Talk AI | 字節與Anthropic打響AI制藥暗戰

最大的賭注不是算法

文/林書
編輯/劉宇翔

6月19日，2024年諾貝爾化學獎得主、AlphaFold核心締造者John Jumper在X上發文：“After nearly 9 years， I'm leaving Google DeepMind to join Anthropic。”

9年前，Jumper博士畢業剛半年，谷歌DeepMind掌門人Demis Hassabis賭他一把，讓他帶AlphaFold團隊。結果，Jumper帶領團隊用AlphaFold 2把蛋白質三維結構預測精度干到90%，解決了生物學界50年未解的蛋白質折疊難題。2024年，他和Hassabis同獲諾貝爾化學獎。

如今他離開Google去了Anthropic，這家AI coding巨頭近期正大力押注AI for Science。

無獨有偶，6月10日前后，多家媒體報道字節跳動AI制藥業務線Anew Labs啟動拆分與獨立融資。核心團隊、算法、技術平臺及已有管線資產將整體注入新主體，字節仍保持控股和對業務的主導權，但新公司在運營和融資上擁有更高獨立性。

兩件事在同一個時間窗口爆發，表面看是巧合，實則指向同一個底層焦慮：中美兩大AI巨頭，都在AI時代尋找下一個證明自己身份的戰場。它們試圖用AI for Science的硬成果，回答一個共同的追問：除了做廣告和寫代碼，AI還能向世界展示什么真正的生產力價值？

但問題在于，符號世界的算法霸權，向分子世界的物質主權發起挑戰時，算法本身并不是最大的瓶頸。

01

身份焦慮與組織止血

據行業研究機構數據，全球AI藥物發現市場2025年規模已達約198.9億美元，2026年預計增至245億美元，到2035年預計飆到1604.9億美元，十年復合增長率約23.22%。

但即便是一個千億人民幣級的遠期市場，相比兩家巨頭自身的估值體量，AI藥物發現的市場規模本身仍不足以解釋它們的戰略選擇。更大的誘惑來自資本市場的估值溢價。英矽智能2025年港股IPO，公開發售部分錄得超1400倍超額認購；劑泰科技2026年5月掛牌，首日大漲126.67%，總市值沖上330億港元。AI制藥龍頭的市銷率估值，不是傳統CRO公司的幾倍，而是幾十倍。

這種溢價的本質不是盈利，而是“范式轉換期權”。市場賭的是AI能把“十年十億”的新藥研發苦旅，變成可批量復制的流水線。

但市場規模和估值溢價本身，還是不足以解釋字節和Anthropic的選擇的。對字節來說，這是一場身份證明戰。

字節在移動互聯網時代是一個APP工廠，分路突圍、飽和攻擊是其組織基因。在AI時代，這一策略也取得巨大成功，據QuestMobile數據，截至2026年Q1，豆包月活約3.45億，日活突破1.4億。而火山引擎披露，截至今年6月，豆包大模型日均Token調用量已突破180萬億，過去一年增長超10倍。

但這背后是巨大的成本，據國聯民生證券2026年5月研報測算，以最便宜的豆包模型計算，豆包提供一天免費AI服務的成本為1.32億元至2.4億元。與此同時，字節跳動將2026年AI基礎設施資本開支計劃上調至逾2000億元人民幣，較去年底初步討論的1600億元方案增幅至少25%。

此外，由于開源技術的擴散，純C端AI的競爭正在全面同質化，豆包、千問、Kimi、文心一言在對話體驗上的差距越來越小，最后比的不過是算力成本和迭代速度。在“符號世界”里，字節越來越難以證明自己有著技術上的代差。

因此，字節必須增加一條不那么好走的險路。如果它的AI能在制藥領域做出重大突破，或簽下大藥企BD合同，那么就能證明其確實擁有難以超越的AI for Science技術，集團整體估值里就多了一塊“硬核科技”期權。

值得注意的是，字節內部存在不同層面的組織變動。5月29日，據媒體報道，AI4S團隊（專注于科學計算、結構生物學、蛋白設計等基礎研究）已完成調整，由技術副總裁楊震原負責管理，且官方明確表示“沒有考慮分拆”。該團隊核心成果包括Protenix和PXDesign。

然而，該團隊確實發生了核心成員流失問題。6月2日，顧全全宣布從字節Seed離職。據其公開活動個人介紹及此前媒體報道，其曾擔任字節Seed大模型預訓練與Scaling方向聯合負責人（Co-Lead），但字節官方人士于6月8日回應媒體時否認其為“AI制藥和預訓練負責人”。顧全全下一站將投身AI制藥與蛋白質設計創業。此外，據報道，計算生物學負責人肖文之已離職創辦AI制藥企業，方向集中在靶點蛋白設計等領域。

