Anew Labs 融资为 ByteDance 的 AI 药物分拆业务带来 2.9 亿美元，但下一步仍需临床验证

据报道，在 ByteDance 将 AI 药物发现业务从核心互联网业务中拆分出来后，Anew Labs 已筹集 2.9 亿美元。两名熟悉交易情况的人士称，这是 Anew Labs 首轮外部融资，对这家总部位于上海的公司的估值达到 15 亿美元。

这轮融资的规模立即让 Anew Labs 获得更大空间，用于构建模型、开展实验室实验并推进候选药物。与此同时，它也带来了更严峻的考验。投资者如今必须根据制药领域的里程碑来评估该公司，而非研究发布或软件基准测试。

这种区别使 Anew Labs 与原生 AI 生物技术公司、成熟药企，以及 Alphabet 旗下 Isomorphic Labs 等技术驱动型实验室展开竞争。这些机构都在试图将计算领域的进步转化为真正对患者有效的疗法。

因此，这笔融资不仅是又一项大额人工智能投资。它押注的是，一个在消费互联网公司内部发展起来的业务，能够在不失去 ByteDance 技术支持的情况下，成为一家独立的生物技术企业。

Anew Labs 融资带来的变化

Anew Labs 现已拥有独立资本和更大的管理灵活性，而据报道 ByteDance 仍保留对公司的控制权。

Reuters 于 9 月 16 日援引两名知情匿名人士报道称，这轮融资规模为 2.9 亿美元。ByteDance 或参与投资的机构均未就这笔已报道的融资发布官方公告。

Reuters 指出，领投方包括 HSG（原 Sequoia China）、IDG Capital 和 Hillhouse Investment，并称 5Y Capital 为联合领投方。

据报道，其他参与者包括 Gaorong Ventures、Primavera Venture Partners、Boyu Capital、战略投资者 SBP Group，以及由政府支持的 Shanghai Future Industries Fund。ByteDance 和这些投资者未立即回应 Reuters 的置评请求。

一名消息人士告诉 Reuters，交易完成后，ByteDance 将持有 Anew Labs 56%的股份。即便引入外部投资者，这一持股比例仍会让这家互联网集团牢牢掌控该业务。

这一结构使“分拆”一词比乍看之下更为复杂。Anew Labs 在组织上拥有更大独立性，也获得了外部融资，但从所有权角度看，它并未脱离 ByteDance。

ByteDance 持续持股也改变了新投资者面临的风险特征。他们获得了一家专注生物技术公司的投资敞口，同时仍可依托 ByteDance 的 AI 人才、基础设施和算力资源。

早前的分拆报道称，该业务部门的团队、算法、技术平台和现有药物管线将转入新实体。报道还称，ByteDance 的云业务 Volcano Engine 将继续提供计算支持。

因此，Anew Labs 可以更像一家生物技术初创公司那样运营，而不必从一间空荡荡的实验室起步。它继承了在 ByteDance 内部多年发展形成的研究成果、人员、候选项目和技术基础设施。

据报道，15 亿美元估值意味着新增资本与融资后估值之间的比例约为 19%。不过，已披露数字并未揭示所有交易条款，也未说明新投资者获得的确切持股比例。

目前尚无公开文件提供完整的资本结构表。公司也未披露计划如何在算力、实验室工作、招聘、临床开发或合作伙伴关系之间分配这笔新资金。

这些信息缺失至关重要，因为药物开发的资金消耗方式不同于消费级软件。模型可以快速分发，但候选疗法必须通过实验室、生产制造、监管和人体测试等要求。

融资改变了 Anew Labs 能够尝试的事情，却不能决定其候选药物是否能通过这些要求。

ByteDance 为何将药物业务置于核心业务之外

这次分拆将漫长且受监管的研发周期，与 ByteDance 更快速的消费互联网运营模式分离开来。

据 Reuters 报道，ByteDance 之所以拆分该业务部门，是因为 AI 药物发现遵循不同于其主营业务的行业逻辑和管理方式。据报道，该公司认为独立架构更有利于长期发展。

