Il finanziamento di Anew Labs porta a $290 milioni per lo spin-off di ByteDance dedicato ai farmaci AI, ma ora servono prove cliniche

Secondo quanto riportato, Anew Labs ha raccolto $290 milioni dopo che ByteDance ha separato l'attività di scoperta di farmaci tramite AI dalle sue principali attività internet. Il primo finanziamento esterno di Anew Labs valuta l'azienda con sede a Shanghai $1,5 miliardi, secondo due persone a conoscenza della transazione.

L'entità del round offre immediatamente ad Anew Labs maggiori risorse per sviluppare modelli, condurre esperimenti di laboratorio e far avanzare candidati farmaci. Crea però anche una prova molto più impegnativa. Gli investitori dovranno ora valutare l'azienda sulla base di traguardi farmaceutici, anziché di pubblicazioni di ricerca o benchmark software.

Questa distinzione porta Anew Labs a competere con aziende biotecnologiche native dell'AI, produttori farmaceutici affermati e laboratori sostenuti dalla tecnologia come Isomorphic Labs di Alphabet. Tutti questi gruppi cercano di trasformare i progressi computazionali in terapie efficaci sulle persone.

Il finanziamento è quindi più di un altro grande investimento nell'intelligenza artificiale. È una scommessa sul fatto che un'attività sviluppata all'interno di un'azienda internet consumer possa diventare un'impresa biotecnologica indipendente senza perdere il supporto tecnico di ByteDance.

Cosa cambia il finanziamento di Anew Labs

Anew Labs dispone ora di capitale indipendente e maggiore flessibilità gestionale, mentre ByteDance mantiene secondo quanto riferito il controllo dell'azienda.

Il round da $290 milioni è stato riportato il 16 settembre da Reuters, che ha citato due fonti anonime a conoscenza della transazione. Il finanziamento riportato non è stato accompagnato da un annuncio ufficiale di ByteDance o degli investitori partecipanti.

Reuters ha identificato HSG, precedentemente Sequoia China, IDG Capital e Hillhouse Investment come investitori principali. Ha indicato 5Y Capital come co-lead.

Tra gli altri partecipanti riportati figuravano Gaorong Ventures, Primavera Venture Partners, Boyu Capital, l'investitore strategico SBP Group e lo Shanghai Future Industries Fund sostenuto dallo Stato. ByteDance e gli investitori non hanno risposto immediatamente alle richieste di commento di Reuters.

Una fonte ha dichiarato a Reuters che ByteDance deterrà il 56 percento di Anew Labs dopo la transazione. Questa posizione lascerebbe il gruppo internet saldamente al controllo, anche dopo l'ingresso di investitori esterni nell'attività.

Questa struttura rende la parola “spinoff” leggermente più complessa di quanto sembri a prima vista. Anew Labs gode di una maggiore separazione organizzativa e di un proprio finanziamento esterno, ma non è indipendente da ByteDance dal punto di vista della proprietà.

La partecipazione continuativa di ByteDance modifica anche il profilo di rischio per i nuovi investitori. Essi ottengono esposizione a un'azienda biotecnologica focalizzata, mantenendo al contempo un legame con il talento AI, l'infrastruttura e le risorse di calcolo di ByteDance.

Le precedenti notizie sullo spinoff affermavano che il team, gli algoritmi, la piattaforma tecnologica e la pipeline di farmaci esistente dell'unità sarebbero confluiti nella nuova entità. Riferivano inoltre che Volcano Engine, l'attività cloud di ByteDance, avrebbe continuato a fornire supporto computazionale.

Anew Labs può quindi operare più come una startup biotecnologica senza dover partire da un laboratorio vuoto. Eredita ricerca, personale, programmi di candidati e infrastruttura tecnica sviluppati durante gli anni trascorsi all'interno di ByteDance.

La valutazione riportata di $1,5 miliardi attribuisce agli investitori esterni un rapporto di circa il 19 percento tra nuovo capitale e valore post-finanziamento. Tuttavia, le cifre divulgate non rivelano tutti i termini né la precisa quota ricevuta dai nuovi investitori.

Nessun documento pubblico ha ancora fornito una tabella completa della capitalizzazione. L'azienda non ha inoltre comunicato come intenda allocare i nuovi fondi tra calcolo, lavoro di laboratorio, assunzioni, sviluppo clinico o partnership.

