Google、Anthropic、OpenAI 之外，科技巨头布局生命科学的浪潮也席卷中国。字节跳动旗下 AI 生命科学团队独立孵化初创公司 Anew Labs，获得 2.9 亿美元融资，估值达 15 亿美元。这家扎根上海、同时布局新加坡与美国圣何塞的企业成为全球 AI 药物研发赛道备受关注的新选手。但 Nature 同期观点文章也抛出冷静判断：AI 制药模型进展亮眼，真正的临床转化证据仍显不足。

Anew Labs 脱胎于字节 AI for Science 团队，该团队此前推出 Protenix 蛋白结构预测、PXDesign 蛋白结合器生成等开源生命科学大模型。由原字节 AI 生命科学负责人刘凯带队，2026 年低调亮相行业学术会议，目前团队共 36 人。

与谷歌 DeepMind 分拆的 Isomorphic Labs 封闭研发路线不同，Anew Labs 选择更高透明度的 AI 研究披露策略。近期预印本成果包括基于热力学预测蛋白 – 药物相互作用的模型，以及可生成小分子、多肽与抗体的扩散模型。在管线层面，Anew 进度领先：核心管线为靶向 IL-17 的小分子药物，当前处于临床前先导化合物优化阶段。该候选分子据称可抑制三类 IL-17 二聚体，有望挑战诺华、礼来、优时比已上市 IL-17 抗体药物。投资方包括红杉中国前身 HSG、IDG 资本与高瓴资本。

AI 制药技术多点突破，但临床转化证据尚存短板

全球 AI 药物研发领域已涌现大量蛋白预测、分子生成模型，算力与数据能力持续迭代。但 Nature 观点文章指出，现阶段 AI 制药缺少具备临床意义的落地证据，并非技术失效，而是行业普遍存在 “重预临床、轻临床转化” 的倾向。

当前绝大多数 AI 药企项目停留在临床前阶段，仅少数进入 I、II 期临床，III 期项目寥寥。不少被归为 AI 驱动的临床项目，靶点与化学骨架本身已有成熟研究基础，难以将成果单独归因于 AI。模型开发阶段过度依赖容易获取的标注数据，优先解决易建模问题，而非新药研发里最关键的临床决策难题，类似 “只在灯光下找钥匙”。

文章建模测算显示：新药研发成本降低的最大抓手是提升 II 期临床试验成功率。II 期试验需要更大规模异质性患者群体，不确定性最高，失败成本也最高。但当下 AI 制药研发重心普遍集中在苗头化合物发现等前端预临床环节，对临床阶段患者分层、疗效预判等关键决策支持投入不足。

所有新一代 AI 生物企业都面临同一个终极考验：AI 技术究竟能在多大程度上改变药物研发，是提升研发效率、提高临床成功率，还是攻克过去 “不可成药” 靶点？

Anew Labs 已经展现出技术与管线并行推进的早期样本，在上海与硅谷同步开展研究，也印证 AI 药物创新不再局限于欧美。但技术模型的进步不等于临床成功。药物研发链条长、变量复杂，靶点选择、实验体系、动物模型、偶然因素都会决定项目成败，很难将新药成败单一归因于 AI 算法。

Nature 文章提出建议：AI 制药基准测试应当跳出单纯模型验证，转向评估模型能否改善研发决策。行业需要从 “技术推动” 转向 “科学牵引”，把 AI 能力落地到提升 II 期临床成功率等核心命题。Anew Labs 的进展值得关注，但距离证实 AI 制药的颠覆性价值，行业仍需要更多临床数据来作答。

本文链接地址：https://www.wwsww.cn/tzfx/41494.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。