ByteDance's AI Drug Startup Anew Labs Raises $290M in Angel Round, Valued at $1.5B

巨头抢滩，AI制药进入新阶段

头部制药巨头与互联网大厂正加速布局AI制药领域。

跨国药企诺和诺德近日宣布与Anthropic达成合作，将引入Claude Science科学大模型，推动深度研发合作。此次合作标志着AI能力从过去的临床文书自动化，全面升级至前沿靶点挖掘、实验方案设计等新药源头研发环节。

在国内，由字节跳动独立孵化的AI创新药企Anew Labs完成2.9亿美元天使轮融资，投后估值达15亿美元（约合100亿元人民币）。据天眼查显示，其投资方包括红杉、高瓴及IDG等知名机构。

近年来，礼来、阿斯利康、默沙东和恒瑞医药等传统药企持续加码AI药物发现，百度、腾讯等互联网大厂也纷纷入局。

巨头的持续进场正在重塑行业底层规则，AI制药正告别粗放的概念炒作阶段。仅凭小型团队、单点算法模型、虚拟分子演示就能融资造势的“小作坊时代”，已逐步落幕。

01. 行业完成大洗牌

2022年以前，AI制药处于野蛮生长阶段。当时行业门槛较低，几人的算法团队，靠一套分子生成模型、若干仿真数据，就能包装成AI新药研发项目获得融资，乘着概念风口快速起势。

早期许多初创团队以计算机算法人才为主，缺乏药化、生物学核心团队，也未自建湿实验平台。AI可在计算机中短时间生成成千上万候选分子，却无法预判分子在体内的溶解性、毒性、代谢稳定性，更不能替代动物实验验证药效。

资本热度在2021年达到顶峰，随后开始降温。

据CB Insights数据显示，全球AI药物发现领域单笔1亿美元以上的大额融资轮次，2021年占赛道总融资的70%，2022年降至30%，到2023年上半年已无单笔过亿的大额融资。

另据智药局数据，全球AI+药物研发相关融资从2022年的62亿美元降至2023年的36亿美元。

资本退潮后，产业真实考验逐步到来。“小作坊”模式的短板逐渐暴露，大批项目陆续出清，海内外赛道开始洗牌。

国内方面，超维知药在2021年获得千万级天使轮融资，对外主打AI新药创新，对标行业头部企业。尽管团队配备了药物研发相关人才，但始终未能落地自建实验场地，长期拿不出可落地的研发成果与项目进展，最终于2024年注销退场。

海外方面，美国AI药企Verge Genomics曾依托AI平台主攻神经类新药研发，核心管线针对渐冻症推进临床。其AI筛选获得的候选分子在临床前数据表现亮眼，但进入1b期临床后未能达到预设疗效终点，研发被迫终止。管线受挫后，企业大幅收缩自研新药业务。

在中小初创公司大量出清、行业挤出泡沫的同时，全球头部制药巨头与互联网大厂两大主力纷纷进场，逐步取代零散小团队，开始改写行业竞争规则。

02. 制药巨头与互联网大厂错位发展

两大主力阵营选择了不同的打法。

传统制药巨头：AI赋能现有体系

海内外传统制药巨头习惯将AI作为工具，采购成熟的大模型，嵌入自身成熟的研发体系。

以诺和诺德、礼来、阿斯利康及恒瑞医药为代表的国内外头部创新药企，普遍采用AI赋能现有研发体系的稳健策略。经过多年积累，这类企业已搭建起完整研发管线、临床团队与商业化网络，产业闭环成熟。

传统新药研发从靶点发现到上市需耗时数年，大量成本消耗在反复试错环节。因此，它们并未贸然投入高风险的全新靶点探索，而是引入外部科学大模型或自建AI药物发现平台，嵌入原有研发流程。