这一解释在商业上合乎逻辑。ByteDance 最大的业务建立在软件产品之上，这些产品能够以极快速度测试、更新和大规模分发。

药物开发遵循的是另一套时间表。即使是颇具前景的计算结果，也必须经历湿实验验证、临床前研究、生产制造工作、监管申报以及多个阶段的人体试验。

湿实验验证是指通过实际的生物或化学实验检验计算预测。它可能暴露模型或基准测试中无法发现的问题。

独立公司可以围绕这一过程建立薪酬、招聘和决策体系。它还可以从理解生物技术周期、并愿意接受二元临床风险的投资者那里筹集专项资金。

分拆还赋予 Anew Labs 另一项重要选择：它可以协商研究联盟、授权协议和开发合作，而无需让每笔交易都经过 ByteDance 更庞大的公司架构。

这种灵活性在制药公司评估合作伙伴时尤为重要。它们需要明确专利、化合物、实验数据和监管责任的归属。

新架构应能让这些边界更容易界定。不过，公开记录尚未说明 Anew Labs 与 ByteDance 如何划分分拆前产生的知识产权。

早前报道将内部药物发现团队的起源追溯至 2021 年，并确认 Kai Liu 为负责人。报道称，核心团队约有 50 人，覆盖 AI 研究、算法和制药开发领域。

这些信息早于此次完成的融资，且 Reuters 的报道并未再次确认。不过，它们有助于解释投资者为何支持的是一个已在运营的研究团队，而非一家刚刚组建的初创公司。

Anew Labs 表示，目前在上海、San Francisco 和 Singapore 设有办公室。其公开材料描述了一支由机器学习研究人员和药物发现专家共同组成的团队。

