中国 AI 制药变局：字节控股分拆，大厂高管下场，六成资金流向头部 | 人人都是产品经理

2026 年 6 月，字节跳动把在内部运转了约五年的 AI 制药业务整体拆分出去。班组、算法阵地和在研管线全部装进一家新商家 Anew Labs，中文名“新生实验室”。9 月，据消息，Anew 完成 2.9 亿美元首轮融资，投后估值约 15 亿美元。字节保留 56% 的股份，继续控股。Anew 手里最靠前的资产，是一款 IL-17 小分子，目前还在临床前的先导改进阶段，离第一个临床试验尚有距离。但据一位参投人透露，这轮额度是从一百多家机构的竞争里抢来的。一个没有临床数据的计划，拿到十几亿美元估值和上百家机构的追逐，本身就是这一轮 AI 制药热的缩影。

字节不是唯一下场的大厂，只是动作最彻底的一家。百度创始人李彦宏牵头创立的百图生科，据消息已在今年 3 月秘密向港交所递表。腾讯过去更多以投资人的身份出现，是英矽智能 IPO 的基石投资人。今年 2 月，它公开了一项完全由 AI 设计的短肽 GLP-1 减重药专利，开始自己做分子。阿里和京东则仍以医药流通和服务为主。几家的路径各不相同，变化的方向却很一致：大厂不再只给药企带来算力和工具，而是开始直接持有药物资产。

同样的剧本也在海外上演，且资金体量更为庞大。DeepMind 分拆出来的 Isomorphic Labs 今年 5 月完成 21 亿美元 B 轮。Chai Discovery 7 月完成 C 轮，估值 38 亿美元，约为七个月前的三倍。基模御三家也亲自入场：Anthropic 花约 4 亿美元，买下一家不到 10 人的商家 Coefficient Bio；OpenAI 在 10 月宣布收购 Orchestra Bio。算力的一方同样没有缺席。英伟达和礼来宣布，五年内投入最高 10 亿美元，共建 AI 实验室。

二级方向也给这个赛道留出了位置。晶泰科技、英矽智能、剂泰科技三家 AI 制药商家，已经先后在港股挂牌。熟悉这个方向的人不会忘记，2021 年也有过一轮相似的热度，随后是两年寒冬。五年过去，这一轮究竟是旧剧本的重演，还是真正的产业拐点？在这场全球竞速里，中国商家又站在什么位置？

新药研发是一门昂贵而缓慢的生意。一款药要从靶点发现走到分子设计与改进，再经过临床前调研、申报和三期临床，才能上市。德勤测算，全球前 20 大药企 2024 年单个新药的平均研发成本约 22.3 亿美元，最新口径已升至约 26.7 亿美元。整个周期通常要 10 到 15 年。更大的问题是成功率，进入临床的药物，最后能获批的只有一成左右。II 期是最大的关口，通过率约 28%。钱和时间大量耗在临床，失败又恰恰集中在这里。很多分子要走到临床中段、花掉大部分预算，才被证明行不通。而 AI 制药想解决的，就是把失败提前，让它发生得更早，也更便宜。

这个想法并不新。2012 年到 2022 年间，上一代 AI 制药商家已经做过不少尝试。有人用机器学习预测分子性质；BenevolentAI 用知识图谱和文献挖掘寻找靶点；Recursion 用大规模细胞成像做表型筛选；Exscientia 和英矽智能则较早押注生成化学。这些工具各自解决研发链条上的一段问题，彼此并不连通。

转折出现在 2020 年。DeepMind 的 AlphaFold 2 基本解决了单链蛋白质的结构预测问题，这项工作后来获得 2024 年诺贝尔化学奖。它让业界第一次相信，生物学里最基础的结构问题，可以直接由模型算出来。2024 年推出的 AlphaFold 3 把预测对象扩展到蛋白质与小分子、核酸组成的复合物，此后的分子设计模型，大多沿着这条路继续往前走。

资本对上一代技术的热情来得快，退得也快。2021 年是高峰，据亿欧智库统计，截至当年 10 月，国内 AI 制药商家融资约 62 亿元，超过此前六年的总和。此后方向融资迅速降温，2023 年全球 AI 制药融资额降至约 36 亿美元，同比下滑超过四成。2024 年，全球融资额回升至约 58 亿美元，同比增长 61%，但资金主要流向美国，中国商家仅获得全球约一成的融资额。与此同时，方向融资仍以种子轮、天使轮和 A 轮为主，资本回暖并未普遍惠及所有商家。

退潮的原因，在标杆商家身上看得很清楚。Exscientia 2020 年把首个“AI 设计”的分子推进临床，完成 I 期后，2022 年被携手方住友终止。2024 年，它与 Recursion 以约 6.88 亿美元的全股票交易合并，合并后的商家随即削减了管线。BenevolentAI 在一项 IIa 期试验失败后裁员，2025 年从泛欧交易所退市。两家商家一个止步于 I 期之后，一个倒在 II 期，教训却是一样的：AI 让设计变快了，但分子进了临床，仍可能以和传统药物差不多的概率过关。