Queste omissioni contano perché lo sviluppo di farmaci assorbe capitale in modo diverso rispetto al software consumer. Un modello può essere distribuito rapidamente, ma un candidato terapeutico deve superare requisiti di laboratorio, produzione, regolamentazione e sperimentazione umana.

Il finanziamento cambia ciò che Anew Labs può tentare. Non stabilisce se i candidati dell'azienda riusciranno a superare tali requisiti.

Perché ByteDance ha separato la sua unità dedicata ai farmaci dal business principale

Lo spinoff separa un lungo ciclo di sviluppo regolamentato dal più rapido modello operativo internet consumer di ByteDance.

Secondo Reuters, ByteDance ha separato l'unità perché la scoperta di farmaci tramite AI segue una logica industriale e un approccio gestionale diversi dalle sue attività principali. L'azienda riteneva, secondo quanto riferito, che una struttura separata avrebbe sostenuto meglio lo sviluppo a lungo termine.

Questa spiegazione è commercialmente plausibile. ByteDance ha costruito le sue maggiori attività attorno a prodotti software che possono essere testati, aggiornati e distribuiti a una velocità enorme.

Lo sviluppo di farmaci segue un altro ritmo. Anche un promettente risultato computazionale deve passare attraverso la convalida in laboratorio, studi preclinici, attività di produzione, richieste regolatorie e diverse fasi di sperimentazione sull'uomo.

La convalida in wet lab consiste nel testare una previsione computazionale attraverso esperimenti biologici o chimici fisici. Può rivelare problemi invisibili in un modello o in un benchmark.

Un'azienda separata può costruire sistemi di retribuzione, assunzione e decisione attorno a quel processo. Può inoltre raccogliere capitale dedicato da investitori che comprendono le tempistiche della biotecnologia e accettano rischi clinici binari.

La separazione offre ad Anew Labs un'altra opzione importante. Può negoziare alleanze di ricerca, accordi di licenza e partnership di sviluppo senza far passare ogni transazione attraverso la più ampia struttura aziendale di ByteDance.

Questa flessibilità conta quando le aziende farmaceutiche valutano i partner. Hanno bisogno di una chiara titolarità di brevetti, composti, dati sperimentali e responsabilità regolatorie.

La nuova struttura dovrebbe rendere questi confini più facili da definire. Tuttavia, i documenti pubblici non spiegano ancora come Anew Labs e ByteDance abbiano suddiviso la proprietà intellettuale creata prima dello spinoff.

Le precedenti notizie facevano risalire il gruppo interno di scoperta di farmaci al 2021 e indicavano Kai Liu come suo responsabile. Descrivevano un team centrale di circa 50 persone attive nella ricerca AI, negli algoritmi e nello sviluppo farmaceutico.

Questi dettagli precedono il finanziamento completato e non sono stati riconfermati nel rapporto di Reuters. Ciononostante, aiutano a spiegare perché gli investitori sostengano un gruppo di ricerca operativo anziché una startup appena assemblata.

Anew Labs afferma di avere ora uffici a Shanghai, San Francisco e Singapore. I suoi materiali pubblici descrivono un team in cui ricercatori di machine learning e specialisti della scoperta di farmaci lavorano insieme.

Questa struttura geografica può sostenere il reclutamento internazionale e le partnership farmaceutiche. Può anche sollevare questioni relative alla governance dei dati, alla proprietà intellettuale, ai controlli sulle esportazioni e allo sviluppo clinico transfrontaliero.

Lo spinoff non esclude ByteDance da queste questioni. Una partecipazione riportata del 56 percento significa che la proprietà, l'infrastruttura e la reputazione della società madre resteranno rilevanti per partner e regolatori.

L'equilibrio è centrale per l'accordo. Anew Labs necessita di sufficiente indipendenza per operare come un'azienda biotecnologica, preservando al contempo le risorse che la distinguono dalle startup più piccole nel settore dei farmaci AI.

Gli investitori esterni sembrano disposti a finanziare questo equilibrio a una valutazione significativa. Le prossime prove dovranno arrivare dalla performance operativa dell'azienda.

La scoperta di farmaci AI di Anew Labs va oltre la previsione delle strutture

Anew Labs sta assemblando diversi sistemi AI attorno a un obiettivo: trasformare previsioni molecolari in candidati farmaci testati sperimentalmente.