而Anew Labs成立于2021年，一直承擔從基礎模型研究到產業化的核心職能，擁有IL-17小分子項目等早期管線，目前由劉凱負責。36氪獨家報道指出，此前字節內部負責蛋白結構預測模型的相關團隊已并入劉凱負責的團隊。從公開信息推斷，AI4S團隊與Anew Labs分屬不同管理線，但兩者存在人員與技術的整合流動。

核心科研人員的出走，某種程度上也說明不是所有AI for Science頂尖人才都能適配純互聯網組織架構。畢竟，科研人才要的是長周期的耐心、Biotech式的股權架構，而不是互聯網大廠式的季度OKR。將Anew Labs拆分獨立，建立更符合生物醫藥長周期特征的獨立組織架構，是字節推動該領域基礎模型能力與制藥產業結合的戰略調整。

對Anthropic來說，情況更為緊迫。它必須回應外界對模型安全性的持續質疑，也必須證明自己不只是“代碼助手”。生物醫藥天然具有高道德溢價、高社會價值，恰好是Anthropic能力延伸的突破點。

但Anthropic挖角Jumper，還有一個被忽略的深層信號：Google的研究必須盡快產品化的要求，讓頂尖科學家無所適從。DeepMind既要支撐Isomorphic Labs的管線（商業化），又要維護AlphaFold的公共數據庫（學術使命），還要為Gemini提供蛋白質結構預測能力（產品集成）。Jumper作為科學家，在這些目標沖突中可能失去了純粹的研究空間。

而Anthropic作為純AI實驗室，給了他更干凈的科研環境和更大的技術自主權。Jumper的離開，不是一次普通跳槽，而是全球AI for Science人才格局的范式級信號。

02

2026驗證年的前置條件

2026年之所以成為AI制藥關鍵的時間窗口，不是因為某一項技術突然突破，而是因為所有前置條件同時成熟：臨床驗證進入終局、監管框架首次落地、資本向頭部集中、數據瓶頸松動、首批藥物逼近上市。

在2024年，AI制藥PPT里的故事是“按回車鍵，新藥就出來了”。當時全球AI藥物發現市場估值飆漲，資本涌入催生了數百家AI生物初創公司，大家都相信算法可以繞過濕實驗的物理約束。

然而到了2025年，首批由AI完全設計的分子進入臨床階段后，現實很快戳破了泡沫。Recursion與Exscientia合并后進行了管線精簡，聚焦6個核心候選藥物（4個腫瘤，2個罕見病），多家AI生物公司因臨床前毒性數據不佳、成藥性差而被迫轉型或被收購。

承諾與兌現之間的落差，構成了這輪洗牌的主要動力。

投資人現在的口頭禪變了：不再問你的模型參數量多大，而是問你的真實實驗數據在哪、有沒有差異化靶點、可交易的優質管線有哪些。晶泰控股能在2026年拿下跨國藥企合作訂單，靠的不是模型故事，而是合作方支付首付款并承擔全部早期研發費用的硬核商業條款。

AI制藥的敘事，從技術神話退回到了商業驗證。只有那些能挖掘真實濕實驗數據的公司，才能爬出低谷。

但恰恰是在這場血腥洗牌之后，字節的技術管線趨于成熟了。2025年發布Protenix和SeedFold，2026年迭代到Protenix-v1/v2，并構建了Anew Labs平臺，覆蓋蛋白-配體動態預測、全原子分子生成、自由能計算。

2026年4月，在美國免疫學家協會（AAI）年會上，字節首次披露了一款處于臨床前的IL-17小分子抑制劑AN-5162，由Anew Therapeutics（即Anew Labs，前者是企業注冊名，后者是對外技術平臺名）公開。該藥物瞄準銀屑病等自免疾病，是全球首個小分子全譜IL-17抑制劑（AA/AF/FF），目前處于臨床前先導化合物優化階段。

所以，往好的方向想，字節可能覺得從科研到產業的機會正在成熟，即模型不再是唯一，分子更為關鍵。投資方對AI制藥標的的審視標準，已從模型參數轉向差異化靶點和可交易管線，字節恰好在這個節點上擁有了符合市場要求的硬資產。

但符合市場要求不等于已經兌現。字節目前披露的管線更多是迭代式創新：IL-17和IL-4R都是成熟靶點的進一步探索，而非全新靶點的從頭發現。這符合以劉勇軍為首的Anew Labs科學顧問委員會的謹慎哲學，聚焦成熟靶點的迭代創新，新機制靶點仍然存在不確定性。