这种地域布局可以支持国际招聘和制药合作，也可能带来数据治理、知识产权、出口管制和跨境临床开发等问题。

分拆并未让 ByteDance 脱离这些问题。据报道，其 56%的持股意味着母公司的所有权、基础设施和声誉仍将与合作伙伴及监管机构息息相关。

这种平衡是交易的核心。Anew Labs 需要拥有足够的独立性，以生物技术公司的方式运营，同时保留让其区别于较小 AI 药物初创公司的资源。

外部投资者显然愿意以较高估值为这种平衡提供资金。接下来的证据必须来自公司的运营表现。

Anew Labs 的 AI 药物发现正超越结构预测

Anew Labs 正围绕一个目标整合多套 AI 系统：将分子预测转化为经实验验证的候选药物。

公司公开的药物发现平台列出了用于结构预测、分子动力学、生成式设计、抗体优化和科学推理的工具，并展示了四个处于不同阶段的内部治疗项目。

AnewFold 可预测蛋白质和分子复合物的结构。结构预测用于估算生物分子如何在三维空间中排列，可帮助研究人员理解潜在结合位点。

AnewSampling 专注于分子动力学。这些系统试图呈现蛋白质和其他分子如何在不同构象间运动，而不是将它们视作固定不变的物体。

这种区别可能影响药物设计。一种化合物可能与某个建模结构结合良好，却会在蛋白质运动、与水相互作用或呈现另一种具生物学意义的状态时失效。

Anew Labs 表示，其分子运动模型采用生成式 AI 进行全原子热力学采样。公司称，该系统平衡了速度、规模和物理保真度，但独立实验验证仍然有限。

AnewOmni 被描述为一款全原子生成式模型，用于设计多种类型的分子结合物。结合物是被设计用于附着于生物靶点并影响其活性的分子。

公司表示，AnewOmni 可覆盖多肽、抗体和小分子。如果得到实验支持，这种广度可让同一研究机构探索多种治疗形式。

AnewDesign 利用实验反馈进行抗体设计和优化。其作用很重要，因为实验室结果必须为后续模型决策提供信息，而非让计算与实验成为彼此割裂的工作流程。

AnewMind 被定位为一款面向药物发现决策的科学推理大语言模型。公司此前将该产品的部分功能标注为即将推出，因此其实际运营应用仍不明确。

9 月 17 日，Anew Labs 还在其网站上列出了 AnewDDE，这是一款智能体式药物发现引擎。智能体式引擎可在更大的工作流程中协调多个专业模型和任务。

公司表示，AnewDDE 将结构预测、分子设计、结合亲和力分析和科学推理与实验反馈结合起来。这一描述表明，该公司正尝试连接此前相对独立的多种工具。

这种一体化方法正是投资逻辑背后的机制。Anew Labs 并未将单一模型描绘成完整的药物发现解决方案。

相反，它正试图建立一个闭环：模型生成预测，研究人员进行测试，实验结果回流至系统，后续设计再吸收这些证据。

当实验经过谨慎选择且数据可靠时，这类闭环能够改善研究决策。但当验证数据范围狭窄或缺乏一致性时，它们也可能复制隐藏偏差。

公司的公开管线让投资者有了更具体的审视对象。Anew Labs 列出了涉及 IL-17 和 IL4R 的项目，以及两个尚未披露的靶点。

IL-17 是一个与炎症和自身免疫疾病相关的信号蛋白家族。IL4R 是参与免疫信号传导的受体，已经是具有临床意义的治疗靶点。

Anew Labs 曾介绍一项小分子项目，旨在抑制多个 IL-17 二聚体。小分子是通过化学合成制成的化合物，相较于注射型生物药，有时可带来口服给药优势。

公司表示，该项目正处于临床前推进阶段。其网站未显示该候选药物已登记任何人体试验。

这一差距界定了当下的局面。Anew Labs 已不再只是拥有一组研究模型，但尚未建立临床成功的记录。

真正的较量：计算潜力与临床证据

Anew Labs 必须证明，更优的分子模型能够改善治疗效果，而不只是提升早期发现速度。

AI 已经改变了结构生物学和计算化学的部分环节。模型能够对化合物进行排序、预测结构、生成分子候选物，并帮助研究人员缩小成本高昂的实验搜索范围。

这些能力可以减少特定发现阶段的工作量，但无法消除导致许多药物失败的生物学不确定性。

一种分子即使能与预定靶点强力结合，仍可能无法用于药物开发。它可能被证明具有毒性、降解过快、分布不佳，或无法为患者带来有意义的获益。

人体生物学也不同于模型开发过程中使用的受控数据集。患者的遗传背景、病史、用药情况、免疫反应和环境暴露各不相同。

一篇 2025 年的临床转化评论指出，AI 药物项目高度聚焦于靶点和分子设计。该文呼吁在临床前开发期间纳入更多功能性人体数据。

该分析还警告称，更快的发现速度尚未产生药物临床疗效更佳的广泛证据。进入后期试验的 AI 原创药物数量仍然过少，无法得出确切结论。

这是 Anew Labs 面临的核心张力。该公司的技术或许在技术上令人印象深刻，但其药物项目仍未得到医学验证。

15 亿美元的估值提高了解决这一张力的门槛。投资者将期待该平台产出专有候选药物、合作伙伴关系，或可量化的开发优势。

Anew Labs 可通过多条路径证明进展。它可以提名开发候选物、完成安全性研究、提交监管申请，或启动人体试验。

它也可以达成包含外部尽职调查的制药合作。这样的交易无法证明临床疗效，但会表明另一家药物开发商认为该平台或管线具有价值。

临床证据仍是最强的检验。2025 年，一项针对特发性肺纤维化、采用 AI 发现的药物与靶点组合的随机 2a 期研究，为行业提供了重要参考点。

一篇临床试验综述将该研究描述为一个里程碑，并援引其安全性与疗效迹象。它并未证明 AI 设计药物总体上优于通过传统方式发现的药物。

这一区别对 Anew Labs 至关重要。其他公司的临床结果支持 AI 辅助发现的可行性，但无法验证 Anew Labs 的模型或化合物。

该公司必须自行产生证据。与内部基线进行比较同样重要。

例如，Anew Labs 可以披露其系统是否缩短合成周期、提高实验命中率，或识别出传统筛选遗漏的候选物。这些指标需要明确的定义和可复现的测试。

仅有基准测试结果的证据力度较弱。一个模型可能在历史数据集上表现出色，却未必能在新靶点或陌生的生物学条件下作出更好的决策。

Anew Labs 的战略通过强调实验反馈，承认了这一问题的一部分。尚未回答的问题是，这类反馈在多大程度上塑造了靶点选择、毒理学和与人体相关的生物学研究。

该公司目前披露的管线展示的是方向，而非证明。它们列出了靶点和开发阶段，但对候选物特性或实验结果公开的数据有限。

对于保护专有工作的私营生物技术公司而言，这很正常。但这也使外部人士无法独立评估若干重要主张。

这笔融资应当支持更多实验，也将加大对可供科学家、监管机构和合作伙伴审视的结果的压力。

Anew Labs 以不同方式向 AI 药物竞争对手施压

这轮融资通过资本与基础设施向竞争对手施压，但竞争最终将由经验证的药物决定。

Anew Labs 进入的是一个包含多种商业模式的领域。有些公司为制药客户构建软件，另一些则开发自己的治疗管线。

平台型公司可通过授权工具、建立研究合作关系或获得里程碑付款来创造收入。药物开发商保留更多治疗价值，但也承担更高的成本和临床风险。

Anew Labs 似乎正同时采用两种路径的部分要素。其公开材料强调广泛的技术平台，同时也列出了内部药物项目。

这种组合类似于多家 AI 原生生物技术公司采用的策略。它使平台能够从内部项目中学习，同时创造潜在的合作机会。

融资让 Anew Labs 有更大的能力运行这种双轨模式。它可以资助基础研究，同时推动化合物进入成本高昂的开发阶段。

规模较小的竞争对手如今面对的是一家同时获得风险投资者和大型技术母公司支持的企业。Anew Labs 可以利用独立复制成本高昂的计算基础设施。

不过，获得 Alphabet 支持的 Isomorphic Labs 也拥有可比优势。它源自 DeepMind 在蛋白质结构预测领域的工作，并可将其研究与 Alphabet 的技术资源连接起来。