La piattaforma di scoperta di farmaci pubblica dell'azienda elenca strumenti per la previsione delle strutture, la dinamica molecolare, la progettazione generativa, l'ottimizzazione degli anticorpi e il ragionamento scientifico. Presenta inoltre quattro programmi terapeutici interni in diverse fasi.

AnewFold prevede le strutture di proteine e complessi molecolari. La previsione della struttura stima come le molecole biologiche si dispongano nello spazio tridimensionale, il che può aiutare i ricercatori a comprendere possibili siti di legame.

AnewSampling si concentra sulla dinamica molecolare. Questi sistemi cercano di rappresentare come proteine e altre molecole si muovano tra diverse conformazioni, anziché trattarle come oggetti fissi.

Questa distinzione può influenzare la progettazione dei farmaci. Un composto può legarsi bene a una struttura modellata ma fallire quando una proteina si muove, interagisce con l'acqua o assume un altro stato biologicamente rilevante.

Anew Labs afferma che il suo modello di movimento molecolare utilizza l'AI generativa per il campionamento termodinamico all-atom. L'azienda sostiene che il sistema bilanci velocità, scala e fedeltà fisica, ma la convalida sperimentale indipendente resta limitata.

AnewOmni viene descritto come un modello generativo all-atom per progettare diversi tipi di leganti molecolari. Un legante è una molecola creata per attaccarsi a un bersaglio biologico e influenzarne l'attività.

L'azienda afferma che AnewOmni può operare su peptidi, anticorpi e piccole molecole. Se supportata da esperimenti, questa gamma potrebbe consentire a una sola organizzazione di ricerca di esplorare diversi formati terapeutici.

AnewDesign punta alla progettazione e all'ottimizzazione di anticorpi utilizzando feedback sperimentale. Il suo ruolo è importante perché i risultati di laboratorio devono informare le successive decisioni del modello, anziché lasciare calcolo e sperimentazione come flussi di lavoro separati.

AnewMind è posizionato come un modello linguistico di grandi dimensioni per il ragionamento scientifico nelle decisioni di scoperta di farmaci. L'azienda aveva etichettato parti di quel prodotto come in arrivo, quindi il suo utilizzo operativo resta poco chiaro.

Il 17 settembre, Anew Labs ha inoltre elencato AnewDDE, un motore agentico per la scoperta di farmaci, sul proprio sito web. Un motore agentico coordina più modelli specializzati e attività lungo un flusso di lavoro più ampio.

L'azienda afferma che AnewDDE combina previsione della struttura, progettazione molecolare, analisi dell'affinità di legame e ragionamento scientifico con feedback sperimentale. Questa descrizione suggerisce un tentativo di collegare diversi strumenti precedentemente separati.

Questo approccio integrato è il meccanismo alla base della tesi d'investimento. Anew Labs non presenta un singolo modello come soluzione completa per la scoperta di farmaci.

Sta invece cercando di creare un ciclo. I modelli generano previsioni, i ricercatori le testano, i risultati sperimentali tornano nel sistema e i progetti successivi incorporano tali evidenze.

Questi cicli possono migliorare le decisioni di ricerca quando gli esperimenti sono selezionati con cura e i dati sono affidabili. Possono anche riprodurre bias nascosti quando i dati di convalida sono limitati o incoerenti.

La pipeline pubblica dell'azienda offre agli investitori qualcosa di più concreto da esaminare. Anew Labs identifica programmi che coinvolgono IL-17 e IL4R, oltre a due bersagli non divulgati.

IL-17 è una famiglia di proteine di segnalazione associata a condizioni infiammatorie e autoimmuni. IL4R è un recettore coinvolto nella segnalazione immunitaria ed è già un bersaglio terapeutico clinicamente rilevante.

Anew Labs ha descritto un programma basato su piccole molecole destinato a inibire diversi dimeri di IL-17. Una piccola molecola è un composto sintetizzato chimicamente che talvolta può offrire vantaggi di somministrazione orale rispetto ai farmaci biologici iniettabili.

L'azienda afferma che il programma sta avanzando attraverso le fasi precliniche. Il suo sito web non identifica una sperimentazione umana registrata per quel candidato.

Questo divario definisce il momento attuale. Anew Labs è andata oltre una raccolta di modelli di ricerca, ma non ha ancora dimostrato successo clinico.

