierte en la prueba más clara de si sus modelos producen compuestos con propiedades listas para el desarrollo.
La segunda señal es la validación independiente de la plataforma tecnológica. Podría llegar mediante estudios revisados por pares, evaluaciones comparativas externas, resultados de laboratorio replicados o una alianza farmacéutica con objetivos divulgados.
Una alianza sería especialmente informativa si incluye objetivos específicos y criterios de hitos. Un memorando amplio o una colaboración promocional tendría menos peso.
La replicación independiente también importa para AnewSampling y AnewOmni. Los investigadores necesitan saber si estos sistemas rinden de forma consistente ante nuevos problemas moleculares, y no solo en demostraciones seleccionadas.
La tercera señal es la relación operativa entre Anew Labs y ByteDance. Las futuras divulgaciones deberían aclarar la gobernanza, la propiedad intelectual, el acceso a computación y el uso del nuevo capital.
Esta información ayudará a terceros a entender si Anew Labs se está convirtiendo en un desarrollador autónomo de fármacos. También mostrará hasta qué punto el negocio sigue dependiendo de ByteDance.
Los cambios en la propiedad merecen atención. La posición reportada de ByteDance del 56 por ciento le otorga el control hoy, pero las futuras rondas de financiación podrían alterar ese equilibrio.
Anew Labs también debe mostrar cómo trabajan sus equipos entre Shanghái, San Francisco y Singapur. Los patrones de contratación y las presentaciones regulatorias pueden revelar dónde pretende la empresa realizar la investigación y el desarrollo clínico.
Para los desarrolladores, esta historia recuerda que el rendimiento de los modelos es solo una capa de un sistema científico desplegado. La procedencia de los datos, el diseño experimental y la calidad de la retroalimentación determinan si las predicciones mejoran las decisiones.
Los compradores empresariales deberían aplicar el mismo razonamiento al evaluar herramientas de IA especializadas. Deben pedir evidencia del flujo de trabajo previsto, no solo referencias generales o demostraciones pulidas.
Los trabajadores del conocimiento que siguen el sector deberían distinguir tres tipos de avance: mejores modelos, mejores candidatos experimentales y mejores resultados en pacientes. Cada uno requiere un nivel de evidencia diferente.
Anew Labs ha demostrado que grandes inversores financiarán su intento. Su plataforma pública también muestra una dirección técnica coherente en estructura, dinámica, diseño y razonamiento científico.
La siguiente fase será menos indulgente. Los candidatos a fármacos deben sobrevivir a experimentos que no pueden optimizarse únicamente mediante iteración de software.
Esté atento a una presentación regulatoria, resultados de plataforma probados de forma independiente y una alianza farmacéutica claramente definida. En conjunto, estas señales respaldarían la tesis de inversión detrás de la financiación de Anew Labs.
Sin ellas, la ronda sigue siendo evidencia de la convicción de los inversores, más que de éxito terapéutico. La pregunta decisiva ahora es medible: ¿puede Anew Labs convertir la investigación de IA de ByteDance en un medicamento que avance por la clínica?
