50人团队零临床，凭啥值100亿？字节这步棋绝了

50人零临床估值100亿，字节这场“豪赌”到底赌什么？

先问一个问题：一家没有收入、没有临床数据、团队只有50人的公司，凭什么值100亿人民币？

9月16日，答案揭晓了。字节跳动把内部藏了五年的AI制药团队正式拆分出来，成立Anew Labs，首轮融资2.9亿美元，投后估值15亿美元，折合人民币过百亿。

更让人意外的是买单的人——红杉中国、IDG、高瓴、五源，四大顶级VC同时出手，中国生物制药和上海未来产业基金也挤进了名单。这种阵容，在国内一级市场已经很久没见过了。

但真正值得聊的，不是谁投了多少钱，而是这笔钱背后藏着的三个“反常识”。

反常识一：做药的搞不定数据，搞数据的更搞不定

全球AI制药烧了600亿美元，至今没有一个AI设计的药物走完临床获批上市。这数字听起来很吓人，但拆开看就明白了。

问题不在于AI不够聪明。AlphaFold预测蛋白质结构已经做到教科书级别的突破，字节开源的Protenix模型在学术界也拿下了不少靶点的实验数据。

真正卡住脖子的，是数据。

文本和图像领域，大模型可以“吞掉”整个互联网。但生命科学没有这样的存量数据。一个细胞从健康到病变到死亡的全过程数据，散落在无数实验室的冰箱和培养皿里，绝大部分还没被人类采集过。一个研究员一天能做几十次实验，但AI理解生命需要的是几千万次甚至几亿次实验的数据——靠堆人力根本追不上。

所以你看，真正值钱的不是算法。字节团队做了五年，核心壁垒是从蛋白质结构预测到分子动力学到全原子分子生成的全链路工具栈，本质上是造了一套“自己生产数据”的机器。

而让15亿美元估值站住脚的，是一个分子——AN-5162，全球首个能同时靶向IL-17家族全部三种二聚体的小分子抑制剂。IL-17FF这个亚型因为结构上缺少典型结合口袋，业内长期认为小分子根本打不了。字节打出来了。

这就像一个全班都做不出的数学题，突然有个转学生做出来了，你不得不承认他有两把刷子。

反常识二：不做药的模式，比做药的更赚钱

AI制药行业正在分化成两条路。

一条是“自己下场做药”，比如Anthropic以4亿美元收购了一家成立仅8个月的AI制药公司，直接推进自有管线，承担失败风险。另一条是“给做药的人卖工具”，比如英伟达和礼来合作搞AI实验室，五年投入超10亿美元，本质上是卖算力和平台。

字节选的是中间路线——技术自己攥着，资本让别人进来，控股权留在手里。

这个结构非常巧妙。让出44%的股份，换来2.9亿美元现金和一个100亿的估值锚，同时引入了中国生物制药的临床资源。翻译成大白话：字节用别人的钱和资源，养自己的技术团队，还牢牢握着方向盘。

国内大厂里，百度孵化百图生科走的是独立IPO路线，腾讯在医药领域以投资为主不自研药物。字节这条“第三条路”目前没有先例，但逻辑上确实比纯自研或纯投资更灵活。

反常识三：最会赚钱的AI公司，偏偏选了最慢的赛道

互联网公司的核心竞争力是快——快速迭代、快速获客、快速变现。但医药研发遵循的是“双十定律”：十年时间、十亿美元投入，验证周期以年为单位。

这两种节奏放在同一个组织里，必然打架。短视频团队三个月不出成绩就要复盘，药物研发团队三年才能推进到一个临床前节点，绩效怎么定？期权怎么给？

所以拆分是必须的。独立之后，PE可以按生物医药的标准估值模型给钱，员工期权可以对标港股生物医药板块，不用拿DAU或GMV来对冲长周期风险。

更深一层看，字节也需要一个“硬科技”叙事。互联网主业增长见顶的当下，剥离一条重资产研发的药企级管线，既能维持创新形象，又不必把药物研发失败的风险计入集团财报。

说点实在的

Anew Labs目前的核心管线还在先导化合物优化阶段，距离IND申报还有一段路要走。行业惯例是早期管线从概念到IND需要12到18个月，耗资3000万到5000万美元。2.9亿美元足够支撑到那一关，但之后的临床阶段才是真正的烧钱黑洞。

全球AI制药融资榜的前排选手有一个共同点——临床资产全部为零。这个行业目前还处在“卖预期”的阶段，谁先把预期变成数据，谁就能拿到下一轮的定价权。

有个细节值得注意：兴业证券指出，当前AI药物研发的“决速步骤”不在于模型跑得有多快，而在于湿实验数据产生得有多快。中国在实验效率和工程化能力上的优势，反而可能成为这场竞赛的差异化变量。

字节这步棋，赌的不是某一个分子能不能成药，赌的是“AI生产科学数据”这件事能不能成立。赌赢了，AI制药从PPT走进实验室；赌输了，100亿买一个教训，对字节来说也不算伤筋动骨。

但对于整个医药行业来说，当互联网大厂带着顶级VC的钱和药企的临床资源同时入局时，旧有的研发范式可能真的要松动了。

本文所涉及的市场分析和行业探讨均为客观观察，不构成任何投资建议。投资有风险，入场前请务必审慎决策。