La vera sfida è tra promessa computazionale ed evidenza clinica

Anew Labs deve dimostrare che modelli molecolari migliori migliorano gli esiti terapeutici, non soltanto la velocità delle prime fasi di scoperta.

L'AI ha già trasformato alcune parti della biologia strutturale e della chimica computazionale. I modelli possono classificare composti, prevedere strutture, generare candidati molecolari e aiutare i ricercatori a restringere costose ricerche sperimentali.

Queste capacità possono ridurre il lavoro in specifiche fasi della scoperta. Non eliminano l'incertezza biologica che porta molti farmaci a fallire.

Una molecola può legarsi saldamente al bersaglio previsto e rivelarsi comunque inutilizzabile. Può risultare tossica, degradarsi troppo rapidamente, distribuirsi male oppure non produrre alcun beneficio significativo nei pazienti.

La biologia umana differisce inoltre dai dataset controllati utilizzati durante lo sviluppo dei modelli. I pazienti presentano genetiche, storie cliniche, terapie farmacologiche, risposte immunitarie ed esposizioni ambientali diverse.

Una critica della traduzione clinica del 2025 ha sostenuto che i programmi farmacologici basati sull'AI si sono concentrati fortemente sui bersagli e sulla progettazione molecolare. Ha chiesto più dati funzionali umani durante lo sviluppo preclinico.

L'analisi ha anche avvertito che una scoperta più rapida non aveva ancora prodotto prove diffuse di una migliore efficacia clinica. Il numero di farmaci originati dall'AI in sperimentazioni avanzate era ancora troppo ridotto per trarre conclusioni definitive.

Questa è la principale tensione che Anew Labs deve affrontare. La tecnologia dell'azienda può essere tecnicamente impressionante mentre i suoi programmi farmacologici restano non dimostrati dal punto di vista medico.

La valutazione di 1,5 miliardi di dollari alza l'asticella per risolvere questa tensione. Gli investitori si aspetteranno che la piattaforma produca candidati proprietari, partnership o vantaggi di sviluppo misurabili.

Anew Labs può dimostrare progressi attraverso diverse strade. Potrebbe selezionare candidati allo sviluppo, completare studi di sicurezza, presentare richieste regolatorie o avviare sperimentazioni sull'uomo.

Potrebbe anche ottenere una partnership farmaceutica che includa una due diligence esterna. Un accordo di questo tipo non dimostrerebbe l'efficacia clinica, ma mostrerebbe che un altro sviluppatore di farmaci ha ritenuto preziosa la piattaforma o la pipeline.

L'evidenza clinica resta il test più rigoroso. Uno studio randomizzato di fase 2a su un farmaco e una combinazione con bersaglio scoperti tramite AI per la fibrosi polmonare idiopatica ha offerto un importante punto di riferimento per il settore nel 2025.

Una revisione della sperimentazione clinica ha descritto quello studio come una pietra miliare, citando sicurezza e segnali di efficacia. Non ha dimostrato che i farmaci progettati con l'AI superino in generale i medicinali scoperti con metodi convenzionali.

La distinzione è importante per Anew Labs. Il risultato clinico di un'altra azienda sostiene la fattibilità della scoperta assistita dall'AI, ma non può convalidare i modelli o i composti di Anew Labs.

L'azienda deve generare le proprie evidenze. Saranno importanti anche i confronti con parametri di riferimento interni.

Per esempio, Anew Labs potrebbe comunicare se i suoi sistemi riducono i cicli di sintesi, migliorano i tassi di successo sperimentale o identificano candidati non rilevati dallo screening convenzionale. Queste misure richiedono definizioni chiare e test riproducibili.

I soli risultati di benchmark costituiscono prove più deboli. Un modello può ottenere buoni risultati su dataset storici senza prendere decisioni migliori su nuovi bersagli o condizioni biologiche non familiari.

La strategia di Anew Labs riconosce una parte di questo problema enfatizzando il feedback sperimentale. La questione ancora aperta è quanto profondamente quel feedback influenzi la selezione dei bersagli, la tossicologia e la biologia rilevante per l'uomo.

Le attuali divulgazioni sulla pipeline dell'azienda mostrano una direzione più che una prova. Identificano bersagli e fasi di sviluppo, ma forniscono dati pubblici limitati sulle proprietà dei candidati o sugli esiti sperimentali.