Insilico Medicine 已将一款 AI 原创疗法推进至人体研究。Recursion 则投资于大规模生物数据生成和自动化实验。

传统制药公司也在其既有研发业务的各个环节采用 AI。它们拥有药物化学团队、监管经验、生产体系以及成熟的临床网络。

Anew Labs 无法仅靠训练更大的模型取胜。它必须将计算能力与产出药物所需的组织能力结合起来。

该公司的所在地增加了另一层竞争维度。中国拥有广泛的化学、合同研究、临床和制造能力，可支持生物技术开发。

上海还拥有雄厚的生命科学人才基础和对生物技术的公共支持。上海未来产业基金参与本轮融资，使这笔投资与该地区战略形成联系。

与此同时，在中国、新加坡和美国开展运营可能使协作更为复杂。数据流动、知识产权控制和技术限制都可能影响国际研究项目。

潜在的制药合作伙伴将与科学表现一同审视这些问题。他们还会询问每个模型、数据集、化合物和专利分别归属于哪一实体。

ByteDance 的多数持股可通过提供财务和技术稳定性带来帮助。但对于担忧治理或地缘政治风险的机构而言，它也可能造成顾虑。

因此，主要竞争并非 Anew Labs 与某一家特定竞争对手之间的较量，而是一个技术支持的一体化平台的承诺，与医药研发缓慢而严格的证据要求之间的较量。

竞争对手面临相同的科学标准。它们不同的资本来源、地域和模型架构，均不能使其免于临床测试。

Anew Labs 的新融资使其能够以规模参与这场竞争，但并未让终点线前移。

2.9 亿美元融资之后值得关注的事项

三个信号将表明，Anew Labs 的融资造就的是一家具有持久力的生物技术公司，还是仅仅一个资金充裕的研究平台。

第一个信号是 IL-17 项目的正式进展。投资者应关注开发候选物提名、监管毒理学工作的完成，或临床试验申请。

任何一个步骤都将表明，Anew Labs 能够从计算设计走向受监管的开发阶段。已登记的人体研究将更显著地强化这一判断。

缺少这类进展并不会立即否定该平台。临床前药物开发通常需要数年，延误可能反映制造或安全性工作，而非计算方面的失败。

不过，该公司选择公开重点介绍这一项目。这使它成为检验其模型能否产出具备开发就绪特性的化合物的最清晰试金石。

第二个信号是技术平台获得独立验证。这可能来自同行评审研究、外部基准测试、可重复的实验室结果，或披露明确目标的制药合作。

若合作包含具体靶点和里程碑标准，尤其具有参考意义。宽泛的谅解备忘录或宣传性合作，其证明力则较弱。

对 AnewSampling 和 AnewOmni 而言，独立复现同样重要。研究人员需要了解，这些系统是否能在新的分子问题上稳定发挥作用，而非只在精心挑选的演示中表现良好。

第三个信号是 Anew Labs 与 ByteDance 之间的运营关系。未来披露应澄清治理结构、知识产权归属、计算资源访问权以及新资金的使用方式。

这些信息将帮助外部人士理解，Anew Labs 是否正在成为一家自主药物开发商，也将显示该业务在多大程度上仍依赖 ByteDance。

所有权变化值得关注。ByteDance 据报目前持有 56% 的股份并拥有控制权，但后续融资可能改变这一平衡。

Anew Labs 还必须展示其团队如何在上海、旧金山和新加坡之间协作。招聘动向和监管备案可以揭示公司计划在何处开展研究与临床开发。

对于开发者而言，这一故事提醒人们，模型表现只是已部署科学系统中的一个层面。数据来源、实验设计和反馈质量决定预测能否改善决策。

企业采购方在评估专业 AI 工具时也应采用同样的逻辑。他们应要求看到来自预期工作流程的证据，而不只是通用基准测试或精心打磨的演示。

关注该领域的知识工作者应区分三类进展：更好的模型、更好的实验候选物，以及患者身上更好的结果。每一类都需要不同层级的证据。

Anew Labs 已证明，主要投资者愿意为其尝试提供资金。其公开平台也展现出覆盖结构、动态、设计和科学推理的一致技术方向。

下一阶段将更少宽容。药物候选物必须经受无法仅靠软件迭代优化的实验考验。

请关注监管申报、经独立测试的平台结果，以及界定清晰的制药合作。这些信号结合起来，将支撑 Anew Labs 融资背后的投资逻辑。

若缺少这些信号，这轮融资仍只是投资者信念的证据，而非治疗成功的证明。决定性的问题如今可以衡量：Anew Labs 能否将 ByteDance 的 AI 研究转化为能够在临床中推进的药物？