但這也意味著，字節的首個AI分子尚未證明“解鎖不可成藥靶點”的顛覆性能力。

03

兩條路線，一個瓶頸

Anthropic與字節的這兩條路線，誰能走得更遠？

這個問題可能沒有標準答案，因為兩條路的終點可能根本不在同一個地方。

從技術角度看，Anthropic在藥物研發方面的路線更接近AGI的應用形態。通用大模型在開放-ended假設生成和跨領域知識遷移上，確實擁有專用模型難以企及的天花板。

但這里有一個必須審視的假設：假設生成不等于藥物驗證。

蛋白質新機制的假設被證實，與設計一個能安全進入人體、通過臨床試驗、擊敗現有標準療法的分子之間，隔著至少三個數量級的復雜度。藥物研發的核心瓶頸從來不是缺乏假設，而是假設的驗證成本太高、周期太長。Anthropic的通用模型優勢在“從0到1”的假設提出層面，但藥物研發真正的絞肉機是“從1到100”的成藥性優化。

而字節更為現實。藥物研發不是靠會推理、會提出假設就夠了。它需要具體的實驗驗證、動物模型、臨床試驗，這些東西極其“臟”、慢、細、貴，而且充滿失敗可能性。字節拆分融資，CRO服務、管線BD，每一步都有明確的付費方（藥企）和里程碑（分子交付、臨床前數據）。它走的是“用現在的錢，養現在的團隊”的務實路線。

但“每一步都有付費方”可能只是理論上的商業模式。

2026年的AI制藥BD市場，藥企的付費門檻正在提高。晶泰控股能拿下大額訂單，靠的是多年的濕實驗數據積累和自動化實驗室網絡。Anew Labs如果只有IL-17一個臨床前項目，能否簽下具有實質意義的里程碑付款合同？這是一個巨大的問號。并且可能需要在沒有付費方的情況下自費燒2-3年錢，才能到達第一個有意義的里程碑。這對獨立融資后的Anew Labs是嚴峻考驗。

更根本的是，業內有一個日漸清晰的共識：在公域數據對所有參與者均等可及、主流算法架構通過論文和開源代碼快速擴散的情況下，真正決定AI平臺性能上限的，是高質量、標準化且可持續迭代的私域數據。

公開數據雖構成行業共同起點，但其噪聲、偏倚和陰性數據缺失等問題，制約了模型的泛化能力。相比之下，藥企與CXO積累的SAR過程數據、ADMET實驗數據、臨床數據，以及AI原生公司通過自動化實驗室產出的高通量標準化數據，對模型訓練的價值高得多。

AI制藥的核心競爭，正在從算法能力轉向數據資產與閉環能力。

字節擁有火山引擎提供的算力底座，這是絕對長板，但算力不能替代濕實驗產生的SAR/ADMET數據。AnewSampling團隊自己也承認，高質量動態訓練數據的稀缺仍是制約模型擴展的主要瓶頸。龐大的標準化實驗數據需要大量時間投入和資本支出，且難以通過捷徑復制。

Anthropic也在賭一個更大的局：濕實驗本身也被AI自動化。那些原先不可被跳過的、在培養皿、離心機、顯微鏡和實驗動物之間忙碌的過程，也可能被AI和自動化的實驗機器人代替。4月收購Coefficient Bio，該交易約4億美元，創始人團隊曾在基因泰克Prescient Design任職，以及近期建設物理濕實驗室的動作，都表明Anthropic正在快速補齊這塊短板。

但這個愿景目前面臨嚴峻現實：全球機器人實驗室僅達L2-L3自主級別，器官芯片遠未替代動物實驗。Anthropic賭的是十年后的科研范式，但能不能撐到那一天，取決于Claude Code的ARR能不能持續輸血。

一個更有可能的情況是：在未來，專用模型不會退守，通用模型也不會一統天下。而是二者分層協作，即通用模型負責提出假設，專用模型負責約束篩選，二者都能在自己的層次上活下來。

但前提是，它們都必須建立起干濕閉環的自我強化數據飛輪。沒有這個飛輪，無論是字節的專用模型還是Anthropic的通用模型，都只是在公開數據上跳舞的算法空轉。

04

估值超前，還是技術證偽？

另一個被有意無意忽略的問題是：如果AI制藥的終局不是平臺公司，而是“更高效的藥明康德”，那它今天享受的幾十倍PE估值，可能就是一個新泡沫。

需要知道，傳統Big Pharma如輝瑞，PE常年在10-20倍區間。不是因為它們不掙錢，而是因為制藥行業受到極其嚴格的監管，還面臨著專利懸崖，更為重要的是藥物研發里失敗是常態，不確定性太大，每一項都是向下壓縮估值的確定性力量，必須進行風險折現。