Questo è normale per un'azienda privata di biotecnologia che protegge il proprio lavoro proprietario. Lascia inoltre agli osservatori esterni l'impossibilità di valutare indipendentemente diverse affermazioni importanti.

Il finanziamento dovrebbe sostenere più esperimenti. Dovrebbe inoltre aumentare la pressione per ottenere risultati che scienziati, autorità regolatorie e partner possano esaminare.

Anew Labs sottopone i rivali dei farmaci AI a un diverso tipo di pressione

Il round mette pressione ai rivali attraverso capitale e infrastrutture, ma la competizione sarà infine decisa da medicinali convalidati.

Anew Labs entra in un settore che comprende diversi modelli di business. Alcune aziende sviluppano software per clienti farmaceutici, mentre altre sviluppano le proprie pipeline terapeutiche.

Un'azienda di piattaforma può generare ricavi concedendo strumenti in licenza, formando partnership di ricerca o ricevendo pagamenti legati a milestone. Uno sviluppatore di farmaci mantiene una quota maggiore del valore terapeutico, ma si assume costi e rischi clinici più elevati.

Anew Labs sembra perseguire elementi di entrambi gli approcci. I suoi materiali pubblici enfatizzano un'ampia piattaforma tecnologica, ma identificano anche programmi farmacologici interni.

Questa combinazione ricorda le strategie adottate da diverse aziende biotecnologiche native dell'AI. Consente alla piattaforma di apprendere dai programmi interni, creando al contempo potenziali opportunità di partnership.

Il finanziamento offre ad Anew Labs maggiore capacità di gestire questo modello duale. Può finanziare la ricerca di base mentre fa avanzare i composti attraverso costose fasi di sviluppo.

I concorrenti più piccoli ora affrontano un'azienda sostenuta sia da investitori venture capital sia da una grande società tecnologica capogruppo. Anew Labs può attingere a infrastrutture di calcolo che sarebbe costoso riprodurre in modo indipendente.

Tuttavia, Isomorphic Labs, sostenuta da Alphabet, dispone di vantaggi comparabili. È nata dal lavoro di DeepMind nella previsione della struttura proteica e può collegare la sua ricerca alle risorse tecniche di Alphabet.

Insilico Medicine ha portato un farmaco originato dall'AI negli studi sull'uomo. Recursion ha investito nella generazione di dati biologici su larga scala e nella sperimentazione automatizzata.

Anche le aziende farmaceutiche tradizionali stanno adottando l'AI lungo tutte le loro operazioni di ricerca esistenti. Dispongono di team di chimica medicinale, esperienza regolatoria, sistemi produttivi e reti cliniche consolidate.

Anew Labs non può vincere semplicemente addestrando modelli più grandi. Deve collegare la capacità computazionale alle competenze organizzative necessarie per produrre un medicinale.

La posizione dell'azienda aggiunge un'altra dimensione competitiva. La Cina dispone di un'ampia capacità nella chimica, nella ricerca conto terzi, nelle sperimentazioni cliniche e nella produzione, che può sostenere lo sviluppo biotecnologico.

Shanghai offre inoltre una consistente base di talenti nelle scienze della vita e sostegno pubblico alla biotecnologia. La partecipazione di Shanghai Future Industries Fund collega il round a questa strategia regionale.

Allo stesso tempo, operare tra Cina, Singapore e Stati Uniti può complicare la collaborazione. La circolazione dei dati, i controlli sulla proprietà intellettuale e le restrizioni tecnologiche possono influire sui programmi di ricerca internazionali.

I potenziali partner farmaceutici esamineranno questi aspetti insieme alle prestazioni scientifiche. Chiederanno inoltre quale entità possieda ciascun modello, dataset, composto e brevetto.

La proprietà di maggioranza di ByteDance può essere utile offrendo stabilità finanziaria e tecnica. Può però generare esitazione tra le organizzazioni preoccupate per governance o esposizione geopolitica.

Per questo la principale sfida non è Anew Labs contro un singolo rivale nominato. È la promessa di una piattaforma integrata, sostenuta dalla tecnologia, contro le lente richieste probatorie della medicina.

I concorrenti affrontano lo stesso standard scientifico. Le loro diverse fonti di capitale, geografie e architetture di modello non li esentano dai test clinici.

Il nuovo finanziamento di Anew Labs le consente di partecipare a questa competizione su scala. Non sposta il traguardo.