两轮 AI 制药对比：从单点工具到分子设计模型

这一轮 AI 制药热潮的不同，首先在于分子设计模型真正变得可用。Chai Discovery 2025 年 6 月发布的 Chai-2，选了 52 个此前没有已知抗体的靶点做测试，每个靶点只设计不到 20 个抗体。结果是，单轮实验的结合率达到约 16%，一半靶点至少找到了一个结合物，从设计到湿实验验证不到两周。班组称，这比此前的计算做法高出百倍以上。Isomorphic 今年 2 月公布的 IsoDDE，在小分子上给出了类似的信号。在考察新口袋泛化能力的最难测试中，它的成功率约 50%，AlphaFold 3 只有约 23%。它对结合亲和力的预测，在部分场景下已接近甚至超过传统物理做法 FEP，而且不需要晶体结构。

国内也有对应的工作，包括字节的 Protenix、SeedFold，以及 Anew Labs 与清华携手的 AnewOmni。这些工作的意义在于，湿实验的角色变了。过去是大海捞针式的大规模筛选，现在更像是对少量设计做验证，成本和周期都被大幅压缩。不过，它们仍停留在临床前，也未必经得起推敲。IsoDDE 没有公开架构和训练细节，外界目前也无法复现。

第二个变化来自大模型和 Agent。斯坦福班组开发的 Biomni 发表在 Science 上，它能自己挑选工具、规划实验步骤、编写代码并运行。它的商业版本已被日本小野制药部署到药物发现部门。让这件事变得可行的，是推理成本的快速下降。在同等能力下，大模型推理价格每年下降的中位数约为 50 倍，2024 年后更是加速到约 200 倍。Agent 第一次在经济上算得过账。但 Agent 改进的是文献检索、数据研判、实验设计这些前置环节的效率值，并不直接让一个分子更容易成药。

第三个变化在数据。晶泰科技的做法是用 AI 做预测，让机器人做湿实验，再把实验数据回流训练模型，形成闭环。礼来和英伟达的联合实验室，也把大规模生产实验数据作为目标之一。礼来用内部数据训练的 TuneLab，已开放给 1300 多家生物科技商家。模型越来越容易获得，高品质数据却很难复制。谁能自己生产数据，谁的护城河就更深。

所以，方向常说的“端到端”目前只成立了一小半。在分子设计这一层，结构、亲和力和口袋识别正在被统一进同一个模型；但从靶点到上市的完整链条，还远没有打通。下一步的枢纽正是能把数据、决策和上下文连起来的架构。

而让这一轮热潮区别于上一轮的另一个枢纽点，是临床证据开始出现。BCG 的统计显示，截至 2023 年底，AI 原生商家的分子在 I 期的成功率约为 80% 到 90%，明显高于方向历史上 40% 到 65% 的水平。但到了 II 期，成功率与方向持平，约 28%，样本也只有 10 个。具体药物上，英矽智能用于特发性肺纤维化的 Rentosertib，靶点和分子都由 AI 发现与设计。它的 II 期结果 2025 年发表在 Nature Medicine 上，III 期已在今年 7 月启动。武田的 zasocitinib 源自 Nimbus 和薛定谔的物理计算阵地，III 期在银屑病中优于已上市的对照药。不过，它更多被归为计算设计，算不算“AI 药物”，业内仍有分歧。

此外，到目前为止，还没有一款主要由 AI 发现的药物获批上市。所以把这些进展放回研发链条上看，AI 的改造并不均匀，成熟度更多集中在分子设计这一段。

AI 制药全链条全景图：各研发阶段的卡点与成熟度

分子发现与改进是证据最充分的环节，晶泰、华深、Anew，以及海外的 Isomorphic 和 Chai，都集中在这里。往前看，靶点发现反而还在早期，用 Agent 提出科学假设的调研，今年才开始在顶刊发表。制剂和递送，是中国商家最先跑出完成 III 期产品的环节，不过这类产品改进的是剂型，分子本身并非由 AI 发现。I 期已经出现统计上的积极信号。最大的空白在 II 期，AI 还没有改变这一阶段的成功率，而这恰恰是整个链条上成本最高，同时价值也最大的地方。

经过 2023 年前后的出清，中国 AI 制药方向已经明显分层：头部商家已经上市，少数几家在一级方向拿到大额融资，更多商家还在早期或水下。钱也在向头部集中。2026 年国内最大的四笔融资，分别是华深智药多轮合计 7.87 亿美元、Anew Labs 2.9 亿美元、元思生肽 1.5 亿美元和寻明生科 1 亿美元，合计约占全赛道融资总额的六成。而在 2023 到 2024 年，国内单笔最大的融资是深势科技的 7 亿元人民币，多数融资不超过 2 亿元。短短两年，头部计划的融资体量已经大不相同。