字节与Anthropic暗战AI制药：算法之外，组织耐心成最大赌注

事件概述

2026年6月前后，字节跳动旗下AI制药业务Anew Labs启动拆分与独立融资，核心团队、算法、技术平台及已有管线资产将整体注入新主体，字节仍保持控股。几乎同一时间，2024年诺贝尔化学奖得主、AlphaFold核心缔造者John Jumper宣布离开Google DeepMind加入Anthropic。两件事指向同一趋势：中美AI巨头正将AI for Science作为新的战略战场。

字节的布局与动机

• 背景：字节在AI C端已取得显著成绩（豆包月活约3.45亿，日活1.4亿），但纯C端AI竞争同质化严重，算力成本高昂（据测算，豆包单日免费AI服务成本达1.32亿-2.4亿元）。字节需要更“硬”的成果来证明技术代差。
• 组织调整：2026年5月，AI4S团队（科学计算、结构生物学等）由技术副总裁杨震原管理，但不拆分。Anew Labs（成立于2021年）则独立融资，由刘凯负责。此前字节内部蛋白结构预测相关团队已并入刘凯团队。核心科研人员顾全全、肖文之已离职创业，显示大厂架构对长周期科研人才的不适配。
• 现有成果：2025年发布Protenix和SeedFold，2026年迭代至Protenix-v1/v2。2026年4月在美国免疫学家协会年会上，首次披露临床前IL-17小分子抑制剂AN-5162，靶向银屑病等自免疾病，为全球首个小分子全谱IL-17抑制剂，目前处于先导化合物优化阶段。
• 战略意义：拆分独立可建立符合生物医药长周期特征的股权架构和组织耐心。若成功，可获“硬核科技”估值溢价；若失败，对字节集团影响可控。

Anthropic的布局与动机

• 核心动作：挖角John Jumper，收购Coefficient Bio（约4亿美元，团队来自基因泰克Prescient Design），并建设物理湿实验室。意图将Claude的推理能力与蛋白质结构预测结合，从底层切入药物研发。
• 战略逻辑：Anthropic需回应外界对模型安全性的质疑，并证明自己不止是“代码助手”。生物医药具有高道德溢价和社会价值，是能力延伸的突破口。Jumper的加入标志着全球AI for Science人才向通用模型公司流动。
• 路线特点：更接近AGI应用形态，优势在开放-ended假设生成和跨领域知识迁移。但药物研发核心瓶颈是假设验证成本高、周期长，通用模型能否跨越“从1到100”的成药性优化仍是未知。

关键瓶颈与行业展望

• 数据决定上限：公域数据对参与者均等开放，真正决定AI平台性能上限的是高质量、可迭代的私域数据（SAR过程数据、ADMET实验数据等）。字节拥有火山引擎算力，但缺乏足够湿实验数据；Anthropic正通过收购和自建实验室补短板。
• 临床验证是最终裁判：2026年被认为是AI制药的关键验证年。首批AI设计分子进入临床后，承诺与现实的落差已导致行业洗牌。投资人转向关注真实实验数据、差异化靶点和可交易管线，而非模型参数量。
• 组织耐心挑战：互联网企业擅长短周期反馈，而AI制药从虚拟筛选到临床前验证需18-24个月，IND到临床POC需3-5年。字节拆分Anew Labs是承认组织基因不适配，但独立后能否撑过无收入的湿实验积累期仍是严峻考验。Anthropic则需依靠Claude Code的收入为长期赌注输血。
• 终局猜想：AI制药可能走向“分层协作”——通用模型提假设，专用模型做约束筛选，二者都需要干湿闭环的数据飞轮。若最终只是更高效的CRO，则当前科技股估值可能面临泡沫；若产出差异化first-in-class分子，则估值逻辑成立。

核心结论：算法是第一张门票，数据闭环是护城河，组织耐心是隐性筹码，临床数据是唯一的裁判。2026-2028年的III期临床数据将给出答案，而在此之前，只有拥有湿实验数据飞轮的公司才能生存。