Cosa osservare dopo il round da 290 milioni di dollari

Tre segnali mostreranno se il finanziamento di Anew Labs ha prodotto un'azienda biotecnologica duratura oppure soltanto una piattaforma di ricerca riccamente finanziata.

Il primo segnale è il progresso formale del programma IL-17. Gli investitori dovrebbero osservare la selezione di un candidato allo sviluppo, il completamento del lavoro di tossicologia regolatoria o una domanda di sperimentazione clinica.

Ognuno di questi passaggi dimostrerebbe che Anew Labs può passare dalla progettazione computazionale allo sviluppo regolamentato. Uno studio sull'uomo registrato rafforzerebbe il caso in modo più significativo.

L'assenza di tali progressi non invaliderebbe immediatamente la piattaforma. Lo sviluppo preclinico di farmaci richiede spesso anni e i ritardi possono riflettere attività produttive o di sicurezza piuttosto che un fallimento computazionale.

Tuttavia, l'azienda ha scelto di mettere in evidenza pubblicamente questo programma. Ciò lo rende il test più chiaro per capire se i suoi modelli producano composti con proprietà pronte per lo sviluppo.

Il secondo segnale è una convalida indipendente della piattaforma tecnologica. Potrebbe arrivare attraverso studi sottoposti a revisione paritaria, benchmark esterni, risultati di laboratorio replicati o una partnership farmaceutica con obiettivi divulgati.

Una partnership sarebbe particolarmente informativa se includesse bersagli specifici e criteri di milestone. Un memorandum generico o una collaborazione promozionale avrebbe meno peso.

Anche la replicazione indipendente è importante per AnewSampling e AnewOmni. I ricercatori devono sapere se questi sistemi offrano prestazioni costanti su nuovi problemi molecolari anziché su dimostrazioni selezionate.

Il terzo segnale è il rapporto operativo tra Anew Labs e ByteDance. Le future divulgazioni dovrebbero chiarire governance, proprietà intellettuale, accesso al calcolo e impiego del nuovo capitale.

Queste informazioni aiuteranno gli osservatori esterni a capire se Anew Labs stia diventando uno sviluppatore di farmaci autonomo. Mostreranno inoltre quanto l'azienda resti dipendente da ByteDance.

I cambiamenti nella proprietà meritano attenzione. La quota riportata del 56 percento di ByteDance le conferisce oggi il controllo, ma finanziamenti successivi potrebbero modificare questo equilibrio.

Anew Labs deve inoltre mostrare come i suoi team lavorino tra Shanghai, San Francisco e Singapore. I modelli di assunzione e i depositi regolatori possono rivelare dove l'azienda intenda svolgere ricerca e sviluppo clinico.

Per gli sviluppatori, questa vicenda ricorda che le prestazioni del modello sono solo uno strato di un sistema scientifico implementato. La provenienza dei dati, la progettazione sperimentale e la qualità del feedback determinano se le previsioni migliorino le decisioni.

Gli acquirenti aziendali dovrebbero applicare lo stesso ragionamento nel valutare strumenti AI specializzati. Dovrebbero chiedere evidenze dal flusso di lavoro previsto, non soltanto benchmark generali o dimostrazioni curate.

I knowledge worker che seguono il settore dovrebbero distinguere tre tipi di progresso: modelli migliori, candidati sperimentali migliori e migliori esiti nei pazienti. Ciascuno richiede un diverso livello di evidenza.

Anew Labs ha dimostrato che grandi investitori finanzieranno il suo tentativo. La sua piattaforma pubblica mostra inoltre una direzione tecnica coerente tra struttura, dinamica, progettazione e ragionamento scientifico.

La prossima fase sarà meno indulgente. I candidati farmacologici dovranno superare esperimenti che non possono essere ottimizzati soltanto tramite iterazione del software.

Occorre osservare un deposito regolatorio, risultati della piattaforma testati in modo indipendente e una partnership farmaceutica chiaramente definita. Insieme, questi segnali sosterrebbero la tesi d'investimento alla base del finanziamento di Anew Labs.

Senza di essi, il round resta una prova della convinzione degli investitori piuttosto che del successo terapeutico. La domanda decisiva è ora misurabile: Anew Labs può trasformare la ricerca AI di ByteDance in un medicinale che avanzi attraverso la sperimentazione clinica?