而AI制藥公司目前享受的是科技股的“范式轉換期權”，指望AI能繞過傳統藥物發現的“試錯-失敗”循環，批量生產"first-in-class"分子。

但即使AI能更快地發現分子，FDA的審批也不會因為你用了AI而縮短。分子還是要經過同樣的臨床流程、同樣的監管審批、同樣的失敗概率。臨床迭代更是以年為單位，失敗一次就是數億美元蒸發。

它拿著科技股的估值，承擔的還是制藥股的成本結構。

不過，這里需要對“泡沫”做一個更精細的區分：估值泡沫（當前市值透支了未來5-10年的臨床兌現能力）與技術泡沫（AI根本不能顯著提高藥物研發成功率）是兩個完全不同的概念。

市場往往把兩者混為一談。AI可以優化分子設計，可以加速早期篩選，這在技術層面已經部分被驗證。但90%的臨床候選藥物注定失敗的鐵律，不知AI能否改寫。如果數據不及預期，AI制藥面臨的將不是C端用戶不付費的溫和證偽，而是數十億美元投資加股價歸零的硬著陸。

此外，終局不應被簡單壓縮為“AI版的藥明康德”。

在平臺型CRO和傳統Big Pharma之間，存在一個被忽略的中間態AI-native Pharma（AI原生藥企）。如果字節或Anthropic能夠通過AI平臺持續產出差異化的first-in-class或best-in-class分子，并且通過BD合作或自建管線推進到臨床后期，那它就不是CRO，而是擁有技術平臺溢值的Biotech。藥明康德不提供分子IP，只提供研發服務；而AI制藥公司如果擁有管線資產和分子IP，估值邏輯完全不同。

當然，這個賭局能否兌現，取決于臨床數據。

字節將AI制藥業務線拆分與獨立融資，本質上是一種風險隔離：成了，是獨立上市的硬核科技期權；敗了，不過是字節集團財報里一筆可控的減值。

05

真正的戰役：組織耐心

回到字節。Anthropic的入局，對字節來說有幾個值得警惕的信號。

首先是算法優勢的窗口期正在急劇縮短。Jumper加入Anthropic意味著，全球最前沿的結構預測能力正在向一個擁有更強基礎模型能力的組織集中。如果Anthropic把Claude的推理能力與Jumper的蛋白質結構預測經驗結合，它可能會直接跳過“小分子生成”這個階段，從更底層的“蛋白質-配體動態相互作用”切入。

其次，字節親自下場做藥的路徑，可能面臨更殘酷的競爭。Anew Labs的IL-17抑制劑是迭代式創新，走的是成熟靶點的me-better路線。但如果Anthropic借助Jumper的能力，在全新靶點發現或不可成藥靶點的結構解析上取得突破，字節“解鎖不可成藥靶點”的口號就會面臨更直接的挑戰。

最后也是最關鍵的：字節過去十年所有的成功，都建立在短周期反饋閉環上。互聯網產品可以“小步快跑、快速迭代”，一個推薦算法A/B測試一周就能驗證。但一個AI設計的分子，從虛擬篩選到臨床前驗證至少需要18-24個月；從IND到臨床POC，又要3-5年。

字節切入AI制藥，最大的賭注不是算法，不是算力，而是組織耐心。

它能否適應制藥這種長周期、低反饋、高沉沒成本的游戲？這是比AnewOmni的技術架構更值得追問的問題。拆分獨立，某種程度上也是字節對自己組織基因的一種清醒認知，它知道在大廠溫室里，AI制藥團隊可能等不到一個分子的臨床數據回來，就被“OKR了”。

但獨立只是第一步。真正的考驗在于：離開大廠溫室后，Anew Labs能否在沒有字節集團輸血的情況下，撐過2-3年無收入的濕實驗積累期，并在此期間不被Anthropic/Isomorphic等玩家的技術突破降維打擊？

Anthropic的路線高舉高打，是不夠接地氣，在濕實驗的臟活、累活里，每一步都需要巨額投入，它的耐心成色也需要經受考驗。而字節必須在自建數據閉環和外部BD造血之間，找到一條比互聯網業務慢十倍、但比傳統Biotech快十倍的中間道路。

字節和Anthropic，一個從應用層向上攀爬，一個從基礎模型向下滲透。它們吹起的未必是新一輪泡沫，而是新一輪必須被驗證的賭注。

這場AI制藥的全球競賽，已經不只是商業層面的競爭，更是一場關于未來十年生命科學戰略高地的博弈。算法是第一張門票，數據閉環是護城河，組織耐心是隱性籌碼，而臨床數據是唯一的裁判。

2026到2028年的III期臨床數據，會給出比任何敘事都更誠實的答案。

但在此之前，賽道會先經歷一輪由BD合同質量和臨床前數據披露驅動的預洗牌。那些只有模型故事、沒有濕實驗數據飛輪的公司，會在2026年底前，就感受到資本寒冬。