具体案例包括：

• 阿斯利康：长期与Recursion等企业合作，借助AI辅助靶点挖掘和临床风险预测，提升早期研发准确率。
• 礼来：联动Insilico Medicine等AI平台，聚焦小分子筛选与药物合成工艺优化。
• 恒瑞医药：自研灵枢AIDD平台，依托自有研发数据迭代模型，全面赋能靶点发现与药物设计。

对于传统药企而言，AI主要用于文献检索、药物作用机制推演、实验方案设计、临床数据归集等辅助工作。这套模式的本质是成熟医药产业叠加AI工具提升效率，不改动药企核心研发方式，风险可控、落地周期短。

据行业统计，AI辅助可将早期分子筛选阶段的周期从数月压缩至数周，显著降低前期筛选试错成本。

互联网大厂：押注源头创新

不同于传统药企追求增效，互联网大厂依靠算力与资本，直接押注源头创新。

互联网企业手握算力底座、算法能力和充足资金，但普遍缺乏药化研发、湿实验验证、临床转化等医药产业积淀，没有现成完整的新药研发闭环。因此，各家走出了与传统药企不同的布局路径：

• 百度：自研生命科学大模型，孵化出百图生科，主攻AI蛋白与小分子药物研发。
• 腾讯：采用“投资+自研”双线策略——对外战略入股晶泰科技、英矽智能，以股权投资绑定外部AI制药产业资源；对内依托云深智药平台自研算法，在GLP1多肽赛道布局相关专利。
• 字节跳动：将AI制药业务独立拆分，设立Anew Labs。

互联网大厂的入局阵营仍在持续扩容。

其核心优势在于资金储备雄厚，有能力切入高壁垒的全新靶点研发。但不足也很明显：新药临床阶段失败率常年居高不下，管线验证周期漫长，需要持续投入资金，十分考验企业的长期战略定力。

AI制药赛道的竞争逻辑正在发生转变——比拼的重心不再是融资规模，而是商业化落地能力。即便AI能缩短药物早期研发周期，行业的终极考验依旧落在管线变现上。

03. AI制药商业化：谁先跑出来？

目前，行业已有落地成果佐证AI的前端价值。2026年7月，国内首款AI辅助研发的原创药——由西湖大学联合西湖制药研发的盐酸伊司特韦片（艾普司韦）顺利获批上市。

从靶点探索到最终获批，该款药物仅耗时3年半。研发团队依靠AI超高通量筛选能力，从数亿级候选分子库中快速锁定最优化合物，验证了AI在压缩早期研发周期、提升筛选效率上的实用价值。

但前端技术突破，不等于商业化跑通。港股龙头英矽智能的发展路径，展现了当前AI药企的部分商业化现状。

作为国内AI制药标杆企业，英矽智能探索出“平台技术授权+自研管线推进”的双轨商业化模式，这也是目前行业主流的生存路径。

今年上半年，英矽智能实现营收1.06亿美元，同比大幅增长287.2%。营收主要来源于对外管线合作的首付款与里程碑收益，AI研发平台技术服务则作为辅助收入构成。

这份增速亮眼的财报，证明AI技术具备即时商业变现能力。不过，短期BD收入仅能解决企业现金流问题，无法定义行业长期价值。

英矽智能的核心管线ISM001-055，是全球首个由AI发现全新靶点、AI完成分子设计并推进至三期临床的创新药物，针对特发性肺纤维化适应症，目前仍在临床推进阶段，预计2029年才能读出关键三期数据。

这意味着，即便英矽智能已实现技术变现、营收高速增长，真正具备高价值、可落地销售的自研新药，距离上市商业化仍存在较长周期。

放眼整个AI制药赛道：

• 单纯售卖AI平台软件：收入天花板较低，客户粘性偏弱；
• 自研管线：潜在收益空间巨大，但一次临床失利，就有可能吞噬企业多年的研发投入。

正因如此，多数头部企业都会选择以BD授权稳住短期现金流，同时布局自研管线，博取长期商业化回报。

AI技术模型可以加快新药研发的起点，但从这条赛道跑出来的玩家，大概率是率先实现临床转化与商业化落